auto-llm

Logica di routing

Installazione

# 1. Crea la directory delle skill
mkdir -p ~/.agents/skills/auto-llm

# 2. Copia i 3 file della skill
cp auto_llm.js ~/.agents/skills/auto-llm/
cp skills.json ~/.agents/skills/auto-llm/
cp SKILL.md ~/.agents/skills/auto-llm/

# 3. Verifica che OpenCode la riconosca
opencode agent list

Su Windows (PowerShell)

mkdir $env:USERPROFILE\.agents\skills\auto-llm -Force
Copy-Item auto_llm.js, skills.json, SKILL.md -Destination $env:USERPROFILE\.agents\skills\auto-llm\
opencode agent list

Attivazione automatica (consigliata)

{
  "default_agent": "auto-llm",
  "agent": {
    "auto-llm": {
      "prompt": "Sei un router automatico di modelli LLM... [regole di routing]",
      "options": {},
      "permission": {}
    }
  }
}

Utilizzo

# Sessione normale (usa automaticamente auto-llm se configurato come default)
opencode

# Oppure specificando l'agente
opencode --agent auto-llm

# Con modello specifico
opencode run --model deepseek-v4-flash-free "refactoring del modulo auth"

Struttura del progetto

├── auto_llm.js         ← Router programmatico (esporta handler)
├── skills.json         ← Manifesto per runtime esterni
├── SKILL.md            ← Skill per caricamento automatico OpenCode
├── AGENTS.md           ← Istruzioni per agent OpenCode
├── AUTO_LLM_SKILL.md   ← Documentazione dettagliata
└── README.md           ← Questo file

Modelli disponibili

Test

node --input-type=module -e "
import {handler} from 'file:///$HOME/.agents/skills/auto-llm/auto_llm.js';
const test = async (p, e) => {
  let s;
  await handler({prompt:p, run:({model})=>{s=model;return Promise.resolve()}});
  console.log(s===e?'PASS':'FAIL', \`\"\${p}\" → \${s}\`);
};
await test('generate a function','deepseek-v4-flash-free');
await test('debug this code','nemotron-3-ultra-free');
await test('analyze this image','mimo-v2.5-free');
await test('hi','north-mini-code-free');
"

Licenza