Llm Tool Selection Framework

---
name: llm-tool-selection-framework
description: 当需要为特定任务选择合适的大型语言模型或AI工具时
---

# llm-tool-selection-framework

## When to Use

当需要为特定任务选择合适的大型语言模型或AI工具时description

## Core Logic

# 执行步骤

1.  **定义任务需求与约束**
    *   **输入**：任务描述（如：写作、编程、研究）、预算限制、对实时信息的需求、对输出格式/风格的要求。
    *   **操作**：将任务需求拆解为具体指标，包括：对知识新鲜度的要求、对复杂推理能力的需求、对上下文长度的需求、对成本敏感度。
    *   **判断标准**：生成一份清晰的需求清单，明确优先级（如：成本 > 性能 > 实时性）。
    *   **输出**：明确的任务需求清单与约束条件。

2.  **评估基础模型能力**
    *   **输入**：任务需求清单、主流LLM提供商列表（如：OpenAI, Anthropic, Google, Meta等）及其核心特性。
    *   **操作**：根据需求清单，对比各模型在以下维度的表现：
        *   **知识新鲜度**：检查模型的预训练数据截止日期，判断是否满足任务对近期信息的需求。
        *   **推理能力**：评估任务复杂度。IF 任务涉及复杂逻辑、多步骤问题解决或高质量创作，THEN 考虑启用具备“思维模式”的模型（如 ChatGPT o1, Claude Sonnet 3.7）。ELSE 使用标准模型。
        *   **上下文窗口**：估算任务需要处理的文本总量。IF 需要处理或记忆大量文本（如长文档分析、长对话），THEN 优先选择上下文窗口大的模型（如 Google Gemini）。ELSE 此维度权重降低。
        *   **输出风格/调性**：根据任务对语气、风格的要求（如：正式、创意、简洁），匹配模型后训练调整的特点（如：Anthropic Claude 擅长写作）。
    *   **判断标准**：筛选出1-3个在核心能力上匹配需求的基础模型候选。
    *   **输出**：基础模型候选短名单及选择理由。

3.  **判断是否需要增强工具**
    *   **输入**：任务需求清单、基础模型候选短名单。
    *   **操作**：检查需求中是否存在基础模型的固有局限。
        *   IF 任务**需要获取实时信息或最新数据**，THEN 必须选择或结合具备联网搜索功能的工具（如 Perplexity, 带有搜索功能的ChatGPT）。
        *   IF 任务**需要进行深度、多源信息调研并追溯来源**，THEN 优先考虑具备深度研究功能的工具（如 Perplexity DeepResearch）。
        *   IF 以上需求均不存在，THEN 可跳过此步骤，直接进入步骤4。
    *   **判断标准**：明确是否需要以及需要何种增强工具来弥补基础模型短板。
    *   **输出**：增强工具需求结论（是/否）及具体工具类型。

4.  **评估集成化（包装）应用**
    *   **输入**：任务需求清单、增强工具需求结论。
    *   **操作**：判断是否存在高度专业化的工作流程。
        *   IF 任务属于**特定垂直领域**（如：软件开发），且存在将该领域工具与AI深度集成的应用，THEN 评估此类“包装”应用（如：编程领域的Cursor）是否能显著提升效率。
        *   IF 任务需要**频繁在多个人工智能工具和常规工作软件间切换**，THEN 评估一体化中心枢纽类应用（如：Kortex）的价值。
        *   IF 任务通用性强，或垂直集成应用不成熟，THEN 优先选择基础模型+必要增强工具的组合。
    *   **判断标准**：确定最终解决方案形态：是使用基础/增强模型，还是采用特定集成应用。
    *   **输出**：最终的工具选型方案（具体模型/应用名称）及架构理由。

# 输出格式要求
提供一份结构化的选型建议报告，包含：
1.  **核心任务与需求**：重申任务目标与关键约束。
2.  **推荐方案**：明确指出推荐的模型或工具名称。
3.  **关键理由**：分点说明该方案如何满足步骤1中定义的各项需求（如：成本、能力、实时性等）。
4.  **备选方案**：提供1个备选方案，并简要说明其适用场景或与首选方案的差异。

## Metadata

| 属性 | 值 |
|------|-----|
| 领域 | 人工智能应用 |
| 类型 | procedural (procedural) |
| 置信度 | 90% |
| 前置条件 | 已明确任务目标、预算约束和性能要求 |
| 来源 | 人工智能入门指南：2：人工智能模型与工具的基础 |