oh-my-hermes模型类别体系详解从ultrabrain到deep-work的完整指南【免费下载链接】oh-my-hermesAll in one plugin for Hermes Agent ⚚ the coding intelligence, a long-term memory system and model optimized workflow packages项目地址: https://gitcode.com/GitHub_Trending/ohm/oh-my-hermesoh-my-hermesOMH是 Hermes Agent 的一体化插件内置模型类别体系model categories它把 ultrabrain、deep、quick、deep-work 等 12 个语义类别各自绑定一条模型 推理强度的可编辑链自动为每类任务挑选最合适的模型并在校验、成本与质量之间取得平衡。本文带你从零理解这套体系并快速上手定制。为什么需要模型类别不同任务对模型的要求差异巨大改个文件名和重构整个架构用同一个最强模型既慢又贵。oh-my-hermes 的做法很直接类别描述需要什么样的思考——而不是用哪个模型每个类别挂一条模型链——首选模型不可用时自动顺延到链上下一位每条链都可编辑——改的是配置文件不是源码。官方给出的实测数据很直观同一任务用同一模型做类别路由后费用从 $4.29 降到 $0.66耗时从 23 分钟降到 5 分钟。12 个模型类别全景表类别词表定义在 src/coding/model_routing.pyMODEL_CATEGORIES出厂默认链见 docs/INSTALLATION.md 中由 src/catalogs/model_chain_table.py 生成的表格。括号内为推理强度effort类别用途出厂默认模型链ultrabrain最深推理Deepest reasoningGPT-6 Astra (xhigh)deep强默认档位GPT-5.6 Terra (high) → DeepSeek Flash V4.1 (high)architect架构与系统设计Claude Fable 5.1 (xhigh) → GPT-6 Astra → Kimi K3unspecified-high默认主力工作模型Kimi K3 (medium) → Claude Opus 5 (medium)unspecified-low更便宜的兜底GLM 5.3 (low) → DeepSeek Flash (low) → Claude Opus 5 (low)quick短平快小任务GLM 5.3 Flash (low) → Kimi K3 → GPT-5.6 Luna → Claude Fable 5.1writing散文与文档Kimi K3 (medium) → Qwen3-Coder → Gemini 3.1 Provisual-engineering前端与视觉Claude Fable 5.1 (high) → Kimi K3 (high)artistry非常规/创意工作Gemini 3.1 Pro (high) → Claude Fable 5.1 → Kimi K3capable强通用工作Claude Fable 5.1 → Claude Opus 5 → Kimi K3 → GLM 5.3均mediumsimple-work日常琐碎小事GPT-5.6 Luna (low) → DeepSeek Flash (low) → Claude Haiku 4.5 (low)deep-work长任务、前沿深度Long tasks at frontier depthGPT-6 Astra (high)两点值得注意ultrabrain vs deep-work前者是单次最烧脑的推理推理强度拉到xhigh后者是长时间、需要前沿深度的持续工作强度high更适合长任务场景。兜底顺序last_resort某条链全部不可用时共享的最后一道顺序是 Claude Opus 5 → GPT-5.6 Sol (medium)保证任务总有模型可跑。30 秒上手omh model 箭头键选择器不需要手写 JSON一个命令打开交互式选择器omh model # 或等价写法 omh model-chains操作逻辑一目了然见上图↑/↓选择类别ultrabrain … deep-work 逐行排列←/→切换该类别的头部模型-/调整推理强度low → … → xhighd恢复出厂默认Enter 保存q直接退出查看与脚本化操作同样方便omh model-chains show # 打印当前各类别状态 omh model-chains interview # 逐个类别引导式配置 omh model-chains set quick glm-5.3-flash:low, kimi-k3:low # 直接改整条链所有操作最终都写入同一份文件~/.omh/routing/model-chains.jsonschema 为mixture_chain_overrides/v1。omh setup会先为你初始化它并根据你本机实际持有的服务商自动重排链顺序——你有的模型排前面没有的保留但靠后。在 Hermes TUI 里直接切换类别如果你常驻 Hermes 终端界面无需切出去输入/omh-model即可弹出同一套选择器作为模态窗口叠在会话之上。注意区分两个命令Hermes 自带的/model选择会话模型而/omh-model编辑的是每个类别的模型链——两者改的不是同一件事。类别如何变成实际执行路由流程只有四步完整机制见 MODEL_OPTI.md类别拿到模型混合链出厂默认 你的覆盖按类别选出模型与强度omh_delegate_route把它写成 Hermes 的显式委派配置键模型 ID 归类到家族model_family()识别出 gpt、claude、gemini、kimi、glm、deepseek、qwen、grok 等 13 个家族无法识别的归入unknown走通用纪律绝不报错装配提示词每个任务单元都携带通用协议目标复述、预声明完成标准、有界验证当强度为 high/xhigh 时再追加一段该模型家族专属的校准段落链式回退服务商拒绝某模型时链自动前进到下一位若委派会继承一个无法服务该模型的服务商派发会被直接拒绝而不是悄悄降级。