模型角色与回退链配置指南

其核心设计理念是按用途路由：让不同的模型去处理最适合它们的任务，从而在效果、速度和成本之间取得最佳平衡。

一、 模型角色详解 (Model Roles)

给不同的工作任务分配不同的“专家”。你不需要在每次对话时手动切换模型，OMP 会根据当前任务自动选择预设好的角色模型。

角色 (Role)	核心用途与区别	配置建议
default	主对话模型。用于处理大多数常规、交互式的对话任务。	选择综合能力最强、最均衡的模型，作为日常工作的主力。
smol	小型/快速/廉价模型。专为对速度和成本敏感的轻量级任务设计，如后台处理、代码补全等。	优先考虑成本低、响应快的模型，例如 Haiku 或 GPT-mini 系列。
slow	重型推理模型。用于处理需要深度“思考”的复杂任务，如难题分析、代码审查等。	选择推理能力顶尖的模型，例如 Opus 或 GPT-5.5，以应对高难度挑战。
vision	视觉/图像分析模型。专门用于处理和理解图像输入，例如阅读截图、分析图表等。	必须选择一个支持视觉输入的多模态模型。
plan	架构/规划模型。在“Plan Mode”下使用，帮助你在写代码前进行架构设计和任务规划。	建议与 slow 使用相同的强推理模型，或专门选择擅长规划的模型。
commit	提交信息生成模型。专门用于自动生成 Git 提交信息和变更日志。	这是一个可以“轻松省钱”的角色，用 smol 级别的小模型就足够了。
tiny	轻量级后台任务模型。用于会话标题生成、内存管理等非常轻量的后台工作。	如果未设置，会自动回退到 smol 角色。
memory	内存管理模型。专门处理与内存相关的后台任务。	如果未设置，会自动回退到 tiny 角色。
task	子代理/任务委派模型。当主代理需要将任务拆分并委派给子代理时使用。	适合选择一个能力均衡的模型，例如 Sonnet 系列。
advisor	后台顾问模型。在每个回合中提供额外的审查和建议，但这会成倍增加调用次数。	选择一个独立的强推理模型，默认情况下它不会继承你的主对话模型。
widget	交互式小组件模型。用于驱动 OMP 界面中的交互式小组件（Widget）运行。	通常选择轻量快速的模型即可。
judge	评判/裁决模型。用于对回答或代码进行质量评估和裁决（Judgment）。	可以选择 tiny 或普通的聊天模型。

---

二、 回退链机制 (Fallback Chains)

fallbacks:deepseek-flash 和 retry-fallback 是模型请求失败时的自动降级机制。

• 作用：当某个模型因请求过载（如返回 429 错误）、权限问题或持续失败时，OMP 会自动将当前任务按顺序交给 fallback 链中的下一个模型处理，确保任务不中断。
• 选择：通常无需手动干预。如果希望为 deepseek-flash 配置更稳健的备用模型，可以在配置文件中调整 retry.fallbackChains 的顺序。

---

三、 配置选择建议

对于绝大多数用户，保持默认的自动选择即可，OMP 会在你登录提供商后自动分配可用的模型。

当你希望获得更可预测的质量、延迟或成本时，可以手动配置。一个推荐的入门策略是：

1. 稳住核心：为 default、slow 和 plan 角色分配最强的前沿模型。
2. 控制成本：将 smol、commit 和 tiny 这类后台任务角色分配给快速且便宜的小模型。
3. 按需启用：advisor 角色会显著增加调用量，除非你明确需要每轮审查，否则可以保持关闭。
4. 特殊能力：如果你的主模型不支持图片，记得为 vision 角色单独配置一个多模态模型。