multi-model-orchestration
Skill2 starsChanged 31 days agoMITView on GitHub
Orchestrate one task across several models and modalities as Team Lead. Use when a job benefits from different model strengths (long-context reading, code, cheap bulk passes, adversarial review, vision), when the user says "让几个模型一起做 / 多模型 / 交叉验证 / 找一个不同模型唱反调", or when routing work to Kimi / Qwen / GLM / DeepSeek / local Ollama through a workflow. Covers model routing, panel patterns, verified provider failure modes, and the delegation contract. Skip for single-model tasks — one model is faster and cheaper.
- Reads credentials
- Installs packages
1 other project uses a version of this.
Adopted by
Most recently taken up by
- 1215-Labs/claude-code-templatestheir own version, first seen Mar 9, 2026
Other versions1 project uses a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 1
- 1215-Labs/claude-code-templates★ 1same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
The file
Files
多模型编排(中轴线手册)
我是这条线的中轴:拆任务 → 按模型长处派活 → 合并 → 自己验证。 委派出去的东西永远不是最终答案,最终答案由我在工具与证据上落定。
判断标准只有一条:这个活儿换个模型是不是明显更好? 不是就别派——单模型更快更省。
1. 硬事实:怎么把活派给指定模型
| 工具 | 能否指定模型 | 说明 |
workflow 的 agent(prompt, { provider, model }) | ✅ 逐 agent 覆盖 | 目前唯一能按次指定 provider/model 的委派方式,可混着跑多家的模型 |
spawn_teammate | ❌ 入参没有 model 字段 | 常驻队友只能继承会话默认模型(agent-default-model)。别用它做跨模型 |
子代理(subagent / subagent_fork) | ❌ 同上 | 一次性委派,仍继承会话模型 |
所以:要跨模型,就用 workflow;需要"常驻队友"时接受它与主会话同模型。
上面这行结论只对当前 DSH 版本成立(见 frontmatter 的
tested_dsh_version)。DSH 是活跃开发中的框架, 如果哪天subagent加上了 model 参数,这段就该改写——用之前先看一眼工具签名。
provider 名必须与 profile 配置一致(见 §2 表),写错 → agent 静默返回 null。
2. 模型路由表(作者环境快照,截至 2026-10-15)
⚠️ 这不是通用事实,是一份个人账号的快照。 表里的可用性、上下文上限、思考词表、 token 数、限流等级都跟你自己的账号开通状态和厂商当月版本强相关,会过期。 拿去用之前先跑 §6 的
modelops.py matrix在你自己的环境重测一遍。 token 数字是单次探针观测,不是基准测试。
| provider / model | 定位 | 实测 | 备注 |
moonshot / kimi-k3 | 长文、方案、跨领域推理 | ✅ 含视觉 | 上下文 262144;图像输入已声明 |
moonshot / kimi-k2.7-code | 代码 | ✅ | 262144 |
qwen / qwen-plus | 通用、便宜、稳 | ✅ | 非思考型 |
qwen / qwen3.8-max | 最新旗舰,复杂分析 | ✅ | 思考五档 |
qwen / qwen3.5-flash | 快、便宜、会思考 | ✅ | 批量活首选 |
qwen / qwen3.5-*、qwen3.6-*、qwen3.7-* | 各档位 | ✅(同族抽验) | 均有思考等级 |
qwen / qwen3-vl-plus | 视觉 | ✅ 读图验证过 | 必须声明 input: [text, image] |
qwen / qwen3.8-omni-flash、qwen3.5-omni-plus | 全模态 | 已声明 image | |
