目录前言一、什么是智能路由二、为什么需要智能路由三、准备工作3.1 注册并获取 API Key3.2 安装 Python 依赖3.3 用影刀 RPA 采集知乎热榜3.4 创建智能路由任务四、核心代码五、实测结果30条任务的完整调度记录六、这个结果说明了什么智能路由确实在动态调度统一网关省掉了模型切换的代码七、成本与效率八、为什么选蓝耘九、总结前言我平时刷知乎热榜的时候经常有一个困扰热榜上30个问题难度差别太大了。有的问题很简单比如“太阳系的8颗行星在地球上用肉眼能看到几颗”一句话就能说清楚。有的问题很复杂比如“国安部通报境外组织借医疗检测非法采血样”涉及生物安全、法律、国际关系多个维度需要深度分析。如果都用同一个模型处理要么是杀鸡用牛刀——简单问题用了太贵的模型要么是小马拉大车——复杂问题用便宜模型答不到位。蓝耘的智能路由刚好解决这个问题。它可以根据任务难度自动匹配模型不需要我在代码里写一堆 if/else 判断。这篇文章记录了完整的实测过程30条知乎热榜问题同一个脚本看蓝耘怎么自动调度模型。如果你也在做批量文本处理或者手头有大量异构任务需要跑模型这套方案可以直接复用。一、什么是智能路由先解释一下概念。平时调用大模型 API你需要指定具体用哪个模型——比如modeldeepseek-v3.2或者modelglm-5.1。每次都要自己判断这个问题该用便宜的还是贵的智能路由的逻辑是你不需要指定模型只需要创建一个路由任务配置好模型池比如同时放轻量模型、均衡模型、强推理模型然后调用时填路由 ID 就行。平台会自动分析任务复杂度从模型池里挑最合适的那个来执行。这就好比你去餐厅吃饭不用自己研究菜单只需要告诉服务员“我想吃清淡点的”他会帮你推荐。蓝耘的智能路由提供的策略包括效果优先全部走最强模型、成本优先简单任务走轻量模型、平衡模式动态权衡。二、为什么需要智能路由在动手之前先想清楚一个问题为什么不直接用最贵的模型答案很简单成本和质量之间需要平衡。我算过一笔账。如果用最强的推理模型处理所有30条知乎热榜问题每条任务消耗的Token和费用大概是现在的3到5倍。但实际上30条问题里有超过一半是简单问题——像“太阳系的8颗行星肉眼能看到几颗”这种用轻量模型完全够用没必要上旗舰模型。智能路由解决的就是这个问题。它把“判断该用哪个模型”这件事从代码里抽出来交给平台去做。我只需要在代码里填一个路由 ID具体用哪个模型由平台决定。更重要的是路由策略可以在平台侧随时调整。今天觉得质量不够换一个更激进的模型池明天觉得成本太高把轻量模型的比例调大。所有调整都在控制台完成不需要改一行代码。这就是“把模型切换交给平台”的核心价值。三、准备工作3.1 注册并获取 API Key蓝耘官网https://maas.lanyun.net/在左侧导航栏找到「API管理」→「密钥管理」点击「创建 API Key」。系统会生成一串密钥复制保存好这是后续所有操作的唯一凭证。蓝耘元生代 MaaS 提供 OpenAI 兼容入口Base URL 为https://maas-api.lanyun.net/v1。这意味着所有调用代码和调用 OpenAI 完全一致只需要把base_url换成蓝耘的地址。然后去「模型广场」确认要用模型的调用路径。这次实验我主要用到 MiniMax-M2.5 和 Qwen3.7-Plus 两个模型但具体哪条任务走哪个模型由智能路由自动决定。3.2 安装 Python 依赖pipinstallopenai pandas3.3 用影刀 RPA 采集知乎热榜这次实验的数据来源是知乎热榜用影刀 RPA 采集不需要写爬虫代码。打开影刀创建 PC 端机器人命名「知乎热榜采集」。流程编排如下打开/新建 Excel打开已有的Workbook.xlsx把 Excel 对象保存到excel_instance打开网页用 Microsoft Edge 打开https://www.zhihu.com/hot批量数据抓取第一次在网页中抓取「标题」列结果保存到web_data_table批量数据抓取第二次在网页中抓取「描述」列结果保存到web_data_table2写入内容至 Excel 工作表把web_data_table写入第 1 行 A 列写入内容至 Excel 工作表把web_data_table2写入第 1 行 B 列关闭 Excel保存并关闭excel_instanceExcel 转 CSV把Workbook.xlsx转换为 CSV 格式保存到桌面rpa_data文件夹之所以要绕一下先写 Excel 再转 CSV是因为如果直接用影刀导出 CSV桌面会同时出现一个 Excel 文件和一个 CSV 文件多一个文件看着乱。先写 Excel 再转 CSV输出目录里就只有一个zhihu_hot.csv干净。运行流程采集完成后检查 CSV 文件。如果 CSV 没有表头在第一行手动加上title,desc。3.4 创建智能路由任务登录蓝耘控制台左侧菜单找到「模型服务」→「智能路由」点击「创建路由」。我配置的参数如下配置项值任务名称知乎热榜分级摘要路由策略平衡模式模型池通用路由平台默认包含多个模型保存后复制路由任务 ID。这个 ID 就是后续代码里要填的ROUTER_ID。路由策略有三种可选效果优先全部走最强模型、成本优先简单任务走轻量模型、平衡模式动态权衡。我选了平衡模式因为这次实验的目的就是验证“平台能不能自动区分任务难度”。四、核心代码新建Python脚本核心逻辑分四步读数据 → 判断难度 → 调路由 → 输出结果。