⚡

LLM路由技能Skill llm-router

这个技能使用SwiftOpenAI-CLI将大语言模型（LLM）请求路由到不同的AI提供商，如OpenAI、Grok、Groq、DeepSeek和OpenRouter。它支持自动安装、配置、API密钥管理和代理任务执行，适用于AI智能体开发、模型切换和API集成。关键词：LLM路由、AI提供商、SwiftOpenAI-CLI、API管理、代理模式、大模型应用、AI工具、路由技能。

AI智能体 0 次安装 0 次浏览 更新于 3/17/2026

名称: llm-router 描述: 该技能应用于用户希望使用SwiftOpenAI-CLI将LLM请求路由到不同的AI提供商（OpenAI、Grok/xAI、Groq、DeepSeek、OpenRouter）时。当用户要求“使用grok”、“询问grok”、“使用groq”、“询问deepseek”或任何类似请求在代理模式下查询特定LLM提供商时，使用此技能。

LLM路由器

概述

使用SwiftOpenAI-CLI的代理模式将AI请求路由到不同的LLM提供商。此技能自动配置CLI以使用请求的提供商（OpenAI、Grok、Groq、DeepSeek或OpenRouter），确保工具已安装并更新，并执行一次性代理任务。

核心工作流

当用户请求使用特定LLM提供商时（例如，“使用grok解释量子计算”），遵循此工作流：

步骤1：确保SwiftOpenAI-CLI就绪

检查SwiftOpenAI-CLI是否已安装并更新：

scripts/check_install_cli.sh

此脚本将：

  • 检查是否安装了swiftopenai
  • 验证版本（最低1.4.4）
  • 如果需要则安装或更新
  • 报告当前安装状态

步骤2：配置提供商

根据用户的请求，识别目标提供商并配置SwiftOpenAI-CLI：

scripts/configure_provider.sh <provider> [model]

支持的提供商：

  • openai - OpenAI（GPT-4、GPT-5等）
  • grok - xAI Grok模型
  • groq - Groq（Llama、Mixtral等）
  • deepseek - DeepSeek模型
  • openrouter - OpenRouter（300+模型）

示例：

# 为Grok配置
scripts/configure_provider.sh grok grok-4-0709

# 为Groq与Llama配置
scripts/configure_provider.sh groq llama-3.3-70b-versatile

# 为DeepSeek Reasoner配置
scripts/configure_provider.sh deepseek deepseek-reasoner

# 为OpenAI GPT-5配置
scripts/configure_provider.sh openai gpt-5

脚本自动：

  • 设置提供商配置
  • 设置适当的基URL
  • 设置默认模型
  • 提供API密钥配置指导

步骤3：验证API密钥

配置脚本自动检查是否设置了API密钥，如果未找到API密钥，将以清晰指令停止。

如果API密钥缺失：

脚本以错误代码1退出并显示：

  • ⚠️ 警告API密钥未设置
  • 通过环境变量设置的指令
  • 通过配置（持久）设置的指令

如果配置脚本因缺少API密钥失败，请不要继续步骤4。

相反，通知用户需要先设置API密钥：

选项1 - 环境变量（仅会话）：

export XAI_API_KEY=xai-...           # 为Grok
export GROQ_API_KEY=gsk_...          # 为Groq
export DEEPSEEK_API_KEY=sk-...       # 为DeepSeek
export OPENROUTER_API_KEY=sk-or-...  # 为OpenRouter
export OPENAI_API_KEY=sk-...         # 为OpenAI

选项2 - 配置文件（持久）：

swiftopenai config set api-key <api-key-value>

用户设置API密钥后，重新运行配置脚本以验证。

步骤4：执行代理任务

使用代理模式运行用户的请求：

swiftopenai agent "<用户的问题或任务>"

代理模式功能：

  • 一次性任务执行
  • 内置工具调用
  • MCP（模型上下文协议）集成支持
  • 带会话ID的对话记忆
  • 多种输出格式

示例：

# 简单问题
swiftopenai agent "什么是量子纠缠？"

# 带特定模型覆盖
swiftopenai agent "编写Python函数" --model grok-3

# 带会话以保持对话连续性
swiftopenai agent "记住我的名字是Alice" --session-id chat-123
swiftopenai agent "我的名字是什么？" --session-id chat-123

# 带MCP工具（文件系统示例）
swiftopenai agent "读取README.md文件" \
  --mcp-servers filesystem \
  --allowed-tools "mcp__filesystem__*"

使用模式

模式1：简单提供商路由

用户请求： “使用grok解释量子计算”

