用途：多模型路由用于把智能体任务按类型分派到最合适的模型提供方，依据任务特征、成本约束、延迟要求和可用性做决策，避免依赖单一模型提供方带来的脆弱与高成本。资料称该技能记录了 googleadsagent.ai 的 Buddy 智能体所用路由架构，在 Claude、GPT-4o、Gemini 之间按任务分类路由，相比全部使用 Claude 降低成本约 45% 且质量相当。
主要能力：路由决策综合四类因素——模型强项（代码推理、长上下文、结构化输出、创意写作）、每 token 成本、延迟目标（实时与批处理）、可用性（限流、故障、性能下降）。流程为任务分类器识别任务类型，映射到候选模型，派发前用熔断器检查提供方可用性，失败则走回退链；执行后把结果质量与性能指标反馈给路由器以优化映射。提供方注册表定义模型强项、输入输出成本、最大上下文与平均延迟；路由器按任务类型维护候选模型列表，并支持 max_cost、max_latency_ms 等约束；熔断器按失败阈值与恢复超时在 closed/open/half-open 间切换；统一执行接口负责调用、记录成功失败并在异常时回退。
使用方式：资料给出接口与类结构（ModelProvider、ModelConfig、MultiModelRouter、CircuitBreaker、UnifiedModelClient）及任务到模型的映射示例，如 code_reasoning 对应 claude-sonnet、claude-opus、gpt-4o。平台兼容性表中，Claude Code 支持 --model 标志，Cursor 有模型选择器，Codex 仅 OpenAI，Gemini CLI 仅 Google；程序化路由、熔断、成本跟踪、回退链在各平台均需自定义实现。
适用场景：需要降低月度 AI 成本、抵御单一提供方故障或限流、子任务模型需求差异大、实时与容忍延迟任务共存、想在不完全投入的情况下评估新模型、合规要求避免锁定单一厂商。
限制：资料未提供具体安装命令、价格数值以外的收费信息或开箱即用步骤；成本与延迟数据为示例配置，实际需按自身任务基准测试；熔断、成本跟踪与回退链均需自行实现。