Slack Agent Skill Routing
这是 John Yeo 公开的项目资料。本站按原始来源展示项目信息，用中文说明适用场景和阅读边界；项目名、源帖与代码保持原样，便于逐项核对。
这条案例记录了什么
Agent 与模型路由、工具选择
根据任务状态选择一条已定义的处理路径。
社区公开项目或作者演示
原始来源：John Yeo X post。作者自述，本站未独立复现。
John Yeo
记录日期：2026-09-18。日期与身份应以原始资料为准。
原始演示视频
视频来自此案例记录的原始媒体；播放内容和作者声明不等于本站复现。
怎样核对这个项目
- 先打开原始来源，确认作者、日期与 Jev 在项目中的具体用途。
- 如果提供仓库，再检查代码、运行要求和许可证；仓库存在不代表本站已经运行成功。
- 对速度、成本、准确率和规模数字，查看原文的任务、环境和计算口径。
- 路由候选是否完整。
- 模糊请求的回退分支。
- 完整任务成本与结果。
- 工具列表和版本。
原始文字与技术细节
以下内容保留原语言，供核对事实。中文页的场景说明是阅读提示，不是逐句翻译或实测结论。
展开英文项目摘要与原帖
项目摘要
Inside busy Slack channels, agents often delay responses while deciding which tool to call. This build uses Jev as a lightning-fast front router that chooses the skill and fills parameters before the LLM generates prose.
来源原文
Jev made our Slack agent 2x faster ⚡️ Our agent can be quite slow because it needs to read skills and figure out which tools to call. We used @typesafeai's new model to speed this up by first passing it the prompt and classifying the best skill, tool and params to use before handing it to the agent
原记录的限制
- Metrics are author-reported from the initial release unless independently verified.
- Requires access to the respective agent framework or runtime environment.
- Generative model execution remains external to the Jev decision step.