AC free-tier-ai-router
Маршрутизатор LLM с учетом квот, который выжимает максимум полезного ИИ из бесплатных ключей API Gemini, Mistral, OpenRouter, Kilo и Cerebras, а также любого совместимого с OpenAI конечного узла (включая локальные Ollama/llama.cpp/vLLM). Проверяет каждую модель на каждом ключе, измеряет реальное качество и реальные опубликованные лимиты скорости, а затем направляет каждый запрос к самой дешевой модели, которая может выполнить задачу — сначала тратя обильные мощности и резервируя дефицитную дневную квоту для случаев, когда она действительно необходима. Сохраняет состояния охлаждения на диск, чтобы 429, обнаруженный в одном процессе, уважался следующим. Используйте, когда агент должен сделать много вызовов LLM на бесплатных ключах, не превышая лимиты скорости, когда «все модели отказали» или когда решается, какой из нескольких ключей поставщика использовать для задачи.
машинный переводПоказать оригиналСкрыть оригинал«Quota-aware LLM router that squeezes maximum usable AI out of free-tie…»
Quota-aware LLM router that squeezes maximum usable AI out of free-tier API keys across Gemini, Mistral, OpenRouter, Kilo and Cerebras plus any OpenAI-compatible endpoint (including local Ollama/llama.cpp/vLLM). Probes every model on every key, measures real quality and real published rate limits, then routes each request to the cheapest model that can do the job — spending abundant capacity first and reserving scarce daily quota for when it is actually needed. Persists cooldowns to disk so a 429 discovered in one process is respected by the next. Use when an agent must make many LLM calls on free keys without hitting rate limits, when "all models failed", or when deciding which of several provider keys to use for a task.
Маршрутизатор LLM с учетом квот, который выжимает максимум полезного ИИ из бесплатных ключей API Gemini, Mistral, OpenRouter, Kilo и Cerebras, а также любого…
Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 4
✓ Критических и высоких находок нет
Средние и низкие: 4
-
низкая Обфускация
obf-base64-blobget-ai-router.sh:25Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)"rout…b64": "IyEv…nZ2
в кавычках -
низкая Секреты в коде
secret-high-entropy-tokenget-ai-router.sh:25Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)"rout…b64": "IyEv…nZ2
в кавычках -
низкая Обфускация
obf-base64-blobrouter_fixed.json:4Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)"rout…b64": "IyEv…nZ2
в кавычках -
низкая Секреты в коде
secret-high-entropy-tokenrouter_fixed.json:4Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)"rout…b64": "IyEv…nZ2
в кавычках
Просканировано файлов: 28. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "topics"
Процессный рейтинг: все десять параметров 51/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
- 100Шаги. Шагов: 6
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1260 токенов
- 100Повторный запуск. Изменяющих операций нет
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -31 из 2 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 731 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 6 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.