qwen / qwen-max | 老旗舰 | ⚠ 输入上限 30720 | 已声明 contextWindow: 30720,别拿它跑长上下文 |
bailian / kimi-k3 | Kimi 的备用通道 | ✅ | 走百炼,不受 Moonshot 账号并发限制 |
bailian / glm-5.3 | 挑剔型评审 | ✅ | 只认 low/high/max 三档 |
bailian / deepseek-v4-pro | 中文长文 | ✅ | 只认 low/medium/high/xhigh/max |
router-one / anthropic/claude-opus-5.5 | Claude 通道(跨厂商交叉验证的第二家) | ✅ 实测通过 | 只有 Claude 系(opus/sonnet/haiku 5.5),没有 GPT 直连;1M 上下文 |
stepfun / step-3.5-flash 等 | Step 系 | ⬜ 已配置未详测 | 见 profile 配置 |
ark / doubao-seed-2-1-turbo-260628 | 便宜的 agentic 工人(能读文件、多步任务) | ✅ 两次全对 | minimal 输出 155 tok(不传参数 4426 tok,28 倍差);单文件任务约 11 秒 |
ark / doubao-seed-2-1-pro-260915(及 -260628) | 方舟旗舰,重活候选 | ✅ 基础+档位通过 | minimal 29–40 tok vs 默认 867–1700 tok(20–42 倍差) |
ark / doubao-seed-evolving | 跟随最新版的豆包别名 | ✅ 基础+档位通过 | minimal 29 vs 默认 834 |
ark / glm-5-2-260617 | GLM-5.2 的方舟通道 | ✅ 基础+档位通过 | minimal 28 vs 775;百炼限流时的备用通道 |
ark / doubao-seed-2-0-mini-260428 | 最便宜的纯文本批量活 | ✅ | 计算/翻译准确;读文件会编,别给 agentic 活 |
ark / doubao-seed-2-0-lite-260428 | 同上的备份 | ⚠ 只纯文本 | 工具调用 API 层正常,但经 DSH 大工具表时不读文件直接编(假行号假代码) |
ark / doubao-seedream-5-0-pro-260628 | 图像生成(配图 / UI 示意 / 插画) | ✅ 实测出图 | ⚠ 不是对话模型:走 /images/generations,不能写进 provider 配置;用 tools/ark_image.py;1024² 约 47 秒、4096 tok/张;返回 JPEG(工具按魔数自动命名) |
ark / doubao-seedream-5-0-flash-260915 | 图像生成(更快更省) | ⬜ 需先在控制台开通 | 开通后同样用 ark_image.py --model 调用 |
ollama / * | 本地、离线、零成本 | 未测 | 走 127.0.0.1:11434 |
2.1 怎么拍板 —— 灵活决策,不搞"某活必用某模型"
没有固定映射。 每次先问自己四个问题,再从候选池里挑最合适、够用、且更便宜的那个:
- 这活需要工具吗?(读文件/跑命令/多步)→ 需要就别给纯文本模型
- 上下文多长? → 长文/大仓 → 只用 262k 那档(Kimi 系)
- 需要交叉验证吗? → 需要就必须换厂商挑第二个(同源盲区相同)
- 错了代价大吗? → 大 → 用主力模型,或便宜模型出草稿 + 我核验
加分规则:成本接近时,优先"能一次做对"的;能自己做就别外包(见下);先试便宜的,不行再升级——升级的代价通常小于一上来就用贵的。
2.1.1 别忘了我自己(最重要的一条)
当前会话的默认模型本身就是一名可用的工人,不是只会派活的调度台。本机默认是
deepseek-account/deepseek-flash;如果你在别的模型上加载这份技能,把下表换成你自己的默认档位。
| 档位 | 什么时候用 |
| 会话默认模型(本机=deepseek-flash) | 默认先自己干:小任务、要我保持上下文的活、需要连续多步试错的活 |
deepseek-account/deepseek-v4-pro(更强档) | 需要更强推理时;比外包更省事——同一个 harness、同一份上下文,只是换个更重的脑子 |
为什么"自己做"经常最省:委派不是免费的——每个子代理都要重发一遍系统提示 + 工具表 + 技能清单(≈1–2 万 token),还要重新读一遍文件才能干活。所以:
- 小任务、一次能说完的任务 → 自己做(委派的开销比任务本身还大)
- 大批量、可并行的、需要"另一个脑子"的 → 才值得外包
2.1.2 候选池(按"适合什么形状的活"分组,不是映射表)
| 池 | 成员 | 适合的活的形状 |
| 我自己 | deepseek-flash(默认)、deepseek-v4-pro | 默认先上;需要连续上下文/多步试错;小任务 |