这种按家族写反直觉指导是 OMH 的独特设计比如告诉 Claude你的清单已经完整、提醒 Gemini没有工具输出的断言不算证据、让 Qwen3-Coder 绝不输出思考标签。家族识别逻辑位于 src/coding/model_routing.py提示词装配在 src/coding/unit_prompt_protocol.py。进阶为外部执行器单独设类别链如果你把编码工作委派给 Codex、Claude Code 等外部 CLIMaestro 车道还可以用category-maestro为每个执行器单独配置同一套类别词表omh coding category-maestro show omh coding category-maestro set codex ultrabrain gpt-5.6-sol:xhigh详见 docs/WORKFLOWS.md 与 docs/FANOUT.md。常见问题改了类别链会立即生效吗会。写入model-chains.json后委派路由、回退遍历、HUD 类别标签三处同时生效文件无效时整体忽略并回退出厂默认同时被明确报告。推荐链是基准测试结果吗不是。官方明确它是可编辑的编辑策略editorial defaults不是榜单排名也不构成对服务商可用性的承诺——把它当作合理的起点按自己的机器和预算调整即可。没有订阅某个模型的类别会怎样解析器会跳过不可用条目选择链上第一个确认可用的兼容候选全链耗尽才走 last_resort 共享顺序绝不静默替换你的显式选择。总结oh-my-hermes 的模型类别体系可以用一句话概括12 个语义类别 × 每条可编辑的模型链 × 链式回退 家族校准。用omh model打开选择器几分钟内你就能让 ultrabrain 思考时用最烧脑的模型、quick 干活时用最省的钱——这正是它在成本与质量间做到实测 6 倍省钱的秘诀。进一步阅读skills/omh-model-setup/SKILL.md模型设置工作流、docs/INSTALLATION.md完整类别表与配置、README.zh.md项目中文总览。【免费下载链接】oh-my-hermesAll in one plugin for Hermes Agent ⚚ the coding intelligence, a long-term memory system and model optimized workflow packages项目地址: https://gitcode.com/GitHub_Trending/ohm/oh-my-hermes创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
oh-my-hermes模型类别体系详解从ultrabrain到deep-work的完整指南【免费下载链接】oh-my-hermesAll in one plugin for Hermes Agent ⚚ the coding intelligence, a long-term memory system and model optimized workflow packages项目地址: https://gitcode.com/GitHub_Trending/ohm/oh-my-hermesoh-my-hermesOMH是 Hermes Agent 的一体化插件内置模型类别体系model categories它把 ultrabrain、deep、quick、deep-work 等 12 个语义类别各自绑定一条模型 推理强度的可编辑链自动为每类任务挑选最合适的模型并在校验、成本与质量之间取得平衡。本文带你从零理解这套体系并快速上手定制。为什么需要模型类别不同任务对模型的要求差异巨大改个文件名和重构整个架构用同一个最强模型既慢又贵。oh-my-hermes 的做法很直接类别描述需要什么样的思考——而不是用哪个模型每个类别挂一条模型链——首选模型不可用时自动顺延到链上下一位每条链都可编辑——改的是配置文件不是源码。官方给出的实测数据很直观同一任务用同一模型做类别路由后费用从 $4.29 降到 $0.66耗时从 23 分钟降到 5 分钟。12 个模型类别全景表类别词表定义在 src/coding/model_routing.pyMODEL_CATEGORIES出厂默认链见 docs/INSTALLATION.md 中由 src/catalogs/model_chain_table.py 生成的表格。括号内为推理强度effort类别用途出厂默认模型链ultrabrain最深推理Deepest reasoningGPT-6 Astra (xhigh)deep强默认档位GPT-5.6 Terra (high) → DeepSeek Flash V4.1 (high)architect架构与系统设计Claude Fable 5.1 (xhigh) → GPT-6 Astra → Kimi K3unspecified-high默认主力工作模型Kimi K3 (medium) → Claude Opus 5 (medium)unspecified-low更便宜的兜底GLM 5.3 (low) → DeepSeek Flash (low) → Claude Opus 5 (low)quick短平快小任务GLM 5.3 Flash (low) → Kimi K3 → GPT-5.6 Luna → Claude Fable 5.1writing散文与文档Kimi K3 (medium) → Qwen3-Coder → Gemini 3.1 Provisual-engineering前端与视觉Claude Fable 5.1 (high) → Kimi K3 (high)artistry非常规/创意工作Gemini 3.1 Pro (high) → Claude Fable 5.1 → Kimi K3capable强通用工作Claude Fable 5.1 → Claude Opus 5 → Kimi K3 → GLM 5.3均mediumsimple-work日常琐碎小事GPT-5.6 Luna (low) → DeepSeek Flash (low) → Claude Haiku 4.5 (low)deep-work长任务、前沿深度Long tasks at frontier depthGPT-6 Astra (high)两点值得注意ultrabrain vs deep-work前者是单次最烧脑的推理推理强度拉到xhigh后者是长时间、需要前沿深度的持续工作强度high更适合长任务场景。