bailian-model-recommend

Files (7)

• README.md
• README.zh.md
• SKILL.md
• capability-codes.md · references/
• data-source.md · references/
• requirement-schema.md · references/
• samples-format.md · references/

SKILL.md (first lines)

# 百炼模型推荐

从阿里云百炼平台模型库中，根据用户场景推荐最合适的模型并提供调用示例代码。

## 执行流程：一次命令 + 一次撰写

**常规路径只需要两步、两次工具调用**：

```bash
# 第一步：一条命令拿全量结果（候选 + 规格 + 负面清单 + 示例代码 + 端点提示）
node scripts/recommend.mjs --scene code --exclude qwen --top 3
```

第二步：基于该输出撰写推荐理由并回答用户（见「撰写推荐理由」）。

**不要**：先 grep 模型数据、再逐个读 references、再分两次跑 recall-rank +
get-samples。场景词校验、数据自检、示例提取都已内置在 recommend.mjs 里，
所有参考表也已内联在本文档下方——happy path 不需要打开 references/。

数据缺失时脚本以退出码 1 报错并给出安装命令，照做即可（无需事先手动检查）：
`npx skills add modelstudioai/skills --skill bailian-docs-llm-wiki -y`。
**禁止在没有数据的情况下凭记忆推荐模型。**

## 适用场景

**显式选型：** "推荐一个模型"、"选哪个模型"、"帮我对比 XX 和 XX"
**隐式选型：** "我想做一个 XX"、"帮我实现 XX 功能"（描述目标，隐含需要选模型）
**不适用：** 用户已确定模型只问怎么调用 → 直接 `get-samples.mjs`；纯查参数/价格 → `bailian-docs-llm-wiki` skill。
**边界：** 同时涉及查询与选择时优先用本 skill；仅当用户已确定模型、只需查参数/价格/调用方式时交给 `bailian-docs-llm-wiki`。

## recommend.mjs 参数

| flag | 说明 |
| --- | --- |
| `--scene <预设\|场景词>[,...]` | 场景，可重复或逗号分隔。预设见下表；也可直接传目录场景词（约束由数据反推） |
| `--exclude <needle>[,...]` | 排除。**子串**匹配 model id / family / provider / familyName |
| `--only <needle>[,...]` | 限定在某家族/厂商内选（scoped） |
| `--compare <a,b>` | 对比点名模型（保持用户给定顺序，每个点名模型优先以其精确版本出现） |
| `--alternative-to <model>[,...]` | 要指定模型的替代品 |
| `--budget low\|medium\|high` | 默认 medium。"便宜点/低成本" → low（**不是** `--optimize price`） |
| `--quality flagship\|balanced\|cost-optimized` | 默认 balanced。"最好的/高精度" → flagship |
| `--context standard\|large\|extra-large` | 默认 standard。"长上下文" → large，"超长/百万级" → extra-large |
| `--optimize price\|context\|quality\|speed` | 仅当用户明确说"按 XX 优化"时才用（会改写打分权重） |
| `--top <n>` | 候选数，默认 3。"推荐一个"里的"一个"是量词，**不**等于 `--top 1` |
| `--no-samples` | 不内嵌示例代码（省 token） |
| `--intent <file\|->` | 跳过预设，直接用给定 intent JSON（pipeline / 精细控制时用） |
| `--list-scenes` | 打印预设、目录场景词后退出 |
| `--data <dir>` | 覆盖模型数据目录 |

### 场景预设

| `--scene` | 场景词 | 输入 → 输出 | 能力 |
| --- | --- | --- | --- |
| `code` | 代码生成 | Text → Text | TG |
| `agent` | Agent编排、意图识别 | Text → Text | TG |
| `chat` | 客服对话、知识问答 | Text → Text | TG |
| `research` | 深度研究、数学推理 | Text → Text | Reasoning、TG |
| `writing` | 创意写作、角色扮演 | Text → Text | TG |
| `translate` | 翻译 | Text → Text | TR、TG |
| `doc` | 文档理解、OCR文字识别 | Image/Text → Text | VU |
| `analytics` | 数据分析 | Text/Image → Text | TG、VU |
| `education` | 教育辅导 | Text/Image → Text | TG、VU |
| `sentiment` | 情感分析 | Text/Audio → Text | TG |
| `rag` | 向量检索、语义重排 | Text → Text | ME、TR |
| `image` | 图像生成 | Text/Image → Image | IG |
| `image-edit` | 图像编辑、图像修复 | Image/Text → Image | IG |
| `portrait` | 人脸人像、虚拟试穿 | Image/Text → Image | IG |
| `marketing` | 电商营销 | Text/Image → Text/Image/Video | TG、IG |
| `video` | 视频生成 | Text/Image → Video | VG、World-Model |
| `video-edit` | 视频编辑 | Video/Image → Video | VG |
| `3d` | 3D生成 | Text/Image → 3D-Generation/Video | 3D-generation、World-Model |
| `tts` | 语音合成、有声书、播客 | Text → Audio | TTS |
| `asr` | 语音识别 | Audio → Text | ASR、Realtime-ASR |
| `music` | 音乐生成 | Text/Audio → Audio | TTS |
| `realtime` | 实时对话、数字人 | Audio/Text → Audio/Text | Realtime-Omni 等实时能力 |
| `omni` | 实时对话、Agent编排 | 全模态 → Text/Audio | Multimodal-Omni、Realtime-Omni |