| 💰 极便宜 | 豆包 2.1-turbo(能读文件)、2.0-mini(纯文本)、2.0-lite(纯文本备份) | 大批量、可并行、错了能核验的活 |
| 💰 便宜 | qwen3.5-flash、qwen-plus、bailian/GLM-flash、deepseek-v4.1-flash | 日常主力、筛候选、中等难度 |
| 💰💰 主力 | kimi-k2.7-code(代码)、qwen3.8-max(复杂分析)、glm-5.3(挑刺)、deepseek-v4-pro(中文长文) | 一次做对、要质量 |
| 💰💰💰 重器 | kimi-k3(长上下文/方案)、qwen3-vl-plus(看图) | 只在确实需要那项能力时用 |
| 免费 | ollama | 离线、敏感、零成本兜底 |
挑的时候看能力而不是看名字:要读代码就看谁代码强,要"挑刺"就找出名的严格模型,要长文就找窗口大的——同一个模型在不同任务上表现会变,别把它钉死在一个角色上。用完觉得不顺手,下次换一个,把结论记回这里。
2.2 思考档位经济学(实测,省钱全靠这个)
| 模型 | 不传参数 | minimal | high | 结论 |
| doubao-seed-2-1-turbo | 4426 tok | 155 tok | 4247 tok | 差 28 倍 |
| doubao-seed-2-0-mini | 1114 tok | 423 tok | 3033 tok | 差 7 倍 |
| doubao-seed-2-0-lite | 4435 tok | 538 tok | 7687 tok | 差 14 倍 |
| kimi-k3(直连实测) | 最深(357 字) | ≈0 字 | ≈102–141 字 | 只有 on/off 硬边界 |
| qwen3.5-flash | 2463 字 | 0(≡ 关思考) | 2785 字 | 单调 |
两条硬规则:
- 永远显式传档位——不传参数往往比
medium还贵(豆包/ Kimi 都是)。 - 批量活一律
minimal;只有"要它想清楚"时才给high,且先给便宜模型试。
2.3 成本分档(选型先看这栏)
| 档 | 模型 | 用法 |
| 💰 极便宜 | 豆包 mini / turbo / lite | 批量、草稿、纯文本;turbo 可做 agentic |
| 💰 便宜 | qwen3.5-flash、qwen-plus、bailian 的 GLM/DeepSeek flash | 日常主力、筛候选 |
| 💰💰 中等 | kimi-k2.7-code、qwen3.8-max、glm-5.3 | 难活、评审、写代码 |
| 💰💰💰 贵 | kimi-k3(长上下文)、qwen3-vl-plus | 只在长文/看图时用 |
| 免费 | ollama | 离线、敏感、零成本兜底 |
3. 四种编排模式(复制即用)
① 并行扇出(独立子任务)
const rs = await parallel(items.map(it => () => agent(brief(it), { provider: "qwen", model: "qwen3.5-flash" })));② 对抗式复核(最值钱) — 同一份结论给两家模型各写批评,分歧点就是我要亲自查的地方:
const [a, b] = await parallel([
() => agent(critiqueBrief, { provider: "bailian", model: "glm-5.3" }),
() => agent(critiqueBrief, { provider: "qwen", model: "qwen3.8-max" }),
]);③ 便宜模型筛 + 强模型定:先用 flash 跑 N 个候选,只把前 3 个交给 K3/3.8-max 深做。
④ 多模态分工:图片/截图的判读交给 qwen3-vl-plus(让它自己用 read_image 读本地文件),
文本推理交给 K3/Qwen,我负责把两边结论对齐。
有 pipeline(items, ...stages) 时优先用它(无栅栏,快);只有确实要等全部结果才用 parallel。
4. 失败手册(都是实测踩过的,按此排查能省半小时)
| 症状 | 根因 | 处置 |
agent() 返回 null,无报错 | 子代理失败被静默吞掉 | 去会话日志捞错误(§5 配方) |
400 developer is not one of [...] | 非 OpenAI 端点不认 developer 角色 | provider 加 compat: { supportsDeveloperRole: false }(ollama/moonshot/qwen/bailian 已加) |
400 tools.function.parameters is not a valid moonshot flavored json schema … infinite recursion | 工具 schema 里有自引用 $ref | MCP 服务设 REA_MCP_INPUT_SCHEMA_PROFILE: compact |
400 … Range of input length should be [1, 30720] | 模型输入上限比 DSH 以为的小(qwen-max) | 声明 contextWindow |
