概述
OpenRouter 用一个 API 接入众多提供商的数百个模型。本词条介绍 OpenRouterTeam/skills 中的 OpenRouter 官方 Skills,这是一组教编程 Agent 正确对接 OpenRouter 的 Agent Skills。它们可用于任何支持 Agent Skills 标准的客户端,包括 Claude Code、Cursor、OpenCode、OpenAI Codex 和 Pi,当请求命中某个 Skill 的触发条件时会自动加载。
包含内容
- openrouter-models:查询可用模型、对比价格、查看上下文长度和提供商表现,并模糊匹配模型名。
- openrouter-benchmarks:来自 Artificial Analysis 与 Design Arena 的基准排名。
- openrouter-typescript-sdk 与 openrouter-agent-migration:TypeScript SDK 的
callModel用法,以及迁移到独立的@openrouter/agent包。 - openrouter-images、openrouter-tts、openrouter-stt、openrouter-video:图像生成与编辑、语音合成、语音转写、异步视频生成。
- openrouter-analytics(及 schema、query 两个配套 Skill)与 openrouter-generations:查询自己的花费、请求量、延迟和 token,并检查单次生成详情。
- openrouter-oauth:用原生
fetch实现 OAuth PKCE 的「Sign In with OpenRouter」。 - create-agent-tui 与 create-headless-agent:在 OpenRouter 上搭建 TypeScript Agent 脚手架。
快速上手
# Claude Code
/plugin marketplace add OpenRouterTeam/skills
/plugin install openrouter@openrouter
# 通过 GitHub CLI(v2.90.0+)安装到任意支持的 Agent
gh skill install OpenRouterTeam/skills
gh skill install OpenRouterTeam/skills openrouter-images --scope user
export OPENROUTER_API_KEY=... # 在 openrouter.ai/keys 获取
Cursor 中可把 OpenRouterTeam/skills 添加为远程 GitHub 规则。之后可以问:「某个价格以下、支持 200K 上下文的模型有哪些?」「按模型拆分上周的花费」。
适用场景
- 在编辑器里按价格、上下文长度或基准选择模型。
- 用一个 API Key 给应用加上图像、语音或视频生成。
- 不离开终端审计 OpenRouter 用量与成本。
局限
- 所有脚本都需要
OPENROUTER_API_KEY,模型调用费用计入你的 OpenRouter 账户。 - 这些 Skill 讲的是 OpenRouter 自身的 API,并不是可自托管的路由网关。
常见问题
可以只装一个 Skill 吗?
可以。把 Skill 名传给 gh skill install,例如 openrouter-images。
会自动更新吗?
通过 Claude Code 等原生插件系统安装时会自动更新。
替代方案
- Cloudflare AI Gateway:在各提供商前加缓存、限流和分析。
- 9Router 与 OmniRoute:可自托管的开源路由器。
更多内容见 Skills 分类 与 OpenRouter 标签。
评论
还没有评论。成为第一个评论的人!
相关工具
相关洞察

Anthropic Subagent:多智能体时代的架构革命
深入解析 Anthropic 的多智能体架构设计。了解如何通过 Subagent 突破上下文窗口限制,实现性能提升 90%,以及多智能体系统在 Claude Code 中的实际应用。
GPT-6 Astra 没追上 Fable 5.1,追上的是账单
Artificial Analysis 智能指数上 Fable 5.1 66 分、Astra 61 分,Astra 没追上智力。但完成同一批任务的成本只要 Fable 5.1 的不到一半,真正收紧的是账单,不是脑子。
7 款 AI 编程 CLI 用了半年,我悟出一个道理:模型再强,干活也要有监督
Claude Code、Codex、opencode、pi、omp、DeepSeek Harness 各有性格。半年深度使用后我总结出一套分工矩阵:pi 做最省事的 CR、omp 审复杂 PR、DeepSeek Harness 配 V4 Flash 高频低成本审查、Claude Code 与 Qoder 写代码。模型再强,干活也要有监督,而且最好是独立第三方。