需配置动态路由分发逻辑以实现任务语义驱动的自动模型匹配。具体包括：一、定义任务类型与模型能力映射；二、注入上下文感知路由判断；三、标准化响应归一化；四、绑定任务默认模型偏好；五、验证效果与日志追踪。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用WorkBuddy执行不同任务时，希望系统能根据任务语义自动匹配并调用最适配的模型，而非手动切换，则需配置动态路由分发逻辑。该机制依赖预设能力标签与上下文特征的实时匹配，实现模型选择的自动化与无感化。以下是具体实施步骤：
一、定义任务类型与模型能力映射关系
该步骤建立任务语义到模型能力的结构化映射，是路由决策的基础依据。系统通过解析用户指令中的隐含任务类型（如“长文档理解”“代码生成”），查表匹配支持该能力的候选模型列表，确保调度精准性。
1、打开WorkBuddy插件工程目录，定位至
2、在路由类中声明静态元数据映射表，格式为键值对形式，例如：{"long-context": ["Kimi-Long", "GLM-4-Air"], "code-gen": ["DeepSeek-V3", "Qwen2.5-Coder"], "chinese-reasoning": ["GLM-4-Flash", "混元-Pro"]}。
3、确保每个能力标签对应至少一个已配置可用的模型ID，且该模型已在「AI模型管理」中完成凭证绑定与连通性验证。
二、注入上下文感知的路由判断逻辑
该步骤使路由中间件具备实时分析请求上下文的能力，包括任务类型识别结果、输入长度、历史会话标记等维度，从而在多个候选模型中择优选取最适配者，避免固定规则导致的误匹配。
1、在model-router.ts的handle(request: Request)方法内，调用内置解析器提取request.context.taskType字段值。
2、同步读取request.input.length，若数值超过8192 tokens，则优先过滤出具备long-context能力标签的模型列表。
3、当taskType为"code-gen"且input中包含明确编程语言关键词（如"Python函数"、"React组件"）时，将DeepSeek-V3置为首选；若含SQL或数据库操作描述，则提升Qwen2.5-Coder权重。
4、最终选定模型ID后，不得修改request.id字段，以保障会话链路唯一性与响应追溯准确性。
三、配置模型代理层标准化响应归一化
该步骤确保不同模型返回的原始响应被统一处理为WorkBuddy可识别的结构，屏蔽协议差异，使上层Skill或Agent无需感知底层模型变更，真正实现切换无感。
1、确认
2、在forward()调用后，必须经过normalizeResponse()处理流程，强制注入字段：{"model": "selected-model-id", "id": request.id}。
3、检查响应content字段是否完整提取，streaming场景下需还原chunk序列结构，确保前端渲染不中断。
四、绑定任务类型到默认模型的偏好策略
该步骤将动态路由能力固化为用户级配置，使高频任务类型（如“周报生成”“合同审查”）在每次触发时自动加载指定模型，免除重复判断开销，提升响应确定性。
1、进入WorkBuddy主界面，点击右上角头像 →「设置」→「AI模型管理」→「模型偏好设置」。
2、在「任务类型」下拉菜单中选择长文档理解，右侧「默认模型」栏选择已验证的Kimi-Long。
3、同理，为代码生成绑定DeepSeek-V3，为中文逻辑推理绑定混元-Pro。
4、保存后，所有新发起的符合该任务类型的会话，将跳过手动选择环节，直接由对应模型承接。
五、验证路由分发效果与日志追踪
该步骤通过可观测手段确认动态路由逻辑是否按预期生效，便于快速定位匹配偏差或模型不可用等异常，保障自动切换稳定性。
1、在任意对话中输入测试指令：“分析这份20页PDF合同的风险条款”，观察右下角模型图标是否自动变为Kimi-Long标识。
2、打开开发者工具（Ctrl+Shift+I），切换至Console面板，筛选关键词[Router] selected model:，确认输出匹配预期。
3、若出现fallback至默认模型的情况，检查对应模型的Base URL连通性及API Key有效性，确保其处于启用状态。
