AREX Feed Article
OpenRouter 发布 openrouter-decisions 技能：编码 agent 可把分类、路由与审核步骤重建到决策模型上
9 月 29 日，OpenRouter 发布了面向编码 agent 的技能 openrouter-decisions。按其说明，把 agent 指向代码里的一个分类、路由或审核步骤，它就会经 OpenRouter 的 Decisions API，把这一步重建到决策模型（decision model）上：模型返回概率而不是生成文本，代码可以直接按概率设置阈值。
OpenRouter 在同一条推文串里给出一组对比数据：不带技能时，27 次编码运行中只有 4 次真正用上决策模型；带技能后，27 次全部用上（）。技能的安装命令是 gh skill install OpenRouterTeam/skills openrouter-decisions，需要 GitHub CLI v2.90.0 或更新版本；支持 Claude Code、Cursor、Codex、OpenCode、Gemini CLI、Windsurf 等编码 agent，使用前要设置 OPENROUTER_API_KEY（）。默认装在当前项目，加 --scope user 可跨项目安装；它和 OpenRouter 的其他技能一起维护在公开仓库里，安装后会按对话内容自动加载（）。
有 API 参考，agent 仍会把判断步骤做错
OpenRouter 说，即使手里有 API 参考，agent 有时仍会把这一步做错：在它自己的运行里，agent 会写关键词规则并把那称为决策模型，或者去问普通聊天模型一个是/否，因此拿不到概率，代码也就没有可设的截止点（）。
技能给出三条要求：把计算留在代码里、只让模型做判断；按正确的形态提问，即一个选择、一个打分，或一个是/否；并从模型目录中固定一个模型版本（）。技能页面把适用场景写得更具体：替换「提示词加解析」式的大语言模型（LLM）调用、关键词或相似度启发式、人工审核队列，或行为失准的路由、过滤与分类器。
请求形态：choice、noul 与 score
技能页面对决策模型的定义是：读取应用状态，回答带类型的问题，返回概率，从不生成文本；它不是聊天模型，不是编码 agent，也不是驱动编码 agent 的模型的替代品。技能给出的筛选标准是：一个步骤的答案有界、需要判断而不是计算，且概率能让代码行动、推迟或升级，才适合交给决策模型。
一次调用是 POST /api/alpha/decisions，请求体带 state（应用状态）和 questions（问题集），每个问题选用一种原语：choice 从一组预定义选项里选一个，返回选项、各选项概率与 confidence（置信度）；noul 判断某个条件是否成立，返回「是」的概率；score 沿有序档位给出位置，返回概率加权得分、各档位概率与 confidence。同一请求里的问题彼此独立、并行求值（）。技能自带的 API 参考还要求：每个答案先检查 type 再读字段，缺键或类型不符按错误处理；响应里的 model 是实际作答的构建，usage.cost 以美元计。
概率回到代码里充当闸门：技能规定，在探测之前，noul 的初始闸门取 >= 0.5，choice 就用它返回的选项；更严格的阈值要等第 7 步在真实输入上探测后再定。模型版本要钉在 canonical_slug（或带版本号的 id）这一个配置值上，不要用别名，因为别名指向的构建会变，概率可能随之变化。
流程被拆成七步：拆分判断与计算；为每个判断选择原语；构造最小的 state；写问题；选模型并钉版本；在代码里设闸门；用真实输入探测阈值。技能附带两个脚本：models.ts 列出当时的决策模型目录与适配信息；decide.ts 支持单模型调用、SDK 调用，以及 --compare 把同一请求发给目录里所有非别名模型，输出答案、解析到的模型版本、延迟与成本。
自测：三个模型、四类任务与 13 项检查
OpenRouter 称，测试用了 gpt-5.6-luna、gpt-6-astra 与 glm-5.3-flash 三个模型，在四类任务上各跑 3 次、分别带与不带技能：评估事故紧急度、因 breaking change（破坏性变更）阻止 PR（拉取请求）合并、预测已取消的客户是否会回流、挑选模型（）。
据其公布的评分图，这批运行发生在 Codex CLI 上，按同一套 13 项检查、每个模型 3 次运行来评。gpt-5.6-luna 的通过率从 10% 升到 72%，gpt-6-astra 从 41% 升到 100%，glm-5.3-flash 从 5% 升到 82%。OpenRouter 还让 claude-opus-5.5 对每个任务的两个版本做盲评（两种呈现顺序都测），36 次全部都选中带技能的版本，每个模型 12 次全中（）。
这些数字全部出自 OpenRouter 自己的运行与它选定的模型评分，不构成独立验证。
决策模型目录里现在有什么
技能面向 OpenRouter 模型目录中的决策模型，并按目录的实时返回挑选。截至 9 月 30 日核对，GET /api/v1/models?output_modalities=decisions 返回 7 个条目：TypeSafe 的 Jev 1.13 与一个 Jev 别名，Upstage 的 Solar Decide，Respan 的 Span-01、Span-01 Lite 及其免费版本，以及 Jared Palmer 的 Kev 4B（）。
技能页面还给出了选择方法：不要凭记忆挑，因为决策模型集合会变；先按上下文长度、价格、服务商覆盖筛选，剩下多个候选时，再用脚本把问题发给每个候选，对比答案、延迟与成本，然后钉住版本。技能按标准而不是按名字选模型，目录里新增模型不需要改技能文件。SKILL.md、API 参考与脚本也都维护在公开仓库里。
留在代码里的部分：算术、日期与回退路径
技能页面把哪些工作留在代码里列得很细：算术、计数、日期排序、查表、阈值比较，以及从字符串中提取路径、ID 格式、金额这类事实的匹配，全部由代码完成；代码已经持有的值，不再拿去问模型。参考文档另有一页专讲决策模型做不到的事：涉及数量、日期、否定、间接引用或不可信文本时，要先读那一页。
技能页面还规定了回退的用法：如果代码路径本来就有回退选项（人工审核队列、默认值、更大的模型），概率落在闸门附近时就保留给该选项，这段区间的宽度在第 7 步探测里确定；confidence 只衡量分布的集中程度，不代表答案正确或动作获得授权；一个阈值不会从 noul 搬到 choice，也不会从一个模型搬到另一个模型。
OpenRouter 公布的这组对比能否外推到别的代码库，还要看使用者在自己真实输入上的探测结果。