这个 Skill 能做什么，适合哪些场景？
model-refresh 是 JoshuaC215/agent-service-toolkit 仓库（MIT 许可）中 .claude/skills/model-refresh/SKILL.md 所定义的一个技能。它的目标是让 src/schema/models.py 里的 AllModelEnum 模型目录保持最新：新增厂商已发布的模型，移除已弃用的模型，并把 settings.py 中的 DEFAULT_MODEL 回退值重新指向仍然存在的模型。技能文档非常详尽，规定了调查、分类、命名约定、跨文件联动修改、单元测试更新以及可选的实时冒烟测试等完整流程。它针对的是维护 LangChain/LangGraph 多厂商服务这类会随时间腐化的配置。该技能属于一个包含 4 个技能的合集，本条目只覆盖模型刷新这一项。
- 读取 src/schema/models.py 中各枚举类 docstring 里记录的厂商文档 URL，逐个对比当前线上模型列表与目录差异；遇到失效链接则就地修正为新 URL。
- 按规则分类差距：GA 新模型直接加、preview 酌情、已弃用则删、仅被取代则保留；并遵循 SCREAMING_SNAKE_CASE 命名和全枚举值唯一等约定。
- 修改同步覆盖 settings.py 的 DEFAULT_MODEL 回退、llm.py 的特殊分支、相关 pytest 用例及 .env.example（如涉及）。
- 对无密钥的厂商（Bedrock、Azure、Vertex、DeepSeek、OpenRouter）按文档更新，并在提交中标注 doc-only/unverified。
- 最后可用 scripts/check_live_models.py 对已配置密钥的厂商逐一发送单 token 提示做真实验证。
- 维护 agent-service-toolkit 分叉的开发者，想让自己服务的模型目录跟上 OpenAI、Anthropic、Google 等厂商的发布节奏。
- 负责该仓库的定期维护者或 AI 维护代理，在计划性触发时执行一轮模型刷新。
- 用户被要求'检查新模型'或'更新模型列表'时，可借助此技能获得一套结构化、有审计痕迹的流程。
- 团队需要在移除 DEFAULT_MODEL 指向的模型后，自动把回退指向同厂商更便宜的现存模型。
- 针对 Bedrock 推理配置 ID、Azure 部署映射等易错点，需要按文档逐一处理而不是凭感觉改枚举。
- 想在 CI 中自动运行实时 API 冒烟测试的团队——脚本会花费真实（即使极少）API 费用，明确不适合 CI。
- 想把这个流程直接套用到 agent-service-toolkit 之外项目的人——它与该仓库的文件布局紧密耦合，适配需要大量返工。
- 需要对 Azure OpenAI 部署映射做重大调整的场景——这是自我描述的重活，破坏性变更需要单独评审。
如何安装这个 Skill？
- Shell / 命令行
- 网络访问
- 本地文件系统
Python (uv)pytestprovider API keys (optional, for live testing)
本技能随仓库合集一起分发，克隆仓库并确保 .claude/skills/model-refresh/ 目录存在即可；技能本身是一个 SKILL.md 工作流文档，无独立安装步骤。仓库依赖安装：
仓库依赖
uv sync --frozen将单个技能复制到其他环境的 .claude/skills/ 目录的方式未在源材料中说明。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 检查各厂商有没有新模型，更新模型列表
- 刷新模型目录，移除已弃用的模型
- 更新 src/schema/models.py 的模型目录
- 执行定期的 model-refresh 检查
在 Claude Code 等支持 Agent Skills 的环境中打开该仓库，直接用自然语言触发，例如："check for new models"、"update the model list" 或 "refresh the model catalog"。技能会先做纯文档调研和代码修改（不需要 API key），随后若环境中有厂商密钥，可运行 PYTHONPATH=src uv run python scripts/check_live_models.py（可加 --provider anthropic google）做真实验证；无密钥则跳过该步骤。
这个 Skill 有哪些优点和局限？
- 流程极其细致：覆盖命名约定、跨文件联动、测试更新和破坏性变更标注，减少手工刷新的遗漏。
- 内置大量实战经验，如 AWS 文档 403 时改用 WebSearch、Bedrock 必须 global./geo 前缀推理配置、Azure GPT-5 推理模型拒绝 temperature 等。
- 明确区分需要密钥与不需要密钥的步骤，调研阶段零成本即可完成。
- 附带 scripts/check_live_models.py 冒烟脚本，按厂商输出 PASS/FAIL/SKIP。
- 与 agent-service-toolkit 仓库结构强耦合，直接用于其他项目需要大改。
- Azure OpenAI 被作者承认为'重量级'变更，涉及部署映射的破坏性改动，需单独评审。
- 无密钥厂商的更新只能是 doc-only/unverified，存在文档与实际 API 不符的风险。
- 实时验证会产生少量真实 API 费用，且作者明确要求不要接入 CI。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 模型目录刷新技能（agent-service-toolkit） 本页 | 60 · 推荐 | ★ 4.5k | 21 天前 | MIT |
| 可选依赖冒烟测试技能（agent-service-toolkit） | 64 · 推荐 | ★ 4.5k | 21 天前 | MIT |
| RenderCV 测试规范上下文 | 61 · 推荐 | ★ 18k | 7 个月前 | MIT |
| Pydantic 多模型架构 ✓ Microsoft · 官方 | 52 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
| FastAPI 路由构建助手 ✓ Microsoft · 官方 | 51 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
FollowSkills 如何评估这个 Skill？
项目自身的模型目录维护技能，服务于该项目维护者。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
本条评估按 FSRS 1.0 标准完成，维度分不做换算，已进入按 FSRS 2.0 重新评估的复核队列。
查看完整评分方法 →