model-hierarchy
por zscoleLa skill model-hierarchy ayuda a los agentes a derivar el trabajo al modelo más barato que pueda manejarlo, mejorando el control de costes sin sacrificar la calidad en tareas rutinarias. Usa esta guía de model-hierarchy para automatización de flujos de trabajo, generación de subagentes y clasificación simple de tareas. Encaja bien en instalaciones donde quieres un patrón de uso de model-hierarchy repetible en lugar de una elección de modelo improvisada.
Esta skill obtiene 78/100, lo que la convierte en una candidata sólida para Agent Skills Finder: lo bastante útil para que los usuarios la instalen si buscan orientación sobre enrutamiento de modelos, aunque conviene tener presentes algunos vacíos de claridad. El repositorio ofrece disparadores claros, reglas concretas de enrutamiento y ejemplos de integración, así que los agentes pueden aplicarlo con menos dudas que con un prompt genérico.
- Orientación explícita sobre disparadores y casos de uso para enrutamiento de modelos, optimización de costes y generación de subagentes.
- Contenido amplio sobre flujos de trabajo en SKILL.md, además de ejemplos para integración con OpenClaw y Claude Code/Codex.
- Incluye pruebas de escenarios y ejemplos por nivel de tarea que ayudan a clasificar trabajo rutinario, moderado y complejo.
- No hay un comando de instalación en SKILL.md, así que los usuarios deben adaptar por su cuenta los pasos de copia o instalación.
- Algunas señales de marcador de posición o tbd, junto con un README recortado, sugieren que la documentación no está completamente pulida ni terminada.
Visión general de la skill model-hierarchy
Qué hace model-hierarchy
La skill model-hierarchy ayuda a un agente a enrutar el trabajo al modelo más barato que pueda resolverlo. Está pensada para situaciones en las que quieres controlar mejor el coste sin perder calidad en tareas rutinarias. Si tu flujo de trabajo gasta tokens premium en lecturas de archivos, comprobaciones de estado, formateo o consultas sencillas, esta skill te ofrece una guía práctica de jerarquía de modelos en lugar de depender solo de la intuición.
Quién debería instalarla
Instala model-hierarchy si ejecutas un flujo de trabajo con agentes que lanza subagentes, cambia de modelo con frecuencia o paga por muchas tareas pequeñas. Es especialmente útil para Workflow Automation, configuraciones al estilo de Claude Code y cualquier entorno en el que una mala elección de modelo infle el gasto sin hacer ruido. Es menos útil si ya tienes una lógica de enrutamiento estricta en el código o si apenas cambias de modelo.
En qué se diferencia
La skill no se limita a decir “usa un modelo más barato”. Codifica una regla de decisión simple: las tareas rutinarias van a la capa baja, las tareas moderadas se mantienen en la intermedia y solo los problemas realmente difíciles justifican razonamiento premium. Eso hace que model-hierarchy sea más accionable que un prompt genérico, porque le da al agente un hábito repetible de clasificación y un valor predeterminado claro para el trabajo de subagentes.
Cómo usar la skill model-hierarchy
Instala model-hierarchy
El repositorio está diseñado como una skill que copias al directorio de skills de tu agente o al contexto del prompt. Para OpenClaw, el README del repo muestra cómo copiar SKILL.md a la ruta de skills y reiniciar el gateway. En sistemas estilo Claude Code / Codex, la instalación práctica consiste en pegar las reglas de enrutamiento en CLAUDE.md o en las instrucciones de tu proyecto. Si estás evaluando model-hierarchy install, comprueba si tu agente lee las skills desde archivos, instrucciones globales o una configuración local del repo.
Empieza con la entrada correcta
model-hierarchy usage funciona mejor cuando le indicas al agente tres cosas: el tipo de tarea, el resultado esperado y si la tarea forma parte de un flujo de trabajo más amplio. Entrada débil: “ayúdame con este repo”. Entrada más fuerte: “Clasifica esto como rutinario o moderado y luego elige el modelo más barato que pueda leer con seguridad config.json, resumir el resultado e informar del riesgo si la clasificación es incorrecta”. Eso le da a la skill suficiente contexto para enrutar bien.
