按任务需求选择 模型 × 推理强度，把路由流程装进一个可分享的 Codex Skill。
不同任务需要不同的推理投入。这个 Skill 将当前宿主支持的模型和推理档位整理为候选，由 Jev 判断任务需求，再由 Codex 使用选定配置执行适合独立完成的子任务。
| 按需选择 | 轻量安装 | 结果可核对 |
|---|---|---|
| 从真实可用的模型与档位中选择 | Python 标准库，无需额外 pip 依赖 | 返回置信度、决策 ID 和本地审计记录 |
| 用户指定的模型与预算优先 | 安装器不改现有模型配置或 Hooks | 分别说明选模结果与实际执行证据 |
Important
桌面版：给独立子任务选模。macOS CLI：可按指南另行接入原项目的逐轮路由。 安装本 Skill 不会自动切换桌面主会话模型，也不会自动拦截每条消息。
从 Releases 下载 ZIP，解压后在包含 install.py 的目录运行：
python install.pyWindows 可使用 py -3 install.py；macOS / Linux 可使用 python3 install.py。
其他安装方式：Git 克隆、自定义目录、手动复制
从 GitHub 克隆：
git clone https://github.com/455-dIAO/jev-codex-router-skill.git
cd jev-codex-router-skill
python install.py指定 Skills 目录：
python install.py --skills-dir /your/custom/skills手动安装： 将完整的 jev-codex-router 文件夹复制到当前用户的 Skills 目录。
默认位置为 $CODEX_HOME/skills/jev-codex-router；未设置 CODEX_HOME 时使用 ~/.codex/skills/jev-codex-router。
将所选提供方的 Key 配置到 Codex 进程能读取的环境变量中：
| 提供方 | 环境变量 |
|---|---|
| OpenRouter | OPENROUTER_API_KEY |
| TypeSafe | JEV_API_KEY 或 TYPESAFE_API_KEY |
不要把 Key 写入 Skill 或提交到仓库。每次实时选模会将任务摘要与候选描述发送到所选提供方，可能产生 API 费用。环境变量设置后，已运行的 Codex 可能需要重启才能读取。
打开新会话，复制这段提示词：
使用 $jev-codex-router 帮我配置 Jev 模型路由。
先检查当前宿主支持的执行方式，从真实模型目录生成候选配置。
使用我已配置的提供方凭据，为一个只读小任务做实时选模验证。
报告决策 ID、置信度、选定模型和推理强度，
并分别说明子任务是否执行、实际模型是否得到验证。
默认开启自动模型发现：每次路由前读取本机 Codex 的模型与推理档位，新模型无需手动配置。需要已登录、支持 app-server model/list 的 Codex。旧配置升级时删除固定 routes，设置 "model_source": "codex"。
python jev-codex-router/scripts/route.py --config jev-codex-router/assets/router.example.json --list-models此命令只查看候选，不调用 Jev。Codex 目录可能由客户端缓存提供，不能据此证明账户推理权限；桌面派发前仍核对宿主是否接受选定模型。
flowchart LR
A[任务摘要] --> C[Jev 判断]
B[宿主真实模型与推理档位] --> C
C --> D{结果有效且置信度达标?}
D -->|是| E[记录决策与审计]
E --> F[Codex 原生工具执行]
F --> G[核对实际执行模型]
D -->|否 / defer| H[停止派发 · 主智能体继续分析]
Jev 负责选择，Codex 负责执行。路由脚本返回结构化参数，不会自行创建智能体。宿主必须支持显式传入模型与推理强度，才能真正采用选定配置。
| 桌面原生子智能体 | macOS Codex CLI | |
|---|---|---|
| 路由对象 | 适合独立执行的子任务 | 每轮用户消息 |
| 运行方式 | 本包选择器 + 宿主原生派发工具 | 另行安装上游运行时 |
