ai-chat-studio

AI Chat Studio

Agent Skills™ 的一部分，由 googleadsagent.ai™ 提供

描述

AI Chat Studio 提供多大模型聊天编排框架，包含 300 多个助手预设、智能模型路由和对话管理。该 Agent 可配置和管理与多个语言模型提供商（OpenAI、Anthropic、Google、开源模型）的交互，并根据能力、成本和延迟要求，为每项任务选择最合适的模型。

并非每项任务都需要最强大的模型。代码审查适合使用推理能力强的模型；翻译任务使用中档模型即可；简单的格式调整若使用快速、低成本模型以外的模型，则会造成浪费。此技能实现了智能路由，可根据任务特征匹配模型能力，在保证关键环节质量的同时降低 40%–60% 的成本。

这 300 多个助手预设为常见任务配置了特定领域的系统提示词、温度设置和输出格式限制，包括代码生成、技术写作、数据分析、创意构思、客户支持、法律审查等。每个预设都经过质量基准测试，并标注了效果最佳的模型。

使用场景

• 在应用中配置多提供商大模型访问
• 根据成本与质量的权衡，将任务路由至最合适的模型
• 管理对话历史和上下文窗口
• 使用精选预设部署特定领域的 AI 助手
• 构建支持流式响应的聊天界面
• 跨提供商比较同一提示词的模型输出

工作原理

graph TD
    A[User Message] --> B[Task Classifier]
    B --> C{Task Type}
    C -->|Complex Reasoning| D[Claude 4 / GPT-4o]
    C -->|Code Generation| E[Claude 4 / Codestral]
    C -->|Translation| F[GPT-4o-mini / Gemini Flash]
    C -->|Simple Format| G[Haiku / Flash]
    D --> H[Apply Preset: System Prompt + Params]
    E --> H
    F --> H
    G --> H
    H --> I[Manage Context Window]
    I --> J[Stream Response]
    J --> K[Log Usage + Cost]

任务分类器会分析传入消息，判断其复杂度和领域，然后将其路由至能够处理该任务且最具成本效益的模型。预设提供特定领域的系统提示词和参数调优。

实现

interface ModelConfig {
  provider: "openai" | "anthropic" | "google" | "ollama";
  model: string;
  maxTokens: number;
  costPer1kInput: number;
  costPer1kOutput: number;
  capabilities: string[];
}

const MODEL_REGISTRY: ModelConfig[] = [
  { provider: "anthropic", model: "claude-sonnet-4-20250514", maxTokens: 8192,
    costPer1kInput: 0.003, costPer1kOutput: 0.015, capabilities: ["reasoning", "code", "analysis"] },
  { provider: "openai", model: "gpt-4o-mini", maxTokens: 4096,
    costPer1kInput: 0.00015, costPer1kOutput: 0.0006, capabilities: ["general", "translation", "format"] },
  { provider: "google", model: "gemini-2.0-flash", maxTokens: 8192,
    costPer1kInput: 0.0001, costPer1kOutput: 0.0004, capabilities: ["general", "fast", "multimodal"] },
];

interface AssistantPreset {
  id: string;
  name: string;
  systemPrompt: string;
  temperature: number;
  preferredModels: string[];
  tags: string[];
}

class ChatRouter {
  constructor(private models: ModelConfig[], private presets: Map<string, AssistantPreset>) {}

  route(message: string, presetId?: string): { model: ModelConfig; preset?: AssistantPreset } {
    const preset = presetId ? this.presets.get(presetId) : undefined;
    const taskType = this.classifyTask(message);

    const candidates = this.models.filter(m =>
      m.capabilities.some(c => taskType.requiredCapabilities.includes(c))
    );

    const selected = candidates.sort((a, b) => a.costPer1kInput - b.costPer1kInput)[0];
    return { model: selected, preset };
  }

  private classifyTask(message: string): { type: string; requiredCapabilities: string[] } {
    const lower = message.toLowerCase();
    if (lower.includes("debug") || lower.includes("refactor") || lower.includes("architect"))
      return { type: "complex", requiredCapabilities: ["reasoning", "code"] };
    if (lower.includes("translate") || lower.includes("rewrite"))
      return { type: "simple", requiredCapabilities: ["general", "translation"] };
    return { type: "general", requiredCapabilities: ["general"] };
  }
}

class ConversationManager {
  private history: Array<{ role: string; content: string }> = [];
  private maxContextTokens: number;

  constructor(maxContextTokens: number = 100_000) {
    this.maxContextTokens = maxContextTokens;
  }

  addMessage(role: string, content: string): void {
    this.history.push({ role, content });
    this.trimToContextWindow();
  }

  getHistory(): Array<{ role: string; content: string }> {
    return [...this.history];
  }

  private trimToContextWindow(): void {
    while (this.estimateTokens() > this.maxContextTokens && this.history.length > 2) {
      this.history.splice(1, 1);
    }
  }

  private estimateTokens(): number {
    return this.history.reduce((sum, m) => sum + Math.ceil(m.content.length / 4), 0);
  }
}

最佳实践

• 将简单任务路由至更便宜的模型——80% 的查询无需使用前沿模型
• 为所有聊天交互实现流式响应，提升用户感知的响应速度
• 从对话历史中间部分开始裁剪，同时保留系统提示词和近期消息
• 记录模型选择决策及其成本，以便持续优化路由规则
• 在部署到生产环境之前，使用基准数据集测试预设
• 为每条路由配置备用模型，以防主要提供商不可用

平台兼容性

平台	支持情况	备注
Cursor	完全支持	多模型配置
VS Code	完全支持	基于扩展的大模型访问
Windsurf	完全支持	内置模型路由
Claude Code	完全支持	支持多个提供商
Cline	完全支持	模型选择配置
aider	完全支持	多种模型后端

相关技能

• 助手预设
• 工作流编排
• 多模型路由
• 知识库注入

关键词

ai-chat multi-llm model-routing assistant-presets conversation-management streaming cost-optimization chat-studio

---

© 2026 googleadsagent.ai™ | Agent Skills™ | MIT License