delegation-core
将任务委托给Gemini或通义千问，并提供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：将任务委托给Gemini或通义千问，并提供配额跟踪与错误处理。 完整的 Skill 内容见：https://321skill.com/skills/delegation-core-x-8/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
‘分析这份市场报告，并总结出三个关键趋势。’，它会根据当前配额和模型可用性，自动选择Gemini或通义千问来执行分析任务，返回摘要，并更新配额消耗记录。你也可以在任务执行前指定预算，例如‘用不超过1000个Token的预算来回答这个问题’，Skill会确保成本可控。
介绍
该Skill旨在解决开发者在集成和使用多个大语言模型API时，手动管理调用配额和处理错误的繁琐问题。它作为一个智能代理，能够根据预设规则或动态判断，将用户的任务请求自动分配给Gemini或通义千问模型，并实时跟踪各API的用量消耗。
使用时，开发者只需配置好API密钥和初始配额，然后将任务描述发送给该Skill。它会自动选择合适的模型执行任务，并返回结果。过程中，它会记录每次调用的消耗，并在达到配额阈值或发生错误时（如网络超时、API限制）进行优雅降级或重试，确保流程的鲁棒性。
该Skill非常适合需要同时利用多个外部AI模型能力，并对成本和稳定性有明确要求的开发者，尤其是那些正在开发智能体应用、自动化工作流或AI增强型工具的工程师。它帮助开发者从底层的API管理细节中解放出来，专注于核心逻辑。
建议在使用前详细规划各模型的配额分配策略，并设置合理的错误重试机制。注意，该Skill本身不提供模型服务，仅负责调度和监控，因此需要用户自行申请并配置有效的API密钥。对于需要极低延迟或完全离线运行的场景，可能不是最佳选择。
核心特点
核心区别在于集成了对Gemini和通义千问双模型的支持，并内置了细粒度的配额跟踪与自动化的错误处理机制，而不仅仅是简单的API调用封装。
注意事项
不适合需要调用除Gemini和通义千问之外的其他大模型（如GPT、Claude）的场景。
常见问题
如何设置API密钥和初始配额？
在Skill的配置文件中，分别填入Gemini和通义千问的API密钥，并设置各自的初始调用次数或Token额度。
当某个模型配额用尽或出错时，它会怎么做？
它会自动切换到另一个可用模型继续执行任务，并记录故障信息，确保任务流程不中断。
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-8/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-8/raw/index.md（查看排版版本）