importpandasaspdimportjsonimporttimefromdatetimeimportdatetimefromopenaiimportOpenAI# 配置区 API_KEY你的蓝耘API_KEYBASE_URLhttps://maas-api.lanyun.net/v1ROUTER_ID你的任务idMAX_TOKENS500# clientOpenAI(api_keyAPI_KEY,base_urlBASE_URL)defclassify_difficulty(title,desc):根据关键词给任务打难度标签textf{title}{desc}.lower()ifany(kwintextforkwin[是什么,怎么用,如何理解,有哪些]):returneasyelifany(kwintextforkwin[影响,背后,逻辑,趋势,未来]):returnhardelse:returnmediumdefsummarize(title,desc,difficulty):调用蓝耘智能路由生成摘要prompt_map{easy:f用一句话回答{title}。补充{desc},medium:f从多角度分析给出核心观点和理由{title}。补充{desc},hard:f结构化深度分析输出背景、核心矛盾、各方观点、潜在影响{title}。补充{desc}}starttime.time()responseclient.chat.completions.create(modelROUTER_ID,messages[{role:user,content:prompt_map[difficulty]}],max_tokensMAX_TOKENS,temperature0.3)elapsedint((time.time()-start)*1000)contentresponse.choices[0].message.content model_usedgetattr(response,model,unknown)usageresponse.usagereturncontent,model_used,elapsed,usage.prompt_tokens,usage.completion_tokens# 读取数据dfpd.read_csv(zhihu_hot.csv)print(f任务数:{len(df)}; 线路: route:{ROUTER_ID})print(f单次输出上限{MAX_TOKENS}tokens\n)results[]total_prompt0total_completion0success0foridx,rowindf.iterrows():task_idfT{idx1:02d}titlestr(row[title])[:20]difficultyclassify_difficulty(row[title],row[desc])try:summary,model_used,elapsed,pt,ctsummarize(row[title],row[desc],difficulty)total_promptpt total_completionct success1print(f[route]{task_id}{title}- response_model{model_used}{elapsed}ms)results.append({id:task_id,title:row[title],difficulty:difficulty,summary:summary,model_used:model_used,latency_ms:elapsed,prompt_tokens:pt,completion_tokens:ct})exceptExceptionase:print(f[route]{task_id}{title}- ERROR:{e})results.append({id:task_id,error:str(e)})timestampdatetime.now().strftime(%Y%m%d-%H%M%S)print(f\n完成: 成功{success}/{len(df)}, prompt tokens{total_prompt}, completion tokens{total_completion})output_filefresults-{timestamp}.jsonwithopen(output_file,w,encodingutf-8)asf:json.dump(results,f,ensure_asciiFalse,indent2)print(f结果已写入{output_file})五、实测结果30条任务的完整调度记录运行脚本后终端逐条输出了30个任务的执行情况。以下是完整的运行记录包含了每条任务的实际响应模型和耗时任务ID标题截取难度实际响应模型耗时(ms)T01女网红参加柏林马拉松比赛却通过骑自行车mediumminimax/minimax-m2.527596T02国安部通报境外组织借医疗检测非法采血样hardqwen3.7-plus50632T03西游记里的人参果这么好为什么妖怪不去抢easyminimax/minimax-m2.515613T04《艾希续》众筹突破2000万制作人直播下跪mediumminimax/minimax-m2.59090T0530岁女子靠AI婚庆培训年入200万mediumminimax/minimax-m2.513265T06如何看待台独分子沈伯洋竞选台北市长mediumminimax/minimax-m2.510777T07乘联分会称2026年1-8月中国占世界汽车份额回落hardqwen3.7-plus9945T08武侠游戏里「朝廷」永远不参与江湖纷争mediumminimax/minimax-m2.521618T09为什么感觉在店里喝到的茶叶总比自己泡的好喝easyminimax/minimax-m2.58760T10苏超1/4决赛首回合无锡队3:0徐州队mediumminimax/minimax-m2.519435T11为什么现在老外纷纷开始给游戏加中文mediumminimax/minimax-m2.516296T12小学防欺凌信箱开出四个月前的求助信mediumminimax/minimax-m2.518282T13如何评价《绿灯军团》第八集mediumminimax/minimax-m2.515678T14你对于2026年诺贝尔生理学或医学奖的预测hardminimax/minimax-m2.524813T15为何日本的铁轨坚持不和世界统一mediumminimax/minimax-m2.517611T16在中部-2026演习当中各国军队都展示了哪些新装备mediumminimax/minimax-m2.515902T17《哈利波特与死亡圣器》里哈利三人第七年没去学校mediumminimax/minimax-m2.519569T18《布达佩斯大饭店》中大面积用粉色为什么不觉得土mediumminimax/minimax-m2.515317T19太阳系的8颗行星在地球上用肉眼能看到几颗easyminimax/minimax-m2.510039T20我总感觉昆虫从受到致命伤到完全死亡需要的时间mediumminimax/minimax-m2.510078T21如何看待张家齐发长文告别综艺《我家那闺女》mediumminimax/minimax-m2.511218T22都说阅读可以提高语文成绩那么看网络小说算不算mediumminimax/minimax-m2.516184T23国庆假期已过半你是在家休息还是外出赶场easyminimax/minimax-m2.59687T24为什么计划做得越详尽反而却越难以开始行动mediumminimax/minimax-m2.58857T25《原神》中至冬的民用科技是否真的触碰到天理mediumminimax/minimax-m2.514732T26年内13家酒企相继换帅数位老将退出行业一线mediumminimax/minimax-m2.510739T27多位游客分享用AI做旅游攻略的踩坑经历mediumminimax/minimax-m2.513445T28孩子说周末就要睡个懒觉不要叫他easyminimax/minimax-m2.512902T292026中网男单1/4决赛德约科维奇2-1逆转mediumminimax/minimax-m2.510242T30欧国联A级联赛第4轮葡萄牙2比1挪威mediumminimax/minimax-m2.520346从输出结果看蓝耘的智能路由在30条任务中实际调度了2个不同的模型模型调用次数占比Token消耗总量消费金额MiniMax-M2.52893.3%17032¥0.11Qwen3.7-Plus26.7%3600¥0.03被路由到 Qwen3.7-Plus 的两条任务是T02国安部通报境外组织借医疗检测非法采血样描述约400字涉及生物安全、法律、国际关系T07乘联分会称2026年1-8月中国占世界汽车份额回落至32%描述约300字涉及行业数据、多国对比这两条的共同特征是描述文本长、涉及多维度信息、需要综合推理。路由把这两条判定为复杂任务分配给了推理能力更强的 Qwen3.7-Plus。其余28条描述相对简短、话题相对集中路由统一分配给了 MiniMax-M2.5。整体完成情况指标结果总任务数30成功30/30100%prompt tokens5759completion tokens14873总token20632估算费用≈0.14元蓝耘控制台的监控数据也印证了这个结果指标数值模型总量2调用总数30token消耗数20632六、这个结果说明了什么智能路由确实在动态调度30条任务里28条走了 MiniMax-M2.52条走了 Qwen3.7-Plus。路由不是随机分配而是根据任务描述的长度和复杂度做的判断。T02和T07的描述明显比其他28条长路由把它们识别为需要更强推理的任务分配给了不同的模型。这说明智能路由不是“摆设功能”——它在真实任务里确实做了差异化调度。统一网关省掉了模型切换的代码如果用传统的逐模型调用方式我需要先判断“这条任务该用哪个模型”然后在代码里写 if/else。但智能路由把这件事交给了平台代码里只需要填一个ROUTER_ID具体用哪个模型由平台决定。这意味着同一套代码可以适配不同难度的任务不需要为每个模型写不同的调用逻辑。七、成本与效率这次实测30条任务的总消耗指标数值prompt tokens5759completion tokens14873总token20632估算费用≈0.14元平均每条任务消耗约688个token花费不到0.5分钱。按每天处理100条知乎热榜问题计算一个月总成本约14元。而省下来的是不需要人工判断每条任务该用哪个模型不需要在代码里维护多套模型调用逻辑。八、为什么选蓝耘这次实测下来蓝耘的智能路由在三个点上表现突出第一路由是平台级能力不是简单的API封装。很多平台的“多模型支持”只是提供了一个模型列表你需要自己判断该用哪个。蓝耘的智能路由是在平台层面做了任务分析和模型匹配用户不需要写任何判断逻辑。第二OpenAI兼容格式让迁移零成本。调用路由的代码和调用普通模型完全一样——client.chat.completions.create()只需要把model字段从具体模型名换成路由ID。整个迁移过程改一行代码。第三按量计费30条任务0.14元。这个成本意味着我可以随时跑实验、随时调整路由策略不用担心账单。根据AI Ping的公开评测数据蓝耘平台上的模型吞吐在同类平台中处于领先水平。九、总结这套“RPA采集 → Python脚本调用智能路由 → 结果分析”的链路解决了一个很实际的问题不同难度的任务自动匹配不同的模型。适用场景很明确内容分级处理、多模型调度测试、批量任务优化。当你有大量异构任务需要处理时智能路由可以帮你省掉“手动选择模型”这一步。当前限制也很清楚路由的调度策略是平台决定的用户能控制的是模型池的配置但具体哪条任务走哪个模型目前无法手动指定。对于需要精细控制的场景可能还是需要手动选择模型。但对于大多数批量处理场景来说这已经够用了。