$ loading_
将非关键大模型任务转交给自管模型处理，节省高端模型配额与成本。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-llm-offload" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
把这段会议记录的初步总结任务转交给我配置的本地 LLM，只返回 5 条要点，并标注这是低优先级结果。
由本地或兼容模型生成的简要会议要点，减少主模型配额消耗。
使用外接的 OpenAI 兼容模型批量改写以下 10 条产品描述，语气更简洁专业，不需要高创造性。
一组经轻量模型改写的文案结果，适合批处理型低风险任务。
先把下面这段代码交给自管模型做基础注释补全和格式整理，再把整理后的结果返回给我审核。
经过自管模型初步整理的代码版本，可再交由主模型或人工继续处理。
将非关键大模型任务转交给自控模型处理，节省高端模型配额与成本。
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。
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。
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。
在多家大模型与 MCP 服务间智能路由请求，并兼顾本地隐私记忆与嵌入处理。
将任意命令行工具或 REST API 快速封装为可供 Claude 调用的 MCP 服务。