Une API HTTP sans plugin qui sélectionne dynamiquement les modèles d'IA les plus rentables et performants pour toute tâche spécifique ou génération de sous-agent.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install smart-spawn-api
2. Installation manuelle
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
3. Installation du prompt
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer smart-spawn-api via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Vous préférez télécharger ?
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Qu'est-ce que Smart Spawn API ?
La Smart Spawn API est un puissant moteur de routage conçu pour éliminer les incertitudes dans la sélection des modèles pour les agents autonomes. En l'intégrant à vos Openclaw Skills, vous pouvez déterminer par programmation quel LLM offre le meilleur équilibre entre performance et prix pour des tâches allant du simple codage au raisonnement complexe en plusieurs étapes.
Conçue pour les développeurs qui ont besoin d'un déploiement rapide, elle ne nécessite aucun plugin lourd ni configuration locale. Elle fonctionne comme une couche d'intelligence légère située entre la définition de la tâche et la phase d'exécution, garantissant que chaque appel session_spawn utilise un modèle optimisé basé sur des données de benchmark en temps réel.
Cas d'utilisation de Smart Spawn API
- Sélection automatique d'un modèle à faible coût pour des tests unitaires simples afin d'économiser des crédits API.
- Routage de tâches d'architecture hautement complexes vers des modèles de raisonnement de premier plan comme Claude Opus.
- Orchestration d'essaims multi-agents où chaque sous-tâche est attribuée à un modèle spécialisé (par exemple, vision, codage ou recherche).
- Mise en place d'une logique de secours dans Openclaw Skills pour maintenir la disponibilité lorsque certains fournisseurs de modèles rencontrent des latences.
Comment fonctionne Smart Spawn API
- L'utilisateur ou l'agent envoie une requête HTTP GET au point de terminaison pick avec une description de la tâche et un niveau de budget préféré.
- La Smart Spawn API analyse la catégorie de la tâche par rapport à sa base de données de scores de performance de référence.
- L'API renvoie une réponse JSON contenant l'ID du modèle optimal, son profil tarifaire et la raison du choix.
- L'agent transmet l'ID du modèle renvoyé directement à la fonction sessions_spawn.
- Pour les projets complexes, l'agent utilise les points de terminaison decompose ou swarm pour créer un graphique d'exécution multi-modèle.
Configuration de Smart Spawn API
S'agissant d'une API basée sur le cloud, aucune installation locale n'est requise. Vous pouvez tester l'intégration directement depuis votre terminal en utilisant curl :
# Test rapide pour trouver un modèle de codage
curl "https://ss.deeflect.com/api/pick?task=coding&budget=medium"
Pour l'intégrer à vos Openclaw Skills, utilisez simplement votre bibliothèque HTTP préférée pour récupérer l'ID du modèle avant de créer une nouvelle session.
Schéma de données et taxonomie de Smart Spawn API
L'API fournit des réponses JSON structurées mises à jour toutes les 6 heures. Les points de données clés incluent :
| Champ | Type | Description |
|---|---|---|
id |
String | L'identifiant de modèle spécifique au fournisseur utilisé pour le spawning. |
score |
Integer | Une note de performance (0-100) basée sur 5 sources de référence. |
pricing |
Object | Inclut les coûts de prompt et de completion par million de jetons. |
reason |
String | Explication lisible par l'homme sur la raison pour laquelle ce modèle a été sélectionné. |
Fonctionnalités avancées de Smart Spawn API
- Décomposition des tâches : décomposez automatiquement un prompt de haut niveau en une séquence de sous-tâches avec des modèles spécialisés.
- Graphiques d'essaims parallèles : générez un graphique de dépendances (DAG) pour que les systèmes multi-agents exécutent des tâches en parallèle.
- Garde-fous budgétaires : filtrez les modèles en fonction de niveaux spécifiques (bas, moyen, élevé) pour éviter des coûts API imprévus.
- Comparaison en temps réel : capacité côte à côte et analyse des prix entre deux ou plusieurs IDs de modèle spécifiques.
SKILL.md
Chargement
Compétences Openclaw associées
Données sur les cryptomonnaies et le marché boursier (Node.js)
Une intégration de données financières de niveau professionnel pour les agents IA, fournissant des mesures en temps réel sur les cryptomonnaies et le marché boursier sans nécessiter de dépendances externes.
Model Router
Model Router est un moteur de routage auto-conscient pour OpenClaw qui fait correspondre dynamiquement des tâches spécifiques aux modèles d'IA les plus performants et les plus rentables disponibles dans votre configuration.
kk-daily-backup-report
Une skill de rapport optimisée pour le mobile qui fournit des mises à jour concises et catégorisées de l'état des sauvegardes quotidiennes pour les serveurs et les données personnelles.
Tendances AI sur GitHub
Un outil spécialisé pour générer des classements formatés de projets AI en tendance sur GitHub basés sur le nombre de stars et l'activité en temps réel.
Ops Detection & Incident Routing
Un kit d'outils de niveau production pour détecter les anomalies d'exécution des agents et router les incidents via des guardrails déterministes et sécurisés par approbation.
Supabase REST Checkpointer
Une solution de checkpointing persistant pour LangGraph qui préserve l'état de l'agent via l'API PostgREST de Supabase sans nécessiter de connexion directe à Postgres.
En vedette*
