·external-model-selection
{}

external-model-selection

Scegli modelli di IA esterni ottimali per l'analisi del codice, l'indagine dei bug e le decisioni sull'architettura. Da utilizzare quando si consultano più LLM tramite claudish, si confrontano le prospettive dei modelli o si indaga su problemi complessi di Go/LSP/transpiler. Fornisce classifiche dei modelli convalidate empiricamente (91/100 per MiniMax M2, 83/100 per Grok Code Fast) e strategie di consultazione comprovate basate su test nel mondo reale.

4Installazioni·0Tendenza·@microck

Installazione

$npx skills add https://github.com/microck/ordinary-claude-skills --skill external-model-selection

Come installare external-model-selection

Installa rapidamente la skill AI external-model-selection nel tuo ambiente di sviluppo tramite riga di comando

  1. Apri il terminale: Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.)
  2. Esegui il comando di installazione: Copia ed esegui questo comando: npx skills add https://github.com/microck/ordinary-claude-skills --skill external-model-selection
  3. Verifica l'installazione: Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Fonte: microck/ordinary-claude-skills.

Purpose: Select the best external AI models for your specific task based on empirical performance data from production bug investigations.

When Claude invokes this Skill: When you need to consult external models, choose between different LLMs, or want diverse perspectives on architectural decisions, code bugs, or design choices.

Strategy 1: Fast Parallel Diagnosis (DEFAULT - 90% of use cases)

Scegli modelli di IA esterni ottimali per l'analisi del codice, l'indagine dei bug e le decisioni sull'architettura. Da utilizzare quando si consultano più LLM tramite claudish, si confrontano le prospettive dei modelli o si indaga su problemi complessi di Go/LSP/transpiler. Fornisce classifiche dei modelli convalidate empiricamente (91/100 per MiniMax M2, 83/100 per Grok Code Fast) e strategie di consultazione comprovate basate su test nel mondo reale. Fonte: microck/ordinary-claude-skills.

Fatti (pronti per citazione)

Campi e comandi stabili per citazioni AI/ricerca.

Comando di installazione
npx skills add https://github.com/microck/ordinary-claude-skills --skill external-model-selection
Categoria
{}Analisi
Verificato
Prima apparizione
2026-02-01
Aggiornato
2026-03-10

Browse more skills from microck/ordinary-claude-skills

Risposte rapide

Che cos'è external-model-selection?

Scegli modelli di IA esterni ottimali per l'analisi del codice, l'indagine dei bug e le decisioni sull'architettura. Da utilizzare quando si consultano più LLM tramite claudish, si confrontano le prospettive dei modelli o si indaga su problemi complessi di Go/LSP/transpiler. Fornisce classifiche dei modelli convalidate empiricamente (91/100 per MiniMax M2, 83/100 per Grok Code Fast) e strategie di consultazione comprovate basate su test nel mondo reale. Fonte: microck/ordinary-claude-skills.

Come installo external-model-selection?

Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/microck/ordinary-claude-skills --skill external-model-selection Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw

Dov'è il repository sorgente?

https://github.com/microck/ordinary-claude-skills