Task Master AI 模型配置查看指南用task-master models命令掌握 Main / Research / Fallback 三通道模型状态【免费下载链接】claude-task-masterAn AI-powered task-management system you can drop into Cursor, Lovable, Windsurf, Roo, and others.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-task-master本指南围绕 Claude Code 插件命令 view-models.md 所定义的task-master models命令展开讲解 Task Master 中 AI 模型配置的查看机制如何查看当前生效的 Main、Research、Fallback 三类模型及其 API Key 状态并结合仓库源码与配置示例说明该命令的数据来源、输出含义以及配置缺失时的下一步操作。读完本文你将能准确读懂task-master models的每行输出并知道如何结合--setup、--set-main等参数对模型配置进行诊断与调整。命令概述查看当前 AI 模型配置task-master models是 Task Master 中用于查看当前 AI 模型配置的命令。Task Master 允许为任务生成、增强研究、故障回退分别指定不同的 AI 提供方与模型而本命令正是为了让你在任何时刻都能一眼确认这三条通道的配置状态当前配置了哪些 Provider提供方与 Model模型每个角色的 API Key 是否已配置configured / missing每个角色在系统中的职责任务生成、研究模式、故障回退。从 CLI 实现看该命令注册于 scripts/modules/commands.js其描述为 Manage AI model configurations支持查看与设置两类用途不带任何参数运行时即进入查看当前配置模式Action 3见 scripts/modules/commands.js。执行方式在项目根目录已通过task-master init初始化的目录下直接运行task-master models命令执行后CLI 会依次完成三件事对应 scripts/modules/commands.js 中的调用链调用getModelConfiguration({ projectRoot })读取当前生效的主模型、研究模型与回退模型调用getApiKeyStatusReport({ projectRoot })生成所有已知 Provider 的 API Key 状态报告调用getAvailableModelsList({ projectRoot })拉取未被当前使用的可选模型列表并过滤掉当前已激活的模型后展示。若当前目录不存在配置文件命令会给出提示Hint: Run task-master models --setup to create or update your configuration.显示的信息三个模型角色task-master models的输出围绕三个模型角色Model Role组织。从类型定义看角色的合法取值为main | research | fallback见 apps/cli/src/commands/models/types.ts对应源码中setModel的角色校验逻辑见 scripts/modules/task-manager/models.js。1. Main Provider主模型Model ID 与名称当前用于主要任务生成/更新流程的模型标识API Key 状态该 Provider 的密钥是否已配置configured / missing用途Primary task generation —— 任务拆解、任务生成、任务更新等主流程均由它驱动。2. Research Provider研究模型Model ID 与名称用于研究增强模式的模型标识API Key 状态同上用途Enhanced research mode —— 在parse-prd等支持研究增强的操作中负责联网检索与信息收集。3. Fallback Provider回退模型Model ID 与名称主模型调用失败时的备用模型标识API Key 状态同上用途Backup when main fails —— 主模型不可用时自动回退到该模型保证任务流程不中断。需要说明的是Fallback 是可选项当没有配置回退模型时命令会将其标注为 Not configured (optional)这与源码中fallback在activeModels里可为null的设计一致见 scripts/modules/task-manager/models.js。可视化状态输出示例task-master models会以终端友好格式输出当前配置示例如下来自 view-models.mdTask Master AI Model Configuration ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Main: ✅ claude-3-5-sonnet (configured) Research: ✅ perplexity-sonar (configured) Fallback: ⚠️ Not configured (optional) Available Models: - claude-3-5-sonnet - gpt-4-turbo - gpt-3.5-turbo - perplexity-sonar对应该输出的实际配置结构可参考仓库中的示例配置文件 assets/config.json其models节点定义了三个角色的provider、modelId、maxTokens与temperature{ models: { main: { provider: anthropic, modelId: claude-3-7-sonnet-20250219, maxTokens: 100000, temperature: 0.2 }, research: { provider: perplexity, modelId: sonar-pro, maxTokens: 8700, temperature: 0.1 }, fallback: { provider: anthropic, modelId: claude-3-7-sonnet-20250219, maxTokens: 8192, temperature: 0.2 } } }Available Models 列表来自getAvailableModels基于仓库内置的 supported-models 数据并会过滤掉当前已激活的三个模型 ID见 scripts/modules/commands.js因此展示的都是当前可以切换过去的候选模型。