400 'reasoning_effort' must be one of: 'low','high','max' | 各家思考词表不同 | 只声明该模型认的键(见 §2 备注) |
| 模型说"看不到图像" | provider 配置没声明 input: [text, image] | 在模型条目补 input |
429 max organization concurrency: 1 / max RPM: 3 | Moonshot 账号等级限制(0 级) | 升到 1 级(15 并发)或改走 bailian/kimi-k3 |
429 SetLimitExceeded … Safe Experience Mode | 火山方舟「安全体验模式」免费额度用尽(试用账号) | 控制台「开通管理」关闭/调高该模式;教训:试用账号上别做大上下文探测——一次 400k 字符探测≈20 万 token,能直接吃光额度 |
InvalidEndpointOrModel.NotFound(方舟) | 方舟模型没在控制台开通(/models 会列出全部可售模型,但不等于已开通) | 控制台开通对应模型;只有已开通的 id 能调 |
| 小模型编造文件内容(假行号/假代码) | 它根本没调用工具,直接凭上下文作答——工具表太大时小模型会忽略工具 | 让它在纯文本任务里干活;或换 Kimi/Qwen/DeepSeek;任何小模型输出都要核验 |
| 新加的模型在 workflow 里查不到 | 运行中的会话模型注册表是快照,新模型要重启 DSH 才进注册表(provider 本身会热加载) | 重启 DSH;或先用 CLI(dsh --profile phone '任务')验证 |
| workflow 报 model 不存在 | provider 名或 model id 写错 | 对照 §2;改完 provider 配置通常热加载,不生效再重启 |
5. 诊断配方(我自己用的)
捞子代理真实报错(agent() 的 null 不告诉你原因):
import glob, os, re, time
try:
from compression import zstd # Python 3.14+ 内置
except ImportError:
import zstandard as zstd # 3.9-3.13: pip install zstandard
paths = sorted(((os.path.getmtime(p), p) for p in
glob.glob(os.path.expanduser(r"~\.dsh\sessions\**\*"), recursive=True) if os.path.isfile(p)),
reverse=True)
for mt, p in paths[:6]:
raw = open(p, "rb").read()
t = (zstd.decompress(raw) if p.endswith(".zstd") else raw).decode("utf-8", "replace")
for m in re.finditer(r'"kind":"error"', t):
print(time.strftime("%H:%M:%S", time.localtime(mt)), re.sub(r"\s+", " ", t[m.start():m.start()+400]))DSH 的会话日志(
~\.dsh\sessions\**\session.v4.jsonl.zstd)全是 zstd 压缩的, 没有解压能力就捞不到任何东西。Python 3.14 自带compression.zstd;3.9–3.13 要pip install zstandard。本仓库的tools/dsh-errors.py已做双路径回退。
矩阵复测(怀疑路由坏了时,10 个 1-token agent 并行,几秒出结果):
const Q = "只回两个字符:OK";
const cases = [["moonshot","kimi-k3"],["qwen","qwen-plus"],["qwen","qwen3.8-max"],["qwen","qwen3-vl-plus"],["bailian","glm-5.3"]];
return await parallel(cases.map(([p,m]) => () => agent(Q, { provider: p, model: m, label: m }).then(r => ({m, ok: r !== null}))));6. 工具(本技能自带,别手工试错)
# 解释器用你自己的 python(3.9+;跑 dsh-errors.py 需要 3.14 或 pip install zstandard)
$py = "python"
$t = "$HOME\.agents\skills\multi-model-orchestration\tools"
& $py $t\modelops.py check # 连通性:key 是否有效、端点是否可达、账号可见多少模型
