modelscope-model-update

name	modelscope_model_update
description	扫描 ModelScope 前沿模型、验证"魔搭社区"API 来源、用权威榜单评估性能、 生成推荐报告，用户确认后写入 keys.json。覆盖 LLM/VL/aigc_image/aigc_video （可写入）+ TTS/ASR（仅记录）共 6 个方向。 触发词：更新modelscope、更新魔搭模型、modelscope模型、前沿模型清单、 项目缺什么模型、扫描魔搭、魔搭社区。当用户提到 ModelScope、魔搭、 前沿模型清单、补齐项目模型方向时触发。
task_type	adhoc.modelscope_model_update

ModelScope 模型库更新 Skill

概述

定期或不定期扫描 ModelScope 网站上支持 API 调用的前沿模型，验证 API 提供方含"魔搭社区"（排除仅支持 OpenAI/Anthropic 等外部源的模型），用三大权威榜单（artificialanalysis.ai / arena.ai / superclueai.com）评估性能，生成推荐报告，用户 AskUserQuestion 确认后写入 data/llm/keys.json。

ModelScope 入口：https://modelscope.cn/models?filter=inference_type&page=1&tabKey=task（已预选只展示支持 API 调用的模型）

方向覆盖（6 类）：

• LLM / VL / aigc_image / aigc_video → 可写入 keys.json（项目已有 use_case）
• TTS / ASR → 仅记录在推荐报告中（项目当前无 use_case，未来用到再说）

触发词

• "更新 modelscope"
• "更新魔搭模型"
• "modelscope 模型"
• "前沿模型清单"
• "项目缺什么模型"
• "扫描魔搭"
• "魔搭社区"

工作流程

阶段 1：读取项目当前模型覆盖

• 读 data/llm/keys.json，按 scope 字段聚合已有模型：
  • llm → 文本生成方向
  • vl → 视觉多模态方向
  • aigc_image → 图片生成方向
  • aigc_video → 视频生成方向
  • 语音方向当前为空
• 读 memory_get('modelscope_model_update') 了解上次更新进度、已知缺漏

阶段 2：识别缺漏方向并询问用户

• 对照 6 方向清单：
  • LLM：至少 3 个前沿模型（覆盖通用/推理/快速三类）→ 可写入 keys.json
  • VL：至少 2 个（覆盖纯视觉理解 + 多模态对话）→ 可写入 keys.json
  • aigc_image：至少 2 个（覆盖写实 + 风格化）→ 可写入 keys.json
  • aigc_video：至少 1 个 → 可写入 keys.json
  • TTS：至少 1 个（项目当前无 use_case）→ 仅记录在报告中
  • ASR：至少 1 个（项目当前无 use_case）→ 仅记录在报告中
• AskUserQuestion 问用户本次要更新哪些方向，避免全扫浪费时间

阶段 3：ModelScope 网站扫描（CDP）

• 启动调试浏览器：python tools/browser/start_debug_browser.py（CDP 端口 9222）
• 必读：先查 .agents/skills/browser_lessons/ 看 modelscope.cn 是否有 sites 文件，有则读已知坑
• 访问入口 URL（已预选 API 调用过滤）
• 按用户选定方向点击左侧任务过滤项（详见 references/modelscope_site_guide.md）：
  • LLM → "文本生成"
  • VL → "视觉多模态理解"
  • aigc_image → "文本生成图片"
  • aigc_video → "文本生成视频"
  • TTS → "语音合成"
  • ASR → "语音识别"
• 翻页扫描模型卡片列表，提取每个模型的：模型 ID、简介前 100 字、下载量/点赞数
• 每个方向至少收集 5-10 个候选

阶段 4：API 来源验证（关键步骤）

• 对每个候选模型，逐个点开模型详情页 https://modelscope.cn/models/{model_id}
• 等待右侧 API 面板（class acss-17aobl4，位置 left=896, w=384）渲染
• 判断规则：
  • 面板标题为"推理 API-Inference" 且 提供方列表含"魔搭社区" → 可用
  • 面板只显示"OpenAI"/"Anthropic"等其他来源 → 跳过（用户明确排除）
  • 没有右侧 API 面板 → 跳过（不支持 API 调用）
• 记录可用模型的 API 调用方式（LLM=OpenAI 兼容、Image=异步任务等）

阶段 5：性能评估（权威榜单）

• 三个榜单的访问策略（详见 references/leaderboards_guide.md）：
  • artificialanalysis.ai：WebFetch 公开页，查 LLM 的 quality/speed/price 三维
  • arena.ai：需梯子。RunCommand 启动你的梯子软件（如 Clash Verge），主页找"启动代理"开关。启动后用 CDP 浏览查 LLM 的 Elo 排名
  • superclueai.com：WebFetch 公开页，查中文综合榜单
• 查不到榜单数据的模型：参考 ModelScope 站内下载量/点赞数 + 模型作者权威性（腾讯混元、阿里 Qwen、智谱 GLM 等大厂默认可靠）
• 重要：启动梯子前必须 AskUserQuestion 询问用户许可

