用途：保持 Agenta 智能体模型目录的准确性。目录是各 harness 已接受模型集合之上的整理层，包含干净的标签、一句话描述、真实定价和 1-5 评分，以 harness 接受的 id 为键，附加发布在 harness 能力记录（capabilities.py）的纯 id models 映射旁边。
主要能力与数据结构：管理 sdks/python/agenta/sdk/agents/data/ 下三个 JSON 文件，由 sdks/python/agenta/sdk/agents/model_catalog.py 加载。pi_models.generated.json 由 pi-ai 机器生成，仅客观事实（name / pricing / context_window / modalities），source 为 pi_generated，不可手动编辑。pi_models.curated.json 是人工叠加层（id -> {label?, description?, ratings?}），加载时合并到生成事实之上，重新生成后仍保留；其 additions 列表存放固定 pi-ai 版本尚未收录的模型完整条目。claude_models.curated.json 为手工整理的 Claude 别名条目（事实与判断），source 为 curated。该技能不修改 capabilities.py 逻辑，只改数据文件。
三项任务：一、在 pi-ai 版本升级时重新生成 Pi 文件。生成器读取固定版本 pi-ai 的 models.generated，映射 provider 名称（google->gemini，together->together_ai），id 形如 <agenta-provider>/<pi-model-id>。命令示例：MODELS=$(ls services/runner/node_modules/.pnpm/@earendil-works+pi-ai@*/node_modules/@earendil-works/pi-ai/dist/models.generated.js | head -1) 然后 node .agents/skills/sync-model-catalog/generate_pi_models.mjs "$MODELS" sdks/python/agenta/sdk/agents/data/pi_models.generated.json。从锁文件 @earendil-works+pi-ai@<version> 的 diff 检测升级。pi-ai 尚无的模型应写入 pi_models.curated.json 的 additions，source 为 curated，事实取自厂商页面，勿手改 generated 文件。二、将 Claude 同步到实时接受集合（需运行中的 runner）。claude_models.curated.json 需覆盖 Claude 选择器可发送的稳定请求值，通过 getConfigOptions 探测实时会话，但不可盲目复制单个会话集合。例如发布 claude-fable-5 而非 fable 或 fable[1m]。此为手动/周期性步骤，不是 CI 门禁。三、发布前或按需从当前公开来源刷新整理元数据，用 WebSearch + WebFetch 查询厂商页面后提出描述与评分建议交人工确认，不得凭记忆写评分。评分为 1-5，数值越高越好，成本项 5 表示最便宜。
验证：pydantic 加载器强制 schema（含 1-5 范围），单元测试锁定覆盖与叠加合并，命令为 cd sdks/python && uv run --no-sync python -m pytest oss/tests/pytest/unit/agents/connections/test_model_catalog.py -q。数据文件格式错误会在该处和 capabilities.py 导入时报错。运行时机：任务一在 pi-ai 升级时（可由锁文件 diff 自动化）；任务二、三在发布前或按需。技能写文件与提案，由人工审核并提交整理变更。具体定价数值、评分内容和模型阵容资料未在来源中提供。