执行：

# 1. 检查CLI安装
scripts/check_install_cli.sh

# 2. 为Grok配置
scripts/configure_provider.sh grok grok-4-0709

# 3. 执行任务
swiftopenai agent "解释量子计算"

模式2：特定模型选择

用户请求： “询问DeepSeek Reasoner逐步解决此数学问题”

执行：

# 1. 检查CLI安装
scripts/check_install_cli.sh

# 2. 为DeepSeek与Reasoner模型配置
scripts/configure_provider.sh deepseek deepseek-reasoner

# 3. 带显式模型执行
swiftopenai agent "逐步解决x^2 + 5x + 6 = 0" --model deepseek-reasoner

模式3：使用Groq快速推理

用户请求： “使用groq快速生成代码”

执行：

# 1. 检查CLI安装
scripts/check_install_cli.sh

# 2. 为Groq配置（以快速推理闻名）
scripts/configure_provider.sh groq llama-3.3-70b-versatile

# 3. 执行任务
swiftopenai agent "编写计算斐波那契数的函数"

模式4：通过OpenRouter访问多个模型

用户请求： “使用OpenRouter访问Claude”

执行：

# 1. 检查CLI安装
scripts/check_install_cli.sh

# 2. 为OpenRouter配置
scripts/configure_provider.sh openrouter anthropic/claude-3.5-sonnet

# 3. 通过OpenRouter使用Claude执行
swiftopenai agent "解释函数式编程的好处"

提供商特定考虑

OpenAI（GPT-5模型）

GPT-5模型支持高级参数：

# 最小推理用于快速编码任务
swiftopenai agent "编写排序函数" \
  --model gpt-5 \
  --reasoning minimal \
  --verbose low

# 高推理用于复杂问题
swiftopenai agent "解释量子力学" \
  --model gpt-5 \
  --reasoning high \
  --verbose high

详细级别： low、medium、high 推理努力： minimal、low、medium、high

Grok（xAI）

Grok模型优化用于实时信息和编码：

  • grok-4-0709 - 最新版，增强推理
  • grok-3 - 通用目的
  • grok-code-fast-1 - 优化用于代码生成

Groq

以开源模型超快推理闻名：

  • llama-3.3-70b-versatile - 最佳通用目的
  • mixtral-8x7b-32768 - 专家混合

DeepSeek

专门用于推理和编码：

  • deepseek-reasoner - 高级逐步推理
  • deepseek-coder - 编码专家
  • deepseek-chat - 通用聊天

OpenRouter

提供访问300+模型：

  • Anthropic Claude模型
  • OpenAI模型
  • Google Gemini模型
  • Meta Llama模型
  • 以及更多

API密钥管理

推荐：为多个提供商使用环境变量

使用多个提供商的最佳实践是将所有API密钥设置为环境变量。这允许无缝切换提供商而无需重新配置密钥。

添加到shell配置文件（~/.zshrc或~/.bashrc）：

# LLM提供商的API密钥
export OPENAI_API_KEY=sk-...
export XAI_API_KEY=xai-...
export GROQ_API_KEY=gsk_...
export DEEPSEEK_API_KEY=sk-...
export OPENROUTER_API_KEY=sk-or-v1-...

添加后，重新加载shell：

source ~/.zshrc  # 或 source ~/.bashrc

工作原理：

  • SwiftOpenAI-CLI自动使用正确的提供商特定密钥基于配置的提供商
  • 当切换到Grok时，使用XAI_API_KEY
  • 当切换到OpenAI时，使用OPENAI_API_KEY
  • 无需每次重新配置密钥

