我开发了一个本地优先的 AI Agent 技能混合路由器（低于 20 毫秒、零 Token、纯 CPU 运行）[P]

如果你在使用基于 Agent 的工作流，并搭配自定义技能或规则（如 Cursor Rules、Claude Code Slash Commands、OpenCode 等），你可能遇到过这样的路由权衡：把所有技能定义塞进系统提示词（这会挤爆上下文窗口并降低指令遵循能力）；或者让 LLM 进行一次路由调用来分类用户提示词（既花钱，又浪费 1000+ Token，还增加 2 秒以上的网络延迟）。 为了解决这个问题，我开发了 Routed：一款开源、本地优先的 Agent 技能混合路由器，100% 离线运行在 CPU 上。 GitHub: https://github.com/bshea-1/Routed License: MIT https://i.redd.it/5ca68gffgxnh1.gif 底层工作原理 Routed 会索引你已安装的技能目录，并通过四段式混合评分流水线对提示词进行评估： * 稠密向量 Embedding（60%）：在本地 CPU 上运行量化 ONNX 模型（Arctic Embed S / MiniLM）。 * 词法 BM25（25%）：使用 Okapi BM25 进行严格的关键词相关性计算。 * 精确 / 别名匹配（10%）：直接匹配命令及其别名。 * 元数据（5%）：基于最近使用和频率的启发式策略。 整个查询在 20 毫秒内完成，且不会通过网络传输任何提示词数据。 支持的环境 Routed 可自动检测并为以下环境注入适配器：Cursor、Claude Code、LM Studio、Ollama、Antigravity IDE、Windsurf、OpenCode、Continue、Codex，而且我刚刚新增了对 MCP 服务器的支持！！ 虽然 v1.0 昨晚刚刚发布，但我已根据早期反馈推出了 v1.1.0，包含两项重大更新： Model Context Protocol（MCP）服务器（routed mcp）：无需将 20 多个工具 Schema 加载进 GPU 的上下文窗口，你的本地模型只会看到一个 `route_skill` 工具。Routed 在 CPU 上执行，精准选择所需技能，并按需仅注入对应的 Schema。 原生多语言理解：Embedding 流水线现已原生理解 100 多种语言的输入（德语、西班牙语、法语、日语等），并能自动拆分复合词（如德语 Speicherleck），无需语言标签或手动翻译，即可将提示词直接映射到正确的技能。 使用方法 在 Agent 对话中，你只需使用 `/route` 即可动态触发最合适的技能。它还支持处理复合意图（例如，当提示词同时要求完成两个不同任务时，可匹配多个技能）。 GitHub Releases 已提供预编译二进制文件（macOS .pkg、Linux .deb、Windows .exe），你也可以通过 Node 从源码构建。欢迎试用，并告诉我你的反馈，或者你还希望增加对哪些环境的支持！