JaimeJunrJaimeJunr/polyagent-mcp/.claude/skills/model-refresh/SKILL.md

model-refresh

Skill5 starsChanged 52 days agoMITView on GitHub

Use when a new model is released or announced (GPT/Luna/Sol/Astra, Claude Opus/Fable/Haiku, Grok, OpenRouter models), when the user asks to update the model roster, tiers, levels, FAST_CANDIDATES, EXPLORE_MODEL or IMAGE_MODEL of polyagent-mcp, or brings a benchmark/leaderboard/Pareto-frontier comparison asking which model should sit at which level.

2 other projects use a version of this.

Adopted by

Most recently taken up by

r0shi/harborclerktheir own version, first seen Oct 15, 2026
JoshuaC215/agent-service-toolkittheir own version, first seen Oct 8, 2026

Other versions2 projects use a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 2
JoshuaC215/agent-service-toolkit★ 4.6ksame name
r0shi/harborclerk★ 3same 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.
In this repository4 other files it gives its agents.
- CLAUDE.mdCLAUDE.md
- add-engineSkill
- run-benchSkill
- shipSkill

The file

We split this skill into the rules it gives an agent

1 rule. About 0 are common, 1 is distinctive, and 0 are very specific to this project.

≈0
Common · estimate
Many files like this have a rule of this kind.
≈1
Distinctive · estimate
This author's own choices. Worth a look.
0
Very specific
Tied to their project's names, files or tools. Probably skip.

Common
Distinctive
Very specific

Distinctive:
Use o id completo na matriz.
line 22

≈ “Common” is an estimate: at least 1 in 5 of the 350,495 skill files we read have a rule of the same kind, not the same words. “Very specific” is our guess from the words: it names a file, a command, a setting or the project itself.

Keep what fits and drop the rest. Your version, ready for your agents.

Files

SKILL.md

model-refresh — trocar modelos do polyagent sem quebrar nada

Onde os modelos moram (todos em src/cli.ts): TIERS (níveis do delegate), FAST_CANDIDATES (cascata do fast_delegate e do run_filtered), EXPLORE_MODEL_FALLBACK (explore/read_slice/ web_lookup/árbitro do fan_out), IMAGE_MODEL. O resto (descrições em src/index.ts, hooks/prefer-polyagent.mjs, README.md, CLAUDE.md) só descreve esses valores.

1. Confirmar o id em execução real — antes de escrever qualquer linha

Id de anúncio/leaderboard não é id de CLI. Verifique cada um:

codex: ~/.codex/models_cache.json lista slug + efforts aceitos + effort default. Depois rode codex exec --ignore-user-config --ignore-rules --skip-git-repo-check -m <id> -c model_reasoning_effort=low --json "reply OK" </dev/null.
claude: claude -p --model <id> --output-format json --strict-mcp-config --setting-sources project "reply OK" </dev/null e leia modelUsage — é ele que diz qual modelo respondeu.
Alias engana. Em 2026-09-23 --model opus respondia com claude-opus-5, não o 5.5 recém-lançado. Use o id completo na matriz.
Grava no comentário da matriz: quais ids foram confirmados e em que data.

2. Decidir o lugar de cada modelo

Critérios e o estudo de referência: research/2026-09-23-tier-pareto.md. O que já deu errado:

Armadilha	Correção
Julgar pela nota geral	O polyagent é frota de código: quando geral e Coding Agent Index discordam, vale código. (Quase tirou o Astra, topo em código, por estar dominado na geral.)
Aceitar recomendação de pesquisa web como veio	Confira a data: uma pesquisa "atualizada ontem" não tinha os lançamentos da véspera. Confira os números na fonte com `web_lookup`.
Pôr modelo pay-per-token (OpenRouter) num nível	Os níveis são assinatura (custo = cota). Pesquisa de "custo por token" não enxerga isso: DeepSeek/MiMo "mais baratos" cobram dinheiro por chamada, e o Luna sai de graça. Pay-per-token entra só por decisão explícita do dono.
Degrau grande demais	Low → middle custa ~3×; middle → high custa ~8,7×, salto aceito pelo dono em `research/2026-10-23-tres-niveis.md`. Middle é o degrau barato para trabalho mais difícil.
Ignorar concentração de cota	Conte quantos níveis ficam numa assinatura só: cota estourada derruba todos juntos. Declare no comentário.
Mexer no Cursor	Legado sem assinatura: não atualize `cursorModel` nem verifique ids dele.

Decisão de lugar é do dono: apresente a escada proposta (nota, custo/tarefa, salto) com no máximo 2 opções e a recomendada.

3. Aplicar (TDD)

Atualize primeiro os testes que fixam valores (test/cli.test.ts, test/aux-engine.test.ts, test/hook.test.ts, test/quota.test.ts, test/health-latency-tdr.test.ts) e veja falhar.
Mude src/cli.ts, depois as descrições (src/index.ts, hook, README.md, CLAUDE.md).
AGENTS.md (no .gitignore) é uma cópia do CLAUDE.md para o codex — regenere trocando só o título e a 1ª frase: sed -e '1s/^# CLAUDE.md$/# AGENTS.md/' -e '3s|This file provides guidance to Claude Code (claude.ai/code)|This file provides guidance to Codex|' CLAUDE.md > AGENTS.md. Não troque "Claude" por "Codex" no corpo: estraga o texto da engine claude. A skill ivt-core:claude-codex-sync NÃO faz isso (ela sincroniza sessões). Em 2026-09-26 ele estava com 343 linhas contra 529 do CLAUDE.md.
Testes que fixam regra (não valor) podem ter virado falsos: "modelo distinto por nível", sugestão de level no erro de cota, engine do nível no teste de health. Ajuste a regra, com comentário do porquê, em vez de forçar o valor antigo.
Varredura final: grep -rnE "<id-antigo>|<Nome Antigo>" src hooks test *.md — sobra só Cursor ou nota datada.

4. Registrar

Novo estudo em research/AAAA-MM-DD-<assunto>.md + linha em research/README.md. O comentário da matriz aponta para o estudo. Entrega: skill ship.

Download now (ZIP)

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

What did you use it for? e.g. Reviewing pull requests in a Rails app

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.

Check your setup, free