Artificial Analysis Models

Fetch LLM benchmarks and pricing from Artificial Analysis API and sync to a Feishu Bitable table. Use when updating model specs, prices, benchmark scores, or building a model catalog in Feishu.

Artificial Analysis 模型信息 → 飞书表格

从 Artificial Analysis 免费 API 拉取 LLM 价格、速度、评测分数，整理到飞书多维表格，便于销售/售前查阅。

前置：API Key

1. 在 Artificial Analysis Insights Platform 注册并生成 API Key
2. 任选一种配置方式：

bash

# 方式 A：环境变量
export ARTIFICIAL_ANALYSIS_API_KEY="你的key"

# 方式 B：凭证文件（推荐）
mkdir -p ~/.openclaw/credentials
cat > ~/.openclaw/credentials/artificial-analysis.json <<'EOF'
{"api_key": "你的key"}
EOF
chmod 600 ~/.openclaw/credentials/artificial-analysis.json

免费 API 限额：1000 次/天；请缓存结果，不要每次对话都重复全量拉取。

工作流（在飞书调用本 skill 时执行）

1. 拉取 API 数据

bash

node {SKILL_DIR}/scripts/fetch-llms.mjs

产出：~/.openclaw/cache/artificial-analysis/llms-latest.json

2. 生成多维表格记录

bash

node {SKILL_DIR}/scripts/build-bitable-records.mjs

产出：

• bitable-records.json — batch_create / batch_update 用的 records[]
• bitable-field-defs.json — 建表字段定义

{SKILL_DIR} = 本 skill 目录。

3. 飞书多维表格（核心交付）

不要把 JSON 文件路径发给用户；交付物是可打开的多维表格链接 + 简短说明。

3.1 首次：创建表格

若无现成表格，复制 bitable-config.example.json 为 bitable-config.json 并留空 token，由 Agent 创建后写回。

1. feishu_bitable_app.create

   • name: AI 模型信息库（Artificial Analysis）
   • 可选 folder_token（用户指定文件夹时）

2. feishu_bitable_app_table.create

   • app_token: 上一步返回
   • name: LLM 模型一览
   • fields: 读取 bitable-field-defs.json（类型见 references/bitable-setup.md）

3. feishu_bitable_app_table_record.list — 若存在空行则 batch_delete 删掉默认空记录

4. feishu_bitable_app_table_record.batch_create

   • records: 从 bitable-records.json 读取，每批 ≤500 条，多批串行并间隔 0.5–1 秒

5. 将 app_token、table_id 写入 {SKILL_DIR}/bitable-config.json 供下次更新

6. 给用户发多维表格链接（从 feishu_bitable_app 返回的 URL 或说明如何在工作台打开该 Base）

3.2 后续：更新表格

若 {SKILL_DIR}/bitable-config.json 已有 app_token + table_id：

1. feishu_bitable_app_table_record.list 拉取现有记录（分页），建立 模型ID → record_id 映射
2. 对比 bitable-records.json：
   • 新 ID → 加入 batch_create 批次
   • 已有 ID → 加入 batch_update 批次（带 record_id）
3. 串行执行批量写入（遵守 500 条/批、勿并发写同一表）

4. 飞书私聊摘要（给销售同学）

发送示例（无本地路径）：

text

已更新 AI 模型信息表（数据来源 Artificial Analysis，{N} 个模型）

要点：
• 智能指数最高：{模型名}（{分数}）
• 综合价格最低（Top3 中）：{模型名}（${价格}/1M tokens）
• 编程指数最高：{模型名}

📎 多维表格：{表格链接或打开方式}
数据说明：https://artificialanalysis.ai/

可根据 llms-latest.json 中 intelligence_index、price_blended_3_1、coding_index 排序生成 3–5 条要点。

API 字段说明（LLM 端点）

API 字段	表格列
evaluations.artificial_analysis_intelligence_index	智能指数
evaluations.artificial_analysis_coding_index	编程指数
evaluations.artificial_analysis_math_index	数学指数
evaluations.mmlu_pro 等	转为 % 显示
pricing.price_1m_*	价格列（USD / 1M tokens）
median_output_tokens_per_second	输出速度
id	模型ID（更新主键）

完整 API 文档：API Reference

依赖工具

• feishu_bitable_app / feishu_bitable_app_table / feishu_bitable_app_table_field / feishu_bitable_app_table_record
• 详见 skill feishu-bitable

禁止

• 不要把 llms-latest.json、bitable-records.json 路径当最终交付发给销售用户
• 不要在没有 API Key 时假装拉取成功
• 不要突破 1000 次/日限额频繁全量请求（应复用 llms-latest.json 除非用户明确要求刷新）

扩展（可选）

用户若需要 Text-to-Image / Video 等，可另调：

• GET /api/v2/data/media/text-to-image（include_categories=true）
• 需单独建表；本 skill 默认仅 LLM 文本模型 端点。