用途：在创建或修改智能体定义时，提供数据驱动的大模型选择指导；也用于排查与模型能力相关的智能体性能问题，以及在智能体生态中优化成本。
主要能力与依据：使用时须查阅 docs/ai-model-reference.md，其中包含按类别（编码、推理、语言、指令遵循等）的性能基准、GitHub Copilot Pro 中的模型可用性、高级请求倍数（成本）、按智能体类型推荐的分工，以及基于任务的教程链接。该参考会定期更新基准数据。
关键经验：应使用任务专属基准而非总分；不同模型各有所长，例如 GPT-5.2-Codex 擅长编码，Claude Sonnet 4.5 在语言类表现更好；后者指令遵循得分较低，不适合遵循模板的智能体，结构化输出可考虑 Gemini 模型；Gemini 3 Flash 在多任务上性价比较好（成本倍数低、指令遵循与语言表现强），适合任务规划器、发布经理等高频智能体；GPT-5.2-Codex 是较新的编码模型，适合开发者智能体，也可用于代码审查。选择时需始终核对官方 GitHub Copilot 文档确认可用性，模型名称须大小写完全匹配，预览模型名需带“(Preview)”后缀。注意：编码智能体的 frontmatter 中不得出现 model:，该属性仅适用于 VS Code 智能体文件；在 GitHub.com 的 *-coding-agent.agent.md 中会导致 CAPIError 400 错误，因此只应在对应的 VS Code 智能体文件中应用模型选择。
选择流程：识别智能体主要任务类别，查类别专属表现并比较前几名的模型，按使用频率与关键性权衡成本（高频选低倍数，关键精度优先选最佳表现），确认模型在可用列表中且支持 VS Code，并在提案中记录基准分数与取舍理由。
更新时机：基准发生显著变化、智能体持续表现不佳、出现更优新模型、需要成本优化或参考文档更新时重新评估。