delegation-core
将任务委派给Gemini/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/Qwen，带配额跟踪与错误处理 完整的 Skill 内容见：https://321skill.com/skills/delegation-core/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
'请使用delegation-core将用户评论情感分析任务委派给Gemini，并设置每日配额为500次，如果Gemini调用失败则自动降级到Qwen。' 它会自动初始化委派器，创建任务队列，按配额分配请求，并在响应中返回模型名称、消耗Token数及最终结果，同时记录错误日志供后续审计。
介绍
在使用多个大语言模型（如Gemini、Qwen）进行任务处理时，经常会遇到调用配额管理混乱、接口错误处理不统一、成本失控等问题。delegation-core 提供了一个统一的委派层，让开发者可以像调用本地函数一样将任务分配给不同模型，同时自动记录每次调用的配额消耗，并在模型出错时按预设策略重试或降级，避免因单点故障导致整个流程中断。
使用方法非常简单：安装后，在代码中配置模型路由和配额上限，然后通过 delegate('gemini', task) 或 delegate('qwen', task) 即可将任务分发。系统会自动记录调用次数、Token用量，并在配额不足时抛出可捕获的告警，支持自定义错误处理回调。无需手动管理多个SDK的异常逻辑。
适合需要同时调用多个AI模型的后端开发者、智能体开发者以及全栈工程师。尤其适合在AI Agent编排、多模型对比测试、成本敏感型应用中使用。如果你正在开发一个需要根据任务类型动态选择模型，且希望精确控制API支出的系统，这个工具能大幅降低集成复杂度。
建议在配置配额时根据实际业务预留10%的余量，避免突发流量导致任务失败。同时，注意不同模型的接口返回格式差异，建议在委派层增加统一的响应解析适配器。如果任务对实时性要求极高（如毫秒级响应），需评估委派带来的额外延迟。
核心特点
与同类工具相比，delegation-core 同时内置了对 Gemini 和 Qwen 的原生支持，并提供可配置的配额跟踪器和分级错误处理策略，而不仅仅是简单的模型调用封装。
注意事项
不适用于需要极低延迟（<50ms）的实时交互场景，也不支持非LLM类型的外部服务委派。
常见问题
支持哪些模型？
目前内置支持 Gemini 和 Qwen，可通过扩展接口添加其他模型。
如何配置配额？
在初始化时传入配额上限（如每天1000次），系统会自动计数并在接近上限时告警。
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/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/raw/index.md（查看排版版本）