$ loading_
使用本地 Ollama 对软件实现任务分类并推荐合适编码模型。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"TaskGrade MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请根据以下软件实现任务进行分类，并按确定性策略推荐合适的 coding-agent 模型：为现有 Node.js 服务新增 JWT 登录鉴权，并补充基础单元测试。
返回该任务的类别判断，以及适合执行该任务的编码代理模型推荐。
请用本地 Ollama 模型分析这个实现任务，并推荐模型：将一个大型 React 组件拆分为多个可复用子组件，保持现有功能不变。
输出任务分类结果，并给出针对重构场景的模型建议。
请分类这个软件实现任务并推荐编码模型：修复 Python 数据处理脚本中的空值异常，并补充回归测试。
得到对缺陷修复任务的分类，以及与之匹配的模型推荐。
开发者在开始编码前，可先把实现需求交给该工具分类，再根据其确定性策略选择更合适的编码代理模型。这样有助于统一任务处理方式。
当团队希望在本地使用 Ollama 模型处理任务时，这个工具可用于分析软件实现任务并给出模型建议。适合关注本地运行流程的开发或工程团队。
面对新增功能、重构或缺陷修复等实现任务时，用户可以借助该工具先分类，再获得对应的编码模型推荐。它强调基于确定性策略进行推荐。
它是一个 MCP 工具，用本地 Ollama 模型对软件实现任务进行分类，并依据确定性策略推荐 coding-agent 模型。
从已给信息看，它依赖本地 Ollama 模型。更具体的安装方式、运行要求或配置步骤，见源码仓库。
给定描述表明，它专注于软件实现任务分类与编码模型推荐，而不是通用对话。其推荐依据是确定性策略。
将代码讲解、补测试和加注释等简单任务分流到本地 Ollama，节省 Claude API 成本。
智能分配本地与远程模型处理编程任务，并支持基准测试与代码检索。
将摘要、代码补丁等低风险任务委派给低成本模型并由主代理复核。
让 AI 代理并行或按依赖执行代码、请求与命令，并一次返回结构化结果。
将机械性代码生成子任务分派给本地大模型，节省前沿模型调用成本与令牌。
通过多模型与可视化工具，用自然语言完成软件开发、调试与成本管理。