替代：通过配置单API密钥（不推荐用于多个提供商）

如果仅使用一个提供商，可以将密钥存储在配置文件中：

swiftopenai config set api-key <your-key>

限制： 配置文件仅存储一个API密钥。如果切换提供商，每次需要重新配置密钥。

检查当前API密钥

# 查看当前配置（API密钥被屏蔽）
swiftopenai config list

# 获取特定API密钥设置
swiftopenai config get api-key

优先级： 提供商特定环境变量优先于配置文件设置。

高级功能

交互式配置

对于复杂设置，使用交互式向导：

swiftopenai config setup

此启动引导设置，逐步：

  • 提供商选择
  • API密钥输入
  • 模型选择
  • 调试模式配置
  • 基URL设置（如果需要）

会话管理

跨多个请求维护对话上下文：

# 启动会话
swiftopenai agent "我的项目是React应用" --session-id project-123

# 继续会话
swiftopenai agent "我提到了什么框架？" --session-id project-123

MCP工具集成

通过模型上下文协议连接到外部服务：

# 带GitHub MCP
swiftopenai agent "列出我的仓库" \
  --mcp-servers github \
  --allowed-tools "mcp__github__*"

# 带文件系统MCP
swiftopenai agent "读取package.json并解释依赖项" \
  --mcp-servers filesystem \
  --allowed-tools "mcp__filesystem__*"

# 多个MCP服务器
swiftopenai agent "复杂任务" \
  --mcp-servers github,filesystem,postgres \
  --allowed-tools "mcp__*"

输出格式

控制结果呈现方式：

# 纯文本（默认）
swiftopenai agent "计算5 + 3" --output-format plain

# 结构化JSON
swiftopenai agent "列出3种颜色" --output-format json

# 流式JSON事件（Claude SDK风格）
swiftopenai agent "分析数据" --output-format stream-json

故障排除

常见问题

问题：“swiftopenai: command not found”

解决方案：运行check_install_cli.sh脚本，它将自动安装CLI。

问题：认证错误

解决方案：验证为提供商设置了正确的API密钥：

# 检查当前配置
swiftopenai config list

# 设置适当的API密钥
swiftopenai config set api-key <your-key>

# 或使用环境变量
export XAI_API_KEY=xai-...  # 为Grok

问题：模型不可用

解决方案：验证模型名称匹配提供商可用模型。检查references/providers.md获取正确模型名称或运行：

swiftopenai models

问题：速率限制或配额错误

解决方案：这些是提供商特定限制。考虑：

  • 使用不同模型层级
  • 临时切换到不同提供商
  • 检查API使用仪表板

调试模式

启用调试模式查看详细HTTP信息：

swiftopenai config set debug true

此显示：

  • HTTP状态代码和头
  • API请求详情
  • 响应元数据

资源

此技能包括捆绑资源以支持LLM路由：

scripts/

  • check_install_cli.sh - 确保SwiftOpenAI-CLI已安装并更新
  • configure_provider.sh - 为特定提供商配置CLI

references/

  • providers.md - 所有支持的提供商、模型、配置和能力的全面参考

最佳实践

  1. 始终先检查安装 - 路由请求前运行check_install_cli.sh
  2. 显式配置提供商 - 使用configure_provider.sh确保正确设置
  3. 验证API密钥 - 检查为目标提供商设置了适当的API密钥
  4. 选择合适模型 - 匹配任务（编码、推理、通用聊天）
  5. 使用会话保持连续性 - 利用--session-id进行多轮对话
  6. 启用调试模式进行故障排除 - 当问题出现时，调试模式提供宝贵洞察
  7. 参考提供商文档 - 查阅references/providers.md获取详细提供商信息

示例

示例1：路由到Grok获取实时信息

# 用户：“使用grok告诉我最近的AI发展”

scripts/check_install_cli.sh
scripts/configure_provider.sh grok grok-4-0709
swiftopenai agent “告诉我最近的AI发展”

示例2：使用DeepSeek进行逐步推理

# 用户：“询问deepseek解释如何解决此算法问题”

scripts/check_install_cli.sh
scripts/configure_provider.sh deepseek deepseek-reasoner
swiftopenai agent “逐步解释如何实现快速排序”

示例3：使用Groq快速代码生成

# 用户：“使用groq快速生成REST API”

scripts/check_install_cli.sh
scripts/configure_provider.sh groq llama-3.3-70b-versatile
swiftopenai agent “在Python中生成带认证的REST API”

示例4：通过OpenRouter访问Claude

# 用户：“使用openrouter访问claude并编写文档”

scripts/check_install_cli.sh
scripts/configure_provider.sh openrouter anthropic/claude-3.5-sonnet
swiftopenai agent “为待办事项应用API编写全面文档”

示例5：GPT-5带自定义参数

# 用户：“使用gpt-5带高推理解决此复杂问题”

scripts/check_install_cli.sh
scripts/configure_provider.sh openai gpt-5
swiftopenai agent “设计分布式缓存系统” \
  --model gpt-5 \
  --reasoning high \
  --verbose high