delegation-core
将任务委派给Gemini或Qwen，带配额跟踪与错误处理
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：delegation-core。 它的用途是：将任务委派给Gemini或Qwen，带配额跟踪与错误处理 完整的 Skill 内容见：https://321skill.com/skills/delegation-core-x-6/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'将当前代码的单元测试任务委派给Gemini，并限制每次调用最多5000 Token，如果失败则重试2次'，它会自动构造请求调用Gemini API，跟踪配额消耗，返回测试结果。若Gemini配额不足，会按预设策略尝试Qwen，并记录错误日志。
介绍
该Skill解决了在AI开发中需要动态将任务分配给不同大模型（如Gemini、Qwen）时，手动管理配额、处理调用失败、记录用量等繁琐问题。它通过统一的代理接口，自动跟踪每个模型的调用次数和Token消耗，并在超出配额或遇到网络/模型错误时进行优雅降级或重试，让开发者无需关心底层调度细节。
使用时，只需在AI对话中描述要委派的任务（如代码审查、文案生成、数据分析等），并指定目标模型或让Skill自动选择。它会自动将任务转发给对应的模型API，返回结果并记录日志。同时支持配置配额上限、错误重试策略、超时时间等参数，所有操作均可通过自然语言或配置文件完成。
适合智能体开发者、需要同时调用多个模型的后端工程师、以及管理多模型资源池的项目经理。尤其适合在AI应用开发中需要整合多个模型能力、控制成本、保障稳定性的场景，例如构建多智能体协作系统、自动化测试流水线、智能客服等。
建议在配置时先明确各模型的API密钥和配额限制，避免频繁超限。对于需要极低延迟的实时交互，建议直接调用单个模型，而非通过此委派层。注意定期检查配额使用日志，及时调整分配策略。
核心特点
与直接调用多个模型API相比，delegation-core内置了配额跟踪、自动重试、错误分类和降级逻辑，并支持通过自然语言动态指定任务分配策略，无需编写额外代码管理调用状态。
注意事项
不适合对延迟要求极高的实时场景（如语音交互），因为委派调度会引入额外开销；也不适合需要完全离线运行的场景（依赖云端API）。
常见问题
如何配置Gemini和Qwen的API密钥？
通过环境变量GEMINI_API_KEY和QWEN_API_KEY设置，或在初始化时传入配置对象。
配额用完了怎么办？
Skill会自动记录配额使用，超出限制时会返回错误，并可根据配置自动切换到备用模型或等待配额重置。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/delegation-core-x-6/raw/index.md 读取 delegation-core 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/delegation-core-x-6/raw/index.md（查看排版版本）