输出背后的实现原理查看模式的输出并非凭空生成而是由 scripts/modules/task-manager/models.js 中的四个核心函数支撑getModelConfiguration(options)models.js通过findConfigPath定位配置文件依次读取 main / research / fallback 的 provider、modelId、baseURL并对每个角色分别执行 CLI 环境与 MCP 环境两套 API Key 状态检测isApiKeySet与getMcpApiKeyStatus最终返回结构化结果其中还包含模型在 supported-models 数据中的swe_score与cost_per_1m_tokens每百万 token 成本等信息getApiKeyStatusReport(options)models.js遍历getAllProviders()返回的所有已知 Provider逐一检查 API Key 是否已配置。值得注意的是Ollama 会被排除在检查列表之外因为它是本地服务、通常不需要 API Key见 models.jsgetAvailableModelsList(options)models.js返回全部可选模型并附上 provider、sweScore、cost、allowedRoles 等元数据displayModelConfiguration/displayApiKeyStatus/displayAvailableModels负责终端渲染。此外MCP 环境下的models工具mcp-server/src/tools/models.js也复用了同一套核心逻辑通过modelsDirect调用其工具描述为Run without arguments to get the current model configuration and API key status for the selected model providers.与 CLI 查看模式行为一致。从查看到设置相关命令速览task-master models在查看之外还承担模型配置管理职责CLI 选项定义见 scripts/modules/commands.js命令形式作用task-master models查看当前模型配置本文主题task-master models --setup进入交互式配置向导创建或更新模型配置task-master models --set-main model_id设置主模型Provider 自动推断task-master models --set-research model_id设置研究模型task-master models --set-fallback model_id设置回退模型task-master models --set-main id --openrouter设置自定义 OpenRouter 模型task-master models --set-main id --ollama设置自定义 Ollama 模型默认http://localhost:11434/apitask-master models --set-main id --bedrock设置自定义 AWS Bedrock 模型task-master models --set-main id --azure设置自定义 Azure OpenAI 模型需--baseURLtask-master models --set-main id --vertex设置自定义 Google Vertex AI 模型task-master models --set-main id --gemini-cli设置 Gemini CLI 模型task-master models --set-main id --codex-cli设置 Codex CLI 模型task-master models --set-main id --lmstudio [--baseURL url]设置 LM Studio 本地模型task-master models --set-main id --openai-compatible --baseURL url设置自定义 OpenAI 兼容端点模型自定义模型的设置逻辑在setModel中实现models.js对于 OpenRouter 会实时请求/api/v1/models校验模型 ID并针对:free结尾的免费模型给出上下文窗口与速率限制警告对于 Ollama 会请求本地/tags接口确认模型已拉取而 Azure / Vertex / Bedrock 等平台托管的模型则不做在线校验、仅提示使用者确认 ID 与权限。多个 Provider 标识旗标不能同时使用CLI 会直接报错退出见 scripts/modules/commands.js。根据输出决定下一步操作task-master models的输出可以直接指导你判断系统健康状况参考 view-models.md 中的 Next Actions 逻辑存在缺失的 API Keymissing→ 需要先完成对应 Provider 的密钥配置再重新运行task-master models确认状态变为 configured未配置 Research 模型→ 可以考虑通过task-master models --set-research model_id或--setup交互向导补上研究模型以启用增强研究模式所有角色均已配置→ 说明主流程、研究流程与回退链路都已就绪可直接进入任务生成流程。在实际使用中推荐的诊断顺序是先运行task-master models查看三通道状态若发现问题再用task-master models --setup进入交互式配置交互向导实现在 apps/cli/src/commands/models/setup.ts或直接使用--set-main/--set-research/--set-fallback定向修复修改会实时写入配置文件并由后续命令生效。相关文档命令定义与全部选项scripts/modules/commands.js模型配置核心实现scripts/modules/task-manager/models.js类型与角色定义apps/cli/src/commands/models/types.tsMCP 环境下的 models 工具mcp-server/src/tools/models.js配置示例models 节点结构assets/config.json插件命令文档目录packages/claude-code-plugin/commands【免费下载链接】claude-task-masterAn AI-powered task-management system you can drop into Cursor, Lovable, Windsurf, Roo, and others.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-task-master创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考