Smart Spawn

Smart Spawn

Intelligent model routing for AI agents

API · Blog · Author

______________________________________________________________________

智能模型路由 龙虾。根据来自5个来源的真实基准数据，自动为任何任务选择最佳AI模型。

Smart Spawn不会对模型进行硬编码或猜测，而是分析你正在做什么，并为工作找到最佳模型——考虑任务类型、预算、基准、速度和你自己的反馈历史。

快速入门（OpenClaw插件）

你不需要主持任何事情。公共API运行于 ss.deeflect.com.

安装插件：

openclaw plugins install @deeflectcom/smart-spawn
openclaw gateway restart

在对话中使用它：

“研究WebGPU的最新发展” Smart Spawn选择Gemini 2.5 Flash（快速、免费、内容丰富），并在其上生成一个研究子代理。

“用auth为我构建一个React仪表板” Smart Spawn在您的预算层中选择最佳编码模型，并生成一个编码子代理。

插件配置 （可选——添加到您的OpenClaw配置中 plugins.entries.smart-spawn.config):

{
  "apiUrl": "https://ss.deeflect.com/api",
  "defaultBudget": "medium",
  "defaultMode": "single"
}

产卵模式

• 单 --选择一个最佳模型，生成一个代理
• 集体 --选择N个不同的模型，生成并行代理，合并结果
• 级联 --从低价开始，如果质量不够，则升级到高端
• 计划 --分解连续的多步任务，并为每一步分配最佳模型
• 群集 --将复杂任务分解为子任务的DAG，每一步都有最佳模型

______________________________________________________________________

运作原理

┌─────────────────────────────────────────────────────┐
│                  Data Sources (5)                     │
│                                                       │
│  OpenRouter ─── model catalog, pricing, capabilities  │
│  Artificial Analysis ─── intelligence/coding/math idx │
│  HuggingFace Open LLM Leaderboard ─── MMLU, BBH, etc│
│  LMArena (Chatbot Arena) ─── ELO from human prefs    │
│  LiveBench ─── contamination-free coding/reasoning    │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌──────────────────────────────────────────────────────┐
│              Enrichment Pipeline                      │
│                                                       │
│  1. Pull raw data from all 5 sources                  │
│  2. Alias matching (map model names across sources)   │
│  3. Z-score normalization per benchmark               │
│  4. Category scoring (coding/reasoning/creative/...)  │
│  5. Cost-efficiency calculation                       │
│  6. Tier + capability classification                  │
│  7. Blend: benchmarks + personal + community scores   │
│                                                       │
│  Refreshes every 6 hours automatically                │
└──────────────────────┬──────────────────────────────┘
                       │
                       ▼
┌──────────────────────────────────────────────────────┐
│              SQLite Cache → API → Plugin → Agent      │
└──────────────────────────────────────────────────────┘

评分系统

Z分数归一化 --每个基准源使用不同的标度。人工分析得出的65的“智能指数”与1350的竞技场ELO完全不同。我们使一切正常化：

1. 计算所有模型中每个基准的平均值和标准偏差
2. 转换为z分数： (value - mean) / stddev
3. 0-100比例尺的地图：z=-2.5→0, z=0→50, z=+1→70, z=+2→90

这意味着在LiveCodeBench上比平均水平高出2σ的模型与Arena ELO上比平均值高出2∑的模型得分相同——两者在指标上“同样出色”。

类别得分 --模型使用相关基准的加权组合按类别（编码、推理、创意、视觉、研究、快速廉价、通用）进行评分：

分数混合 --最终得分=以下各项的加权组合：

• 基准分数（主要）
• 个人反馈（您自己对过去产卵的评分）
• 社区评分（来自其他实例的匿名汇总评分）
• 情境增强（特定任务的信号，如“需要愿景”或“长期情境”）

预算层级

模型分类

每个模型都会自动分类为：

• 等级：溢价/标准/预算（基于供应商+定价）
• 类别：它擅长哪些任务类型（基于基准测试+能力）
• 标签：特定特征，如“快速”、“视觉”、“推理”、“大背景”
• 成本效益：每个类别的质量/美元比率

______________________________________________________________________

API 参考

基本URL: https://ss.deeflect.com/api

获取/选择

为任务选择最佳模型。

curl "https://ss.deeflect.com/api/pick?task=build+a+react+app&budget=medium"