| 前提 | Python 3.10+；宿主允许显式选模 | macOS、已登录的 Codex CLI、Jev Key |
| 使用指南 | 配置与验证 | 上游接入指南 |
Note
没有显式选模接口时，结果只能作为建议。本包已完成 Windows 桌面子任务实际模型核验，以及 Ubuntu / macOS 的安装与离线路由测试。macOS 上游 CLI 的登录和逐轮路由是另一条链路，仍需另行验证。
v1.1.0（2026-10-09）：本机自动读取 7 个模型、40 个模型/档位组合；Windows 26 项测试通过、1 项链接权限用例跳过。真实 Jev 调用已验证，但本轮完整示例的置信度低于原有 0.65 阈值，按预期停止派发；没有将低置信度结果当作执行成功。详细记录见 VALIDATION.md。顶部徽章显示最新跨平台工作流状态。
以下表格保留 2026-09-22 / v1.0.1 的历史验证快照，不代表新版本重新完成了这些实际模型执行检查。
| 检查项 | 结果 |
|---|---|
| Skill 格式校验 | ✅ 通过 |
| Windows 离线回归测试 | ✅ 16 项通过；1 项因链接创建权限跳过 |
| ZIP 解压后首次安装与重复安装 | ✅ 通过 |
| OpenRouter 实时选模 | ✅ 一次合成任务成功，置信度 1.0 |
| 桌面子任务实际执行模型 | ✅ 本包选模 → 原生派发 → 完成；执行记录确认 gpt-5.6-luna / low |
| TypeSafe 官方账户直连 | ✅ 使用本机账户环境凭据，真实调用成功，置信度 1.0 |
| Ubuntu / macOS 系统运行 | ✅ GitHub 托管系统，Python 3.10 / 3.12 四组各 17 项通过；另有 Ubuntu WSL 验证 |
| 上游 macOS CLI 登录与逐轮路由 | ⏳ 未验证；跨平台离线测试不包含这条链路 |
| v1.0.0 完整 Skill 独立审查 | ⏸ 当时因 Jev 低置信度未派发；本轮验证不替代完整审查 |
查看完整验证记录 → · 查看 macOS / Linux 测试运行 →
自己运行离线测试或核对下载文件
在仓库或分发包根目录运行，不需要 API Key：
python -m unittest discover -s tests -vRelease 附带 .zip.sha256 文件。Windows PowerShell 可运行下面的命令，将结果与校验文件中的值比较：
Get-FileHash .\jev-codex-router-skill-v1.1.0.zip -Algorithm SHA256| 文件 | 内容 |
|---|---|
| SKILL.md | Codex 加载的 Skill 入口与执行规则 |
| 配置与使用 | 提供方、模型候选、输入输出与验收步骤 |
| macOS 上游接入 | 原项目的安装、配置与卸载 |
| 配置模板 · 任务模板 | 由 Codex 按当前环境补全的起始文件 |
| 路由脚本 | 选择、响应校验与审计实现 |
| 来源与边界 | 原理来源、API 文档与实现说明 |
安装后找不到 Skill？
先打开新的 Codex 会话，必要时重启应用。确认安装目录属于当前用户及当前 CODEX_HOME，再输入 $jev-codex-router。
重复安装会覆盖我的配置吗？
安装器只复制必要文件，不联网、不读取 Key，不修改 Hooks、AGENTS.md 或已有模型配置。相同内容返回 already_installed；已有内容不同时停止覆盖。需要更新时，先备份旧 Skill 目录和个人改动。
安装后会自动给所有任务切换模型吗？
不会。本 Skill 没有后台服务或自动 Hook。桌面模式下，Codex 在合适的独立子任务上调用选择器，再通过宿主支持的工具派发。若需要 macOS CLI 每轮消息自动路由，请按上游接入指南另行配置。
怎么卸载？
确认安装路径并备份个人改动后，只移除 Skills 目录中的 jev-codex-router 文件夹。工作目录内的配置、审计，以及独立安装的上游运行时不会随之删除。
原理参考 gholtzap/jev-codex-model-and-effort-router
社区独立实现 · 非 TypeSafe、OpenAI 或上游官方产品 · 不承诺固定额度节省或任务成功率