dynamic-model-selector

根据 GitHub Copilot 中的复杂性、成本和可用性，动态选择最适合任务的 AI 模型。在选择免费/付费模型时，或者当您需要基于查询分析的自动模型路由时使用。

# Dynamic Model Selector

## Overview

This skill analyzes user queries to recommend the optimal AI model from available GitHub Copilot options, balancing performance, cost, and task requirements.

## How to Use

1. Provide the user query or task description.
2. Run the classification script to analyze complexity.
3. Choose the suggested model or adjust based on preferences.

## Classification Criteria

- **Simple tasks** (short responses, basic chat): Use faster, free models like grok-code-fast-1.
- **Complex reasoning** (analysis, multi-step): Use advanced models like gpt-4o or claude-3.5-sonnet.
- **Code generation**: Prefer code-optimized models.
- **Cost sensitivity**: Favor free models when possible.

## Example Usage

For a query like "Explain quantum computing": Classify as medium complexity -> Recommend gpt-4o.

For "Write a Python function to sort a list": Classify as code task -> Recommend grok-code-fast-1.

## Resources

### scripts/
- `classify_task.py`: Analyzes the query and outputs model recommendation.

### references/
- `models.md`: Detailed list of available models, pros/cons, costs.

---

## 中文说明

# 动态模型选择器

## 概述

本技能分析用户查询，从可用的 GitHub Copilot 选项中推荐最优的 AI 模型，在性能、成本和任务需求之间取得平衡。

## 如何使用

1. 提供用户查询或任务描述。
2. 运行分类脚本以分析复杂性。
3. 选择推荐的模型，或根据偏好进行调整。

## 分类标准

- **简单任务**（简短回复、基础聊天）：使用更快、免费的模型，如 grok-code-fast-1。
- **复杂推理**（分析、多步骤）：使用高级模型，如 gpt-4o 或 claude-3.5-sonnet。
- **代码生成**：优先选择针对代码优化的模型。
- **成本敏感**：尽可能优先选择免费模型。

## 用法示例

对于像“Explain quantum computing”这样的查询：归类为中等复杂度 -> 推荐 gpt-4o。

对于“Write a Python function to sort a list”：归类为代码任务 -> 推荐 grok-code-fast-1。

## 资源

### scripts/
- `classify_task.py`：分析查询并输出模型推荐。

### references/
- `models.md`：可用模型的详细清单，含优缺点和成本。