{
  "data": {
    "id": "anthropic/claude-opus-4.6",
    "name": "Claude Opus 4.6",
    "score": 86,
    "pricing": { "prompt": 5, "completion": 25 },
    "budget": "medium",
    "reason": "Best general model at medium budget ($0-5/M) — score: 86"
  }
}

获取/推荐

通过提供商的多样性获得多个模型推荐。

curl "https://ss.deeflect.com/api/recommend?task=coding&budget=low&count=3"

GET/比较

并排模型比较。

curl "https://ss.deeflect.com/api/compare?models=anthropic/claude-opus-4.6,openai/gpt-5.2"

GET/型号

浏览完整的型号目录。

curl "https://ss.deeflect.com/api/models?category=coding&sort=score&limit=10"

POST/分解

将复杂的任务分解为连续的步骤，每一步都有最佳模型。

curl -X POST "https://ss.deeflect.com/api/decompose" \
  -H "Content-Type: application/json" \
  -d '{"task": "Build and deploy a SaaS landing page", "budget": "medium"}'

POST/群

将任务分解为具有依赖性跟踪的子任务的并行DAG。

curl -X POST "https://ss.deeflect.com/api/swarm" \
  -H "Content-Type: application/json" \
  -d '{"task": "Research competitors and build a pitch deck", "budget": "low"}'

GET/状态

API健康和数据新鲜度。

curl "https://ss.deeflect.com/api/status"

POST/刷新

强制数据刷新（从所有5个源中提取）。受API密钥保护，如果 REFRESH_API_KEY 已设置。

curl -X POST "https://ss.deeflect.com/api/refresh" \
  -H "Authorization: Bearer YOUR_KEY"

POST/生成日志

记录一个生成事件（插件用于反馈/学习）。

POST/生成日志/结果

报告学习循环的任务结果评级（1-5）。

POST/社区/报告

共享情报的匿名社区结果报告。

POST/角色/撰写

从角色/堆栈/域块中编写一个角色丰富的提示。

curl -X POST "https://ss.deeflect.com/api/roles/compose" \
  -H "Content-Type: application/json" \
  -d '{
    "task": "Build a dashboard with auth and billing",
    "persona": "fullstack-engineer",
    "stack": ["nextjs", "typescript", "postgres", "stripe"],
    "domain": "saas",
    "format": "full-implementation",
    "guardrails": ["code", "security", "production"]
  }'

退货：

• hasRole --是否已解决任何有效块
• fullPrompt --包含角色块和任务的组合提示
• warnings --未知块ID（如果有的话）

GET/角色/块

列出可用的角色块ID persona, stack, domain, format，以及 guardrails.

curl "https://ss.deeflect.com/api/roles/blocks"

______________________________________________________________________

自我寄宿

API是开源的。如果你想完全控制，就自己经营。

本地开发

git clone https://github.com/deeflect/smart-spawn.git
cd smart-spawn
bun install
bun run dev    # starts on http://localhost:3000

通用MCP服务器（OpenRouter编排）

Smart Spawn现在包括一个本地MCP服务器，可以运行异步多代理工作流，并将合并结果返回给Codex/Claude/任何MCP客户端。

cd mcp-server
npm install
OPENROUTER_API_KEY=your_key_here bun run start

默认本地存储：

• /.smart-spawn-mcp/db.sqlite
• /.smart-spawn-mcp/artifacts//...

根脚本：

bun run mcp:dev
bun run mcp:start
bun run mcp:typecheck
bun run mcp:test

执行所需的环境变量：

• OPENROUTER_API_KEY

可选环境变量：

• SMART_SPAWN_API_URL （默认值： https://ss.deeflect.com/api)
• SMART_SPAWN_MCP_HOME （默认值： /.smart-spawn-mcp)
• MAX_PARALLEL_RUNS （默认值： 2)
• MAX_PARALLEL_NODES_PER_RUN （默认值： 4)
• MAX_USD_PER_RUN （默认值： 5)
• NODE_TIMEOUT_SECONDS （默认值： 180)
• RUN_TIMEOUT_SECONDS （默认值： 1800)

连接MCP客户端（stdio）

在MCP客户端中将MCP服务器注册为stdio进程。

示例(claude_desktop_config.json):

{
  "mcpServers": {
    "smart-spawn": {
      "command": "bun",
      "args": [
        "run",
        "--cwd",
        "/absolute/path/to/smart-spawn/mcp-server",
        "start"
      ],
      "env": {
        "OPENROUTER_API_KEY": "your_openrouter_key_here",
        "SMART_SPAWN_API_URL": "https://ss.deeflect.com/api"
      }
    }
  }
}