& $py $t\modelops.py matrix # 全量能力矩阵 → references\model-matrix.md(约 1~2 分钟)
& $py $t\modelops.py matrix --only qwen # 只测某家
& $py $t\modelops.py add --provider qwen --model qwen3.9-max --deep # 探查新模型并推导配置块
& $py $t\dsh-errors.py -m 30 -g qwen # 捞最近报错(agent() 返回 null 时的第一手段)# macOS / Linux
py=python
t="$HOME/.agents/skills/multi-model-orchestration/tools"
$py $t/modelops.py check
--profile/--creds必须写在子命令前面(argparse 父级参数):modelops.py --profile phone check✅,modelops.py check --profile phone❌
references/model-matrix.md 由工具生成,不要手改;每次加/换模型后重跑一次即可。
矩阵里的 developer 角色=拒绝 一列直接告诉你该 provider 要不要 compat.supportsDeveloperRole: false。
新增一个模型的标准流程(3 步)
- 加凭据(新厂商):
~\.dsh\.credentials.yaml的refs:加一行XXX_API_KEY: sk-..., 或在 GUI 里加;配置里只写apiKeyEnv: XXX_API_KEY,明文永不进配置文件、也不贴聊天。 - 探查:
modelops.py add --provider <id> --model <model-id> --deep→ 自动判定:能否调用 /developer角色是否被拒(要不要 compat)/ 思考词表(哪些档位合法, 且只输出合法的)/ 是否吃图像(要不要input: [text, image])。把打印出的 YAML 块填进cordis.patch.yml的providers.<id>.models下。 - 验证:
modelops.py matrix --only <id>确认全绿;再在 workflow 里发一个 1-token 真任务 确认 DSH 路由也通(直连通 ≠ DSH 通,两者故障模式不同)。
新 provider 还要写
api: openai-completions、baseURL、apiKeyEnv; 若add报告拒绝 developer 角色,该 provider 必须加:compat: supportsDeveloperRole: false
7. 失败回退链(聪明地兜底,别硬等)
agent() 返回 null 时按顺序做,不要盲目重试同一个模型:
| 场景 | 回退动作 |
| 某模型 429 / 限流 | 换通道:moonshot/kimi-k3 ↔ bailian/kimi-k3(后者不走 Moonshot 账号限流)。⚠️ 前提是你已经配好 bailian provider 且有有效百炼 key,否则换了还是 401——备用通道要提前配,别等限流了才想起来 |
| 某模型 400 参数错 | 跑 dsh-errors.py 看原话 → 按 §4 修配置 → 修完再试;别换模型掩盖配置错 |
| 单模型不可用 | 用同族替代:Qwen3.8Max→3.7-Max→3.5-Plus;GLM-5.3→GLM-5.2;K3→K2.7-Code |
| 长上下文被截断 | 换 contextWindow 大的:Kimi 系 262144;或先让便宜模型压缩摘要再交给强模型 |
| 视觉模型说看不到图 | 检查该模型条目有没有 input: [text, image](§4) |
| 多家同时失败 | 先跑 modelops.py check 判断是不是 key/网络问题,再怀疑模型 |
成本纪律:探针用 1-token;矩阵别频繁跑(只在加/换模型后);真任务优先给便宜模型,只把难的部分交给旗舰。
8. 派活契约(不遵守就会返工)
- 任务书要短、边界清晰、要求结构化输出——跨模型最常死在"指令遵循风格不一致",不是能力不足。
- 给绝对路径;告诉它用哪个工具读(
read/read_image)。 - 禁区要明说:"不要编造客户名/数字;缺数据就写占位符"(面向客户的产物尤其重要)。
- 写范围不重叠:多个执行者时,一人一份文件;
write_scopes只是提示不是锁。 - 我负责:合并、跑验证(不是靠它自称完成)、把结论落到证据上。
- 成本纪律:先 1-token 探针验证路由,再发真任务;能并行的别串行。
9. 何时不要用这套
- 单文件小改动、一问一答 → 我自己做,别开 agent。
- 需要连续多轮试探、频繁改文件 → 单模型(同模型队友)更顺,跨模型反而在交接上耗损。
- 目标是"最终答案"而不是"多视角" → 多模型只值一次交叉复核,不值得全流程铺开。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