## 内联参考表

**模态取值**（大小写敏感）：输入 `Audio` / `Image` / `Text` / `Video`；输出 `3D-Generation` / `Audio` / `Image` / `Text` / `Video`。

**能力代码**：`TG` 文本生成、`Reasoning` 推理、`VU` 视觉理解、`IG` 图像生成、`VG` 视频生成、`TTS` 语音合成、`ASR` 语音识别、`TR` 翻译、`ME` 多模态嵌入、`3D-generation` 3D 生成、`World-Model` 世界模型、`Multimodal-Omni` 全模态、`Realtime-Omni` 实时全模态、`Realtime-Chatting` 实时对话、`Realtime-ASR` 实时语音识别、`Realtime-Text-to-Speech` 实时语音合成、`Realtime-Audio-Translate` 实时音频翻译。

**目录场景词**（33 个，`profile.scenes` 全集；会随数据更新漂移，脚本会在 `warnings` 里回报当时的真实词表）：
3D生成、Agent编排、OCR文字识别、人脸人像、代码生成、创意写作、向量检索、图像修复、图像生成、图像编辑、实时对话、客服对话、情感分析、意图识别、播客、教育辅导、数字人、数学推理、数据分析、文档理解、有声书、深度研究、电商营销、知识问答、翻译、虚拟试穿、视频生成、视频编辑、角色扮演、语义重排、语音合成、语音识别、音乐生成。

**偏好推断**（只在用户明确表达或场景强烈暗示时偏离默认值）：

| 用户信号 | 结果 |
| --- | --- |
| "便宜"、"低成本"、"省钱"、高并发（如"日均百万请求"）、个人学习试玩 | `--budget low`（试玩再加 `--quality cost-optimized`） |
| "最好的"、"高精度"、"不计成本"、企业级 + 准确率优先 | `--quality flagship`（企业级再加 `--budget high`） |
| "长上下文" / "超长、百万级" | `--context large` / `--context extra-large` |
| "按价格/速度/上下文/质量优化" | `--optimize <dimension>` |
| "A 和 B 哪个好" | `--compare A,B` |
| "比 A 更便宜的" | `--alternative-to A --budget low` |
| "在 deepseek 家族里选" | `--only deepseek` |
| "不要千问/qwen 系列" | `--exclude qwen`（子串匹配，会连带排除 `qwen-domain-model` 与 id 含 qwen 的模型；`--exclude 通义` 匹配中文 familyName） |
| 无明确倾向 | 全部走默认（medium / balanced / standard / match） |

**需求模糊时**（如"推荐一个模型"无任何场景信息）：直接追问"你想用在什么场景"，拿到回答后再跑命令。不要在信息不足时猜场景。

**`requiredFeatures` 只做提示，不参与硬过滤**：引擎的硬门只有模态 + 能力。用户要求 function-calling / web-search / structured-outputs / prefix-completion 时，需要在候选的 `specs.features` 里自行核对并在理由中说明。

## 什么时候走 `--intent`（自由 intent JSON）

- pipeline：多模型协同，需要 `segments` 描述每一步的模态与能力
- 需要 `scenarioHints`（额外任务关键词，参与 notSuitableFor 负面排除）
- 场景既不在预设表也不在场景词表里，需要手工组合模态/能力

字段结构与提取规则见 [references/requirement-schema.md](references/requirement-schema.md)。用法：

```bash
node scripts/recommend.mjs --intent intent.json      # 或 --intent -  从 stdin 读
```

### pipeline：每段各跑一次，合并进一条命令

**`segments` 不参与排序**——引擎只读顶层的 `inputModality` / `outputModality` /

From modelstudioai/skills, Apache-2.0.

More from modelstudioai/skills