兜底顺序last_resort某条链全部不可用时共享的最后一道顺序是 Claude Opus 5 → GPT-5.6 Sol (medium)保证任务总有模型可跑。30 秒上手omh model 箭头键选择器不需要手写 JSON一个命令打开交互式选择器omh model # 或等价写法 omh model-chains操作逻辑一目了然见上图↑/↓选择类别ultrabrain … deep-work 逐行排列←/→切换该类别的头部模型-/调整推理强度low → … → xhighd恢复出厂默认Enter 保存q直接退出查看与脚本化操作同样方便omh model-chains show # 打印当前各类别状态 omh model-chains interview # 逐个类别引导式配置 omh model-chains set quick glm-5.3-flash:low, kimi-k3:low # 直接改整条链所有操作最终都写入同一份文件~/.omh/routing/model-chains.jsonschema 为mixture_chain_overrides/v1。omh setup会先为你初始化它并根据你本机实际持有的服务商自动重排链顺序——你有的模型排前面没有的保留但靠后。在 Hermes TUI 里直接切换类别如果你常驻 Hermes 终端界面无需切出去输入/omh-model即可弹出同一套选择器作为模态窗口叠在会话之上。注意区分两个命令Hermes 自带的/model选择会话模型而/omh-model编辑的是每个类别的模型链——两者改的不是同一件事。类别如何变成实际执行路由流程只有四步完整机制见 MODEL_OPTI.md类别拿到模型混合链出厂默认 你的覆盖按类别选出模型与强度omh_delegate_route把它写成 Hermes 的显式委派配置键模型 ID 归类到家族model_family()识别出 gpt、claude、gemini、kimi、glm、deepseek、qwen、grok 等 13 个家族无法识别的归入unknown走通用纪律绝不报错装配提示词每个任务单元都携带通用协议目标复述、预声明完成标准、有界验证当强度为 high/xhigh 时再追加一段该模型家族专属的校准段落链式回退服务商拒绝某模型时链自动前进到下一位若委派会继承一个无法服务该模型的服务商派发会被直接拒绝而不是悄悄降级。这种按家族写反直觉指导是 OMH 的独特设计比如告诉 Claude你的清单已经完整、提醒 Gemini没有工具输出的断言不算证据、让 Qwen3-Coder 绝不输出思考标签。家族识别逻辑位于 src/coding/model_routing.py提示词装配在 src/coding/unit_prompt_protocol.py。进阶为外部执行器单独设类别链如果你把编码工作委派给 Codex、Claude Code 等外部 CLIMaestro 车道还可以用category-maestro为每个执行器单独配置同一套类别词表omh coding category-maestro show omh coding category-maestro set codex ultrabrain gpt-5.6-sol:xhigh详见 docs/WORKFLOWS.md 与 docs/FANOUT.md。常见问题改了类别链会立即生效吗会。写入model-chains.json后委派路由、回退遍历、HUD 类别标签三处同时生效文件无效时整体忽略并回退出厂默认同时被明确报告。推荐链是基准测试结果吗不是。官方明确它是可编辑的编辑策略editorial defaults不是榜单排名也不构成对服务商可用性的承诺——把它当作合理的起点按自己的机器和预算调整即可。没有订阅某个模型的类别会怎样解析器会跳过不可用条目选择链上第一个确认可用的兼容候选全链耗尽才走 last_resort 共享顺序绝不静默替换你的显式选择。总结oh-my-hermes 的模型类别体系可以用一句话概括12 个语义类别 × 每条可编辑的模型链 × 链式回退 家族校准。用omh model打开选择器几分钟内你就能让 ultrabrain 思考时用最烧脑的模型、quick 干活时用最省的钱——这正是它在成本与质量间做到实测 6 倍省钱的秘诀。进一步阅读skills/omh-model-setup/SKILL.md模型设置工作流、docs/INSTALLATION.md完整类别表与配置、README.zh.md项目中文总览。【免费下载链接】oh-my-hermesAll in one plugin for Hermes Agent ⚚ the coding intelligence, a long-term memory system and model optimized workflow packages项目地址: https://gitcode.com/GitHub_Trending/ohm/oh-my-hermes创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
