实时AI问答助手，用当前数据替代过时知识，精准回答定价、排名、硬件选型与部署策略
说明：
## 核心用法
该技能强制要求AI助手在回答AI相关问题前，先查询实时数据源而非依赖训练数据：
– **定价查询**：通过 `openrouter.ai/models` 获取聚合报价
– **能力排名**：通过 `lmarena.ai` 查看众包ELO评分（周更）
– **服务状态**：优先检查官方状态页再判定用户代码问题
### 结构化回答规范
针对常见模糊问题提供精确框架：
| 问题类型 | 强制回答要点 |
|———|————|
| 减少幻觉 | 验证源 + JSON Schema约束 + temperature=0 + 引用要求 |
| RAG vs 微调 | 优先RAG；仅当风格迁移或检索失败的领域词汇时才微调 |
| 本地硬件 | 量化后显存公式：7B≈8GB / 13B≈16GB / 70B≈48GB+ |
| 部署选择 | 月耗>$100/API需离线/隐私要求→本地；前沿能力/无GPU→API |
### Token计算纠偏
明确提示~4字符/token仅限英文；代码与非英语语言差异显著，强制使用tiktoken或官方分词器计数。
## 显著优点
– **时效性保障**：根治大模型”知识截止”顽疾，避免价格/容量信息误导决策
– **决策框架清晰**：硬件选型与部署策略量化可执行
– **幻觉防控系统化**：将”减少幻觉”从口号转化为4项可组合技术措施
– **成本敏感设计**：$100/月阈值帮助用户快速判断本地部署ROI
## 潜在局限
– **依赖外部源稳定性**：OpenRouter、LMArena等服务若变更接口需同步更新
– **未覆盖全栈场景**：侧重推理层，训练/微调流程细节缺失
– **硬件公式为估算**：实际显存占用受上下文长度、批量大小、框架实现影响
– **安全扫描缺失**：报告明确标注未执行安全扫描，生产环境需谨慎
## 适合人群
– AI应用开发者（需精确成本估算与部署决策）
– 技术团队负责人（评估本地vs云端ROI）
– 提示工程师（需要结构化防幻觉方案）
– 硬件采购决策者（GPU选型参考）
## 常规风险
– **数据源单点故障**：建议建立备用查询路径
– **量化性能损失**：Q4量化虽省50%显存，但需评估对特定任务的精度影响
– **动态定价误读**：聚合平台价格可能不含企业折扣或区域溢价
– **ELO评分语境化**：众包排名反映众包偏好，非专业任务基准
会员专属