对于Codex或任何其他MCP主机，在该主机的MCP服务器配置格式中使用相同的stdio命令+env值。

MCP工具

• smartspawn_health -OpenRouter/neneneba API/DB/storage/worker的运行状况检查
• smartspawn_run_create --创建异步运行并返回 run_id
• smartspawn_run_status --获取跑步状态/进度
• smartspawn_run_result --获取合并输出（以及可选的原始输出）
• smartspawn_artifact_get --通过以下方式获取存储的工件 run_id + node_id
• smartspawn_run_list --列出最近的跑步记录
• smartspawn_run_cancel --取消排队/跑步

首次运行工作流

1. 检查健康状况：

{"name":"smartspawn_health","arguments":{}}

1. 创建跑步：

{
  "name": "smartspawn_run_create",
  "arguments": {
    "task": "Design and implement a small REST API with tests",
    "mode": "swarm",
    "budget": "medium",
    "role": {
      "persona": "backend-engineer",
      "stack": ["typescript", "nodejs", "postgres"],
      "format": "full-implementation",
      "guardrails": ["code", "security", "production"]
    }
  }
}

1. 轮询状态直到终端状态(completed, failed, canceled):

{"name":"smartspawn_run_status","arguments":{"run_id":""}}

1. 获取合并结果：

{"name":"smartspawn_run_result","arguments":{"run_id":""}}

1. 可选：直接检查工件（例如：合并的输出工件）：

{"name":"smartspawn_artifact_get","arguments":{"run_id":"","node_id":"merged"}}

码头工人

docker build -t smart-spawn .
docker run -p 3000:3000 -v smart-spawn-data:/app/data smart-spawn

铁路


回购包括 railway.json 和 Dockerfile。只需连接您的仓库并部署即可。

环境变量

速率限制

• 200次请求/分钟 每个IP（所有端点）
• 2个请求/小时 每个IP打开 /refresh
• 退货 429 Too Many Requests 随着 Retry-After 头球

这些对于代理使用来说足够慷慨。如果你达到了极限，那就自己主持吧。

______________________________________________________________________

建筑

smart-spawn/
├── src/                        # API server
│   ├── index.ts                # Hono app, middleware, startup
│   ├── db.ts                   # SQLite (cache, spawn logs, scores)
│   ├── types.ts                # All TypeScript types
│   ├── model-selection.ts      # Score sorting, blending logic
│   ├── scoring-utils.ts        # Category classification, score helpers
│   ├── context-signals.ts      # Context tag parsing and boost calculation
│   ├── task-splitter.ts        # Task decomposition for cascade/swarm
│   ├── enrichment/
│   │   ├── pipeline.ts         # Main pipeline: pull → enrich → cache
│   │   ├── scoring.ts          # Z-score normalization, score computation
│   │   ├── rules.ts            # Tier classification, category derivation
│   │   ├── alias-map.ts        # Cross-source model name matching
│   │   └── sources/            # Data source adapters
│   │       ├── openrouter.ts   # OpenRouter model catalog
│   │       ├── artificial.ts   # Artificial Analysis benchmarks
│   │       ├── hf-leaderboard.ts # HuggingFace Open LLM Leaderboard
│   │       ├── lmarena.ts      # LMArena / Chatbot Arena ELO
│   │       └── livebench.ts    # LiveBench scores
│   ├── routes/                 # API endpoints
│   ├── roles/                  # Role composition blocks
│   ├── middleware/              # Rate limiting, response caching
│   └── utils/                  # Input validation
├── smart-spawn/                # OpenClaw plugin
│   ├── index.ts                # Plugin entry point (tool registration)
│   ├── openclaw.plugin.json    # Plugin manifest
│   ├── src/api-client.ts       # API client for plugin
│   └── skills/smart-spawn/     # Companion SKILL.md
├── skills/                     # API-only skill (no plugin required)
│   └── SKILL.md
├── mcp-server/                 # Universal MCP server (async orchestration)
│   ├── src/index.ts            # MCP stdio entrypoint
│   ├── src/tools.ts            # MCP tool contracts
│   ├── src/runtime/            # Planner + queue + executor
│   ├── src/db.ts               # Run/node/event/artifact persistence
│   └── src/storage.ts          # Artifact filesystem manager
├── data/                       # SQLite database (auto-created)
├── Dockerfile
├── railway.json
└── .env.example

______________________________________________________________________

许可证

麻省理工学院——见 许可证.

建造于 @偏转.