从模型广场到 Agent 上下文：百炼文档能力的一次收敛

百炼平台的能力矩阵在持续扩张——文本生成、推理、视觉理解、图像视频生成、语音合成识别、全模态，模型家族数量与版本迭代速度都在上升。能力越丰富，开发者面临的信息检索面就越大：模型规格在模型广场、API 细节在参考文档、应用开发指南在帮助中心、参数调优在 Playground。

bailian-docs-llm-wiki 是官方 Skills 仓库（modelstudioai/skills）新增的一等公民：把上述所有信息收敛为一个可安装的 Agent Skill，让开发者在 Claude Code、Qwen Code、Cursor 等任意支持 Agent Skills 的环境里，用自然语言完成百炼平台的全部文档查询。

三层架构：官方数据管线的设计

架构上有三个值得开发者关注的设计：

结构化优先。models 层不是文档爬取，而是与模型广场同源的接口数据。families.jsonl（一行一家族）与 models.jsonl（一行一模型）支持字段级精确查询，models.jsonl[].family == families.jsonl[].slug 完成两表关联，groups/<slug>.json 提供家族完整明细——包括 samples（curl/Python/Node.js/Java 四语言官方调用示例）与 predictConfig（与 Playground 对齐的入参定义）。

质量兜底。wiki 合成层带质量分机制，低分页面自动绕过、回退 raw 原文，保证答案质量下限。

可信度分级。数据冲突时按 models > raw > wiki 优先级仲裁，并要求回答附引用文件路径——反幻觉约束直接写入 Skill 规则。

快速上手

npx skills add modelstudioai/skills

Node.js ≥ 18，交互式选择 bailian-docs-llm-wiki 安装，零配置——Skill 声明了激活条件，涉及百炼文档、模型、定价的提问自动触发。查询本身不消耗 API 调用；配合模型实跑需要 API Key，新用户注册即有免费额度：创建 API Key。

典型查询场景：

qwen3-max 输入输出分别多少钱？限流多少？
→ 分档价格 + QPM + 上下文窗口，附 models/groups/ 来源路径

支持 function calling、上下文 ≥ 128K 的文本模型有哪些？
→ models.jsonl 字段级筛选，模型广场 UI 不具备的跨家族查询能力

用 OpenAI 兼容接口调 qwen3-max 的 Python 示例？temperature 取值范围？
→ samples + predictConfig 字段直出

命令行用户可绕过 Agent 直接查询结构化数据（官方文档示例）：

jq -c 'select(.contextWindow>=1000000)' models.jsonl

生态协同：Skills 矩阵的数据复用

bailian-docs-llm-wiki 的价值不止于单点查询，更在于它是官方 Skills 生态的数据底座：

• bailian-model-recommend（同仓库）：读取同一份 models/ 数据做模型选型——描述业务场景，返回推荐模型与可运行示例代码，实现“查询 → 选型 → 上手”闭环
• bailian-cli（modelstudioai/cli）：面向终端工作流的 bl 命令行工具，覆盖百炼全模态能力，适合把查到的模型能力接入脚本化/批量化场景

这套组合意味着开发者的完整工作流——了解平台能力、选择模型、获取示例、运行验证——可以全程不离开 Agent 环境完成：示例代码由 Coding Agent 直接运行验证，通过后集成进工程。

使用边界说明

• 本地数据为安装时快照，重跑安装命令即可更新至仓库最新数据（非实时推送）
• Skill 范围严格限定百炼平台文档与模型数据，范围外问题拒答而非猜测
• wiki 合成层可能滞后于最新文档，关键决策建议按引用路径核对 raw 原文

对于正在评估或已在使用百炼平台的团队，这个 Skill 将文档检索成本压缩到了一次对话的量级。从免费额度开始体验：百炼平台入口。