model-router

Model Router

Skill central du plugin token-optimizer. Orchestre la classification puis la delegation vers un sous-agent specialise par modele.

Quand declencher

Activer ce skill DES QU'UNE nouvelle requete utilisateur arrive ET que la requete depasse le simple aller-retour conversationnel (question factuelle tres courte). Ne pas activer pour les reponses directes de moins de 2 tours.

Methodologie en 4 etapes

1. Extraire les signaux du prompt

Mesurer en une passe :

• Longueur input : compter approximativement les tokens (ratio 1 token = 0,75 mot en francais/anglais). Utiliser python3 ${CLAUDE_PLUGIN_ROOT}/scripts/classify.py "<prompt>" si disponible.
• Type de tache : detecter via mots-cles et structure. Lire references/task-types.md pour la grille complete.
• Presence de code/fichiers/donnees : verifier les attachements, les blocs markdown code, les mentions de fichiers, CSV, SQL, JSON volumineux.
• Profondeur de raisonnement demandee : reperer "explique pourquoi", "analyse", "compare", "planifie", "audit", "architecture", "trade-off".

2. Calculer le tier de complexite

Tier	Modele cible	Signaux declencheurs
T1 - Simple	Haiku 4.5 (claude-haiku-4-5-20251001)	Prompt < 1500 tokens, tache = FAQ / resume court / reformulation / traduction simple
T2 - Standard	Sonnet 4.6 (claude-sonnet-4-6)	1500-15000 tokens, redaction / analyse documentaire / code non critique
T3 - Complexe	Opus 4.6 (claude-opus-4-6)	> 15000 tokens OU code critique/securite OU architecture systeme

Regles de forcage :

• Si le prompt mentionne "legal", "medical", "securite", "production", "incident" → monter d'un tier.
• Si le prompt est une conversation creative courte → forcer T1.
• Si le budget mensuel est sature (cf. budget-tracker) → desescalader d'un tier sauf mention "critique" explicite.

3. Verifier le budget mensuel

Consulter budget-tracker (appel a python3 ${CLAUDE_PLUGIN_ROOT}/scripts/budget.py status). Si la fenetre d'alerte est atteinte :

• 80% atteint → avertir l'utilisateur, recommander T(n-1) sauf mention "critique"
• 95% atteint → forcer Haiku pour le reste du mois sauf override explicite

4. Deleguer au sous-agent approprie

Trois agents sont disponibles dans agents/ :

• haiku-executor (Haiku 4.5) pour T1
• sonnet-executor (Sonnet 4.6) pour T2
• opus-executor (Opus 4.6) pour T3

Passer le prompt complet au sous-agent choisi via le Task tool en precisant subagent_type.

Optimisations pre-delegation

AVANT de deleguer, appliquer ces 3 optimisations dans l'ordre :

1. Compression de contexte : si le contexte precedent > 10000 tokens, declencher le skill context-compress.
2. Docs fraiches : si le prompt evoque une bibliotheque/framework, suggerer l'ajout de use context7 pour declencher l'injection de docs via le MCP Context7.
3. CLI compression : si des commandes bash sont prevues, verifier que rtk est actif (cf. skill cli-compress).

Format de sortie attendu

Annoncer explicitement la decision avant de deleguer :

Classification : <tier> (<raison principale>)
Modele choisi : <nom modele> (<alias>)
Budget restant ce mois : <%>
Optimisations appliquees : [compression | context7 | rtk]

Puis appeler le sous-agent via Task tool.