阶段 6：生成推荐报告

• 输出到 workspace/modelscope_model_update/推荐报告_{日期}.md
• 每个方向一个小节，LLM/VL/aigc_image/aigc_video 段落标注"可写入 keys.json"，TTS/ASR 段落标注"仅记录，未来用到再说"

阶段 7：用户确认

• AskUserQuestion 让用户选择 LLM/VL/aigc_image/aigc_video 4 个方向各要采纳的模型（multiSelect）
• TTS/ASR 方向不进入确认环节，仅留在报告中供未来参考
• 用户确认后进入阶段 8

阶段 8：写入 keys.json（仅用户确认后，仅针对 4 个可写入方向）

• 读取 data/llm/keys.json
• 在 modelscope_modelscope_dsv4_pro_2ca90cd3 条目（或新增条目）的 models 数组追加新模型：

  {
    "name": "<model_id>",
    "scope": ["<llm|vl|aigc_image|aigc_video>"],
    "limits": {},
    "tier": <按性能评估 1-5>,
    "enabled": true
  }
  

• 不写入 TTS/ASR 模型
• version + 1，updated_at 更新为今天
• 写记忆 memory_set('modelscope_model_update', {last_update, added_models, skipped_directions, tts_asr_reported_only})

关键约束（必须遵守）

1. API 来源必验：必须确认右侧面板提供方含"魔搭社区"，否则跳过。绝不写入仅支持外部源的模型
2. 仅推荐不擅改：阶段 1-7 只读不写 keys.json，必须用户 AskUserQuestion 确认后才能进入阶段 8
3. TTS/ASR 仅记录：语音方向项目当前无 use_case，扫描结果只写进推荐报告，不进入阶段 7 确认、不写入 keys.json，未来用到再说
4. 梯子需许可：启动 clash_verge 前 AskUserQuestion 询问用户
5. 方向先问：阶段 2 必须先问用户本次更新哪些方向，避免全扫浪费时间
6. 不擅自装库：用现有 requests/playwright/openai，不装新依赖
7. 浏览器踩坑：CDP 操作前查 browser_lessons，新发现的坑写入 sites/modelscope-cn.md

依赖

依赖	路径/接口	说明
调试浏览器	tools/browser/start_debug_browser.py	CDP 端口 9222
Playwright	connect_over_cdp("http://127.0.0.1:9222")	浏览 ModelScope
WebFetch	MCP 工具	抓 artificialanalysis.ai / superclueai.com
RunCommand	启动 clash_verge	仅 arena.ai 需要
exec_python	读写 keys.json	用户确认后写入
memory_get/set	进度记忆	跨会话保留
AskUserQuestion	用户确认方向、采纳清单、梯子许可	阶段 2/5/7

输出

• workspace/modelscope_model_update/推荐报告_{日期}.md（含 6 方向候选清单 + 性能评估 + 推荐结论）
• data/llm/keys.json（仅 4 个可写入方向，用户确认后更新）
• memory_set('modelscope_model_update', ...) 更新进度
• .agents/skills/browser_lessons/sites/modelscope-cn.md（首次扫描后写入踩坑经验）
• 用户对话报告（候选清单摘要、性能对比、用户确认结果）

参考文档

• modelscope_site_guide.md：ModelScope 网站 DOM 结构、过滤面板、API 面板识别规则、翻页机制
• leaderboards_guide.md：三大榜单访问方式、查询关键词、性能维度
• project_coverage_template.md：6 方向覆盖清单模板

与现有 skill 的关系

skill	关系
web_access	入口决策：ModelScope 用 CDP（路径 3，需 JS 渲染），榜单用 WebFetch（路径 2，公开静态）
browser_lessons	CDP 选中后必读依赖，首次扫描后写入 sites/modelscope-cn.md
niuke_review	结构参考：都是"WebFetch/CDP + 评分 + 报告"模式
apikey_test	关联：写入 keys.json 后可调 apikey_test 验证新模型可用性

风险与限制

1. ModelScope 改版风险：DOM 选择器（如 acss-17aobl4）为 2026-07 探索结果，失效时重新探索
2. 榜单覆盖限制：三大榜单主要覆盖 LLM，图片/视频/语音模型常不在榜单上。无榜单数据时参考下载量 + 作者权威性
3. arena.ai 梯子依赖：用户可能不想启动梯子，arena 是可选数据源
4. TTS/ASR 仅记录：项目当前无 TTS/ASR use_case，扫描结果只写入推荐报告。未来若项目加入 TTS/ASR 能力，可参考报告中的候选模型，再走阶段 7-8 流程写入 keys.json