Model ID Lookup Skill

此 skill 用于查询和验证 AI 模型的 ID。

数据源

• 本地缓存：references/model-schema.json
• 在线源：https://models.dev/model-schema.json

工作流程

1. 优先本地搜索

使用 grep 工具直接在本地 JSON 中全文检索：

grep -i "关键词" references/model-schema.json

搜索规则：

• 使用大小写不敏感搜索
• 支持部分匹配（如 "gpt-4" 可匹配所有 gpt-4 变体）
• 用户可能记错模型名称，请根据你对市面上模型的了解进行智能匹配

2. 如果本地未找到

1. 使用 webfetch 工具获取在线数据：

   webfetch("https://models.dev/model-schema.json")
   

2. 使用 write 工具更新本地缓存：

   write(filePath="references/model-schema.json", content=获取的内容)
   

3. 重新使用 grep 搜索

3. 如果仍未找到

• 向用户报告未找到结果
• 提供可能的建议（检查拼写、尝试其他关键词）
• 告知用户当前可用的模型列表来源

JSON 数据结构

本地 JSON 文件结构如下：

{
  "$defs": {
    "Model": {
      "description": "AI model identifier in provider/model format",
      "enum": [
        "openai/gpt-4o",
        "anthropic/claude-sonnet-4-20250514",
        ...
      ]
    }
  }
}

模型 ID 列表位于 ["$defs"]["Model"]["enum"] 数组中，格式为 provider/model-name。

输出格式

搜索结果应按以下格式呈现：

找到 X 个匹配的模型 ID：

1. provider/model-name-1
2. provider/model-name-2
...

如果以上不是您要找的模型，请尝试：
- 使用更精确的关键词
- 检查模型名称拼写
- 指定提供商名称（如 openai/、anthropic/ 等）

注意事项

1. 始终优先本地搜索 - 避免不必要的网络请求
2. 缓存更新 - 仅在本地找不到时才更新
3. 保留完整数据 - 更新时保留 JSON 的完整结构（不要只保存 enum 列表）
4. 错误处理 - 网络请求失败时告知用户并回退到本地数据

手动更新（可选）

如果需要手动更新模型列表，可以运行：

python scripts/update_models.py