TaskSolver：面向视觉语言模型的跨提供商查询与解析流程
Wenri/TaskSolver · Provider-agnostic VLM query flow: one Agent that dispatches to OpenAI / Anthropic / Gemini / vLLM / Claude Code CLI / local HuggingFace model backends, returning parsed answers. Used by 3D-CoT.
ELI5：它是什么，解决什么问题
TaskSolver 是一个与提供商无关的视觉语言模型查询流程工具。用户定义 TaskSpec（提示词加答案类型），通过模型 ID 选择后端，由统一 Agent 将请求路由到 OpenAI、Anthropic、Gemini、vLLM、Claude Code CLI、Codex、Kimi Code、Antigravity CLI 或本地 HuggingFace 模型等后端，并返回解析后的答案，内置解析失败重试。项目最初面向 BlenderAlchemy 风格的 VLM 系统，被 3D-CoT 使用。
核心能力与快速开始
★ 0 · Python
- 能做什么
- 统一 Agent 按模型 ID 懒加载不同提供商适配器，覆盖 OpenAI、Anthropic、Claude Agent SDK/CLI、Antigravity CLI、Codex SDK、Kimi Code CLI、vLLM、Moonshot/Kimi HTTP、Gemini 与本地 HuggingFace；通过 TaskSpec 定义提示词与答案解析类型，返回解析结果并在解析失败时重试。
- 适用场景
- 需要同时调用多家视觉语言模型或本地模型的 Python 项目；为 VLM 系统提供统一查询与答案解析层；构建依赖多后端切换的 Agent 应用。
- 项目形态
- 开发框架
- 部署方式
- 需通过 pixi 安装；提供默认环境（无需 GPU）与 cuda 环境（本地 HuggingFace 与 flash-attn，需支持 CUDA 13.4 的 NVIDIA GPU）；另提供 Nix flake 构建 x86_64-linux 版本。
- 主要依赖
- Python 3.15，使用 pixi 管理环境并固定 Node.js 26；本地模型后端需 NVIDIA GPU 与 CUDA 13.4，flash-attn 首次需从源码编译；使用各云端后端需相应 API 凭据（KeyChain 文件或环境变量）。
- 使用限制
- agy 与 Claude Code 运行时基于专有上游可执行文件，不进入可再分发构建；使用 native agy/codex/kimi-code 的环境需与被构建环境使用相同 Python 次版本（仓库固定 3.15）；各提供商 API 费用与配额未说明；Nix 构建首次耗时数小时。
- 许可证
- GPL-3.0
- 最近推送
- 2026-11-07 21:42
资料检查：2026-11-08 07:00 · 卡片整理：2026-11-08 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
职业应用
程序员
在开发视觉语言模型相关程序时，用统一的 Agent 按模型 ID 将查询路由到 OpenAI、Anthropic、Gemini、vLLM 或本地 HuggingFace 等后端，并通过 TaskSpec 定义提示词与答案类型，获得解析后的答案及解析失败重试，减少为不同提供商分别编写调用与解析代码。
查看内容依据
You define a `TaskSpec` (a prompt plus the answer type that parses the model's reply), pick a backend with a model-id string, and call it — TaskSolver routes the request to the right provider and hands back a parsed answer with retry-on-parse-failure built in.
由 AI 根据来源材料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。