Lee primero estos archivos
Empieza por SKILL.md para ver las reglas de enrutamiento, luego revisa README.md para los patrones de instalación y examples/claude-code.md o examples/openclaw.md para ver el uso específico de cada plataforma. Si quieres entender el comportamiento en casos límite, tests/scenarios.json es útil porque muestra cómo clasifica la skill las tareas rutinarias frente a las moderadas. Es la forma más rápida de entender model-hierarchy skill sin leer el repositorio línea por línea.
Úsala dentro de un flujo de trabajo
Un flujo de trabajo práctico con model-hierarchy es: clasificar la tarea, decidir si es rutinaria/moderada/compleja y después seleccionar el modelo aceptable más barato antes de ejecutar. Para subagentes, usa por defecto el barato salvo que el trabajo requiera razonamiento profundo o visión. Sé explícito cuando la tarea incluya entrada de imágenes, lectura de gráficos u otro trabajo no textual, porque en esos casos no deberían usarse modelos solo de texto. Ese límite importa más que el coste por token.
Preguntas frecuentes sobre la skill model-hierarchy
¿model-hierarchy es solo para OpenClaw?
No. OpenClaw es un patrón de integración compatible, pero la skill también es relevante para Claude Code, Codex y otros stacks de agentes que permiten definir el comportamiento de enrutamiento en las instrucciones. Si tu sistema puede seguir una política de selección de modelos, model-hierarchy normalmente encaja.
¿En qué se diferencia de un prompt normal?
Un prompt normal pide un comportamiento puntual. La skill model-hierarchy te da una regla de enrutamiento reutilizable que un agente puede aplicar antes de cada tarea. Eso la hace mejor para operaciones repetidas, agentes en segundo plano y flujos de trabajo sensibles al coste donde la elección del modelo forma parte del trabajo.
¿Es apta para principiantes?
Sí, si puedes distinguir entre tareas rutinarias, moderadas y complejas. La skill es más simple que un motor de políticas completo, pero aun así necesitas ser honesto sobre la dificultad real de la tarea. Si clasificas de forma demasiado baja una depuración difícil o trabajo con visión como rutinario, el ahorro desaparece cuando el modelo falla y tienes que volver a ejecutar.
¿Cuándo no debería usarla?
No uses model-hierarchy como estrategia general para rebajar todo. Si el trabajo requiere depuración profunda, decisiones de arquitectura, revisión de seguridad o entrada multimodal, normalmente el modelo más barato es la elección equivocada. Tampoco encaja bien si tu organización ya impone la selección de modelos en el código con controles sólidos.
Cómo mejorar la skill model-hierarchy
Da etiquetas de tarea más precisas
La forma más rápida de mejorar los resultados de model-hierarchy es indicar la categoría de la tarea desde el principio. Las buenas entradas nombran la acción y la complejidad esperada: “búsqueda rutinaria de archivo”, “borrador de código moderado” o “depuración compleja con fallo previo”. Eso reduce las suposiciones y ayuda al agente a aplicar la capa correcta a la primera.
Describe las restricciones que afectan al enrutamiento
La elección del modelo cambia cuando mencionas el tamaño del contexto, la entrada multimodal o la tolerancia al fallo. Por ejemplo: “Esta es una tarea de resumen solo texto a partir de un log de 200 líneas” o “Esto requiere análisis de capturas, así que evita modelos solo de texto”. Esos detalles importan porque sacan a la luz casos de desajuste que la skill no debería optimizar a costa de ignorar.
Itera después del primer pase
Si la primera respuesta parece demasiado compleja, pide al agente que reclasifique la tarea y explique por qué eligió ese nivel. Si parece demasiado débil, solicita una subida de nivel e identifica las señales que faltaban: razonamiento entre archivos, ambigüedad o un fallo previo. La model-hierarchy guide funciona mejor cuando la usas como comprobación de enrutamiento, no como un veredicto de una sola vez.
Vigila los fallos más comunes
El principal fallo es tratar como rutinarias tareas que, aunque parecen simples, esconden dependencias, casos límite o necesidades de visión. Otro es copiar la skill a un flujo de trabajo sin decirle al agente dónde encontrar la política o cuándo sobrescribirla. Para mejorar model-hierarchy for Workflow Automation, mantén la regla de enrutamiento cerca del origen de la tarea y deja explícita la vía de escalado.