任务复杂度分类器 task-classifier

任务复杂度分类器是一个智能AI任务路由系统,用于评估软件开发任务的复杂程度(1-10级),并根据复杂度自动推荐最优的AI模型进行处理。该系统通过分析技术因素(文件数量、依赖关系、数据库变更)、风险因素(安全影响、破坏性、回滚难度)和认知因素(问题新颖性、需求模糊性)来精确分类任务,实现AI资源的智能分配和优化。关键词:AI任务分类、复杂度评估、模型路由、智能编排、软件开发自动化、AI资源优化、任务优先级、风险分析。

AI智能体 0 次安装 0 次浏览 更新于 3/4/2026

版本: 2.88.0

名称: 任务分类器 描述: “对任务复杂度(1-10)进行分类,以路由到最优模型。在开始任何非平凡任务时使用,以确定资源和处理方法。触发词包括:‘分类’、‘复杂度’、‘使用什么模型’、‘多复杂’。” 上下文: fork 模型: opus 代理: 编排器 允许的工具:

  • 读取
  • 搜索
  • 全局匹配

技能: 任务分类器

超思维 - 深呼吸。我们不是来写代码的。我们是来改变世界的。

v2.88 关键变更(模型无关)

  • 模型无关:使用在 ~/.claude/settings.json 或 CLI/环境变量中配置的模型
  • 无需标志:与配置的默认模型一起工作
  • 灵活:可与 GLM-5、Claude、Minimax 或任何配置的模型一起工作
  • 设置驱动:通过 ANTHROPIC_DEFAULT_*_MODEL 环境变量选择模型

愿景

分类应该让前进的道路感觉是必然的。

你的工作,逐步进行

  1. 评估范围:文件、模块和集成。
  2. 评估风险:安全性、破坏性、回滚。
  3. 评估模糊性:未知因素和权衡。
  4. 分配复杂度:推荐模型和迭代次数。

超思维原则实践

  • 不同凡想:避免默认中等复杂度。
  • 痴迷细节:映射真正的爆炸半径。
  • 像达芬奇一样规划:先评估后判断。
  • 精心制作,而非编码:保持推理简洁。
  • 不懈迭代:随着范围变化重新分类。
  • 无情简化:选择最简单的有效路径。

目的

对任务复杂度(1-10)进行分类,以路由到最优模型。

复杂度矩阵

分数 复杂度 示例 推荐模型
1-2 简单 拼写错误修复,注释更新 MiniMax-lightning
3-4 简单 添加字段,简单函数 MiniMax M2.1
5-6 中等 新API端点,重构 Sonnet → Codex/Gemini
7-8 多文件功能,迁移 Opus → Sonnet → CLI工具
9-10 极高 架构重新设计,安全修复 Opus(思考模式)

分类标准

技术因素

  • 受影响的文件(1 = 简单,10+ = 极高)
  • 跨模块依赖
  • 数据库模式变更
  • 外部API集成

风险因素

  • 安全影响(认证、支付、数据)
  • 破坏性变更可能性
  • 回滚难度

认知因素

  • 新颖问题(无现有模式)
  • 需求模糊性
  • 需要权衡决策

输出格式

{
  "complexity": 7,
  "reasoning": "具有数据库变更和认证集成的多文件功能",
  "recommended_model": "opus",
  "delegation": ["codex:security", "gemini:integration-tests"],
  "estimated_iterations": 12,
  "risk_level": "medium"
}

模型路由

复杂度 主要 次要 备选
1-2 MiniMax-lightning - -
3-4 MiniMax M2.1 - -
5-6 Sonnet Codex/Gemini MiniMax
7-8 Opus Sonnet + CLI工具 MiniMax
9-10 Opus(思考模式) Codex Gemini

迭代限制

模型 最大迭代次数
Claude (Sonnet/Opus) 15
MiniMax M2.1 30
MiniMax-lightning 60