【免费下载链接】ops-sparse 本项目是CANN提供的高性能稀疏矩阵计算的算子库，专注于优化稀疏矩阵的计算效率。 项目地址: https://gitcode.com/cann/ops-sparse

name: agent-model-select description: Agent 模型选择技能，读取 model_config.json 配置并为各 subagent 设置对应模型。触发：配置模型、选模型、model config、换个模型、模型推荐。

Agent 模型选择

核心原则

禁止硬编码 agent 列表。必须从 agent/AGENT.md 的 agents: 字段和每个 agent/agents/<name>.md 的 frontmatter 动态读取。

模型选择原则

能力→模型映射

模型类型识别

通过 opencode models 输出识别模型类型：

• 推理模型：名称含 max / reasoner / thinking / o1
• 代码模型：名称含 coder / code / devin
• 通用模型：名称含 plus / turbo / flash / mini

选择策略

配置文件

agent/agents/model_config.json（该文件在 .gitignore 中，本地修改不被 git 追踪）

配置格式

{
  "architect": {
    "comment": "架构师",
    "model": "provider/model-id"
  },
  "developer": {
    "comment": "开发工程师",
    "model": "provider/model-id"
  }
}

• model 字段格式：provider/model-id
• 未列出的 agent 默认使用 "default"（跟随主 Agent 模型）
• 可通过 opencode models 查看可用模型列表

步骤化流程

1. 获取可用模型列表：执行 opencode models

2. 获取 agent 列表：读取 agent/AGENT.md 的 agents: 字段

3. 询问用户偏好：使用 question 工具询问选择策略（性能优先/平衡/成本优先）

4. 为每个 agent 选择模型：根据策略和能力映射表分配

5. 写入配置文件：生成 agent/agents/model_config.json（为所有 agent 写入，包括使用 default 的）

6. 执行 init.sh：运行 bash agent/init.sh opencode 使配置生效

7. 逐 agent 确认与修改：使用 question 工具发送问卷，动态列出所有 agent 的当前配置，询问用户是否需要修改：

   问题：以下是各 agent 的模型配置，是否需要修改？
   
   当前配置：
   - <agent-name>（<角色描述>）: <model>
   - ...
   
   选项：
   - 确认，无需修改
   - 需要修改 <agent-name> 的模型
   - ...
   

   允许多选。若用户选择了需要修改的 agent，则针对选中的 agent 发送新问卷，让用户从可用模型列表中选择新模型，更新配置后重新执行 Step 6。

8. 确认结果：向用户展示最终配置和生效状态

重要说明

• opencode.json 修改后无需重启 opencode，下次调用 subagent 时自动生效
• 主 Agent 的模型在 opencode 启动时选择，不通过此技能配置
• model_config.json 已在 .gitignore 中，不会被 git 追踪
• 重置配置：删除 model_config.json 后重新运行 bash agent/init.sh opencode

生效方式

配置完成后运行 bash agent/init.sh opencode 即可生效。

【免费下载链接】ops-sparse 本项目是CANN提供的高性能稀疏矩阵计算的算子库，专注于优化稀疏矩阵的计算效率。 项目地址: https://gitcode.com/cann/ops-sparse