delegation-core
将任务委派给Gemini或Qwen，带配额和错误处理
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，带配额和错误处理 完整的 Skill 内容见：https://321skill.com/skills/delegation-core-x-7/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
'将这段代码的注释翻译成英文的任务委派给Qwen，并跟踪配额使用情况'，它会自动选择Qwen模型，执行翻译，并记录配额消耗，若超限则报错。若Qwen返回错误，自动尝试重试3次，仍失败则返回错误详情。
介绍
此Skill解决开发者在调用多个AI模型（如Gemini、Qwen）时缺乏统一调度、配额管理和错误处理的问题。当您需要将不同任务分发给不同模型，同时控制调用次数、避免超限导致服务中断时，它提供了一套标准化的委派机制。
使用方式很简单：只需指定任务内容和目标模型（Gemini或Qwen），该Skill会自动完成请求分发、配额记录、失败重试或异常上报。您无需手动管理API调用次数、编写重试逻辑，也无需关心底层错误处理细节。
适合后端开发、智能体开发者、全栈工程师等需要集成多个AI模型的场景，尤其适合那些对调用成本敏感、需要精细控制API使用量的团队或个人项目。
建议在开发初期先配置好配额上限和错误回调策略，同时注意观察模型返回的响应质量，避免因长期依赖单一模型而忽略其他更优选择。若任务对实时性要求极高，请提前测试重试机制带来的延迟影响。
核心特点
与同类模型调用封装不同，它内置了配额跟踪（记录每次调用）和分级错误处理（重试/降级/告警），让多模型调度变成可观测、可控制的流程。
注意事项
不适合需要多个模型同时协作（如并行推理并合并结果）或复杂链式推理的任务，配额跟踪基于简单计数而非细粒度Token级。
常见问题
如何配置配额上限？
通过环境变量或配置文件设置 MONTHLY_QUOTA 和 DAILY_QUOTA，支持自定义单位（次数/Token数）。
支持哪些模型？
目前支持 Gemini 和 Qwen，可通过扩展列表添加其他兼容模型，需自行实现接口适配。
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-7/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-7/raw/index.md（查看排版版本）