/**
 * @zhin.js/ai - Model Registry
 * 模型发现、能力检测与本地缓存
 *
 * 启动时通过 Provider API 查询可用模型并持久化到本地 JSON 文件，
 * 二次启动时直接读取缓存，仅在模型列表变化时增量更新详情。
 */
import type { AIProvider } from './types.js';
/** 单个模型的详细信息 */
export interface AIModelInfo {
    /** 模型 ID（如 gpt-4o、qwen2.5:14b） */
    id: string;
    /** 所属 Provider 名称 */
    provider: string;
    /** 上下文窗口大小（token 数）；0 或 undefined 表示未知 */
    contextWindow?: number;
    /** 参数规模（如 "7.6B"、"14B"） */
    parameterSize?: string;
    /** 模型家族（如 "llama"、"qwen2"） */
    family?: string;
    /** 量化级别（如 "Q4_K_M"、"Q8_0"） */
    quantization?: string;
    /** 模型能力列表 (Ollama: ["completion","tools","vision"]) */
    capabilities?: string[];
    /** 缓存时间戳 */
    cachedAt: number;
}
/** 模型选择任务类型 */
export type ModelTask = 'chat' | 'vision' | 'tool_call' | 'summary';
export declare class ModelRegistry {
    private models;
    private cachePath;
    constructor(dataDir?: string);
    /** 从本地文件加载缓存 */
    loadCache(): boolean;
    /** 持久化缓存到本地文件 */
    saveCache(): void;
    /**
     * 发现单个 Provider 的所有可用模型。
     *
     * 1. 调用 provider.listModels() 获取模型 ID 列表
     * 2. 和缓存比对，仅对新模型调用 getModelDetails（增量更新）
     * 3. 更新内存缓存
     */
    discover(provider: AIProvider): Promise<AIModelInfo[]>;
    /**
     * 发现所有 Provider 的模型。
     */
    discoverAll(providers: AIProvider[]): Promise<void>;
    /** 获取单个模型的详细信息 */
    private fetchModelDetails;
    /** Ollama /api/show 获取模型详情 */
    private fetchOllamaModelDetails;
    /** 从模型名推断信息（适用于 OpenAI 兼容 API，含 router prefix 格式） */
    private inferFromModelName;
    /**
     * 根据任务类型选择最合适的模型。
     *
     * 优先级：
     *  1. 匹配任务所需能力（vision 任务需要 vision 能力）
     *  2. 参数规模越大越好（更强的推理能力）
     *  3. 如果都满足，选上下文窗口最大的
     *
     * @param providerName 指定 provider，默认取第一个
     * @param task 任务类型
     * @param preferredModel 用户显式指定的模型（最高优先级）
     */
    selectModel(providerName: string, task?: ModelTask, preferredModel?: string): string | undefined;
    /**
     * 返回按优先级排序的候选模型列表（用于自动降级）。
     * 第一个是最优选择，后续为降级候选。
     */
    selectModels(providerName: string, task?: ModelTask, maxCandidates?: number): string[];
    /** 按 parameterSize → tierScore → contextWindow 排序 */
    private rankCandidates;
    /** 获取某个 provider 的所有模型信息 */
    getModels(providerName: string): AIModelInfo[];
    /** 用配置白名单覆盖某 provider 的模型缓存（yaml 显式 models 列表时用） */
    seedProviderModels(providerName: string, modelIds: string[]): void;
    /** 获取所有 provider 的模型信息 */
    getAllModels(): Map<string, AIModelInfo[]>;
    /** 获取单个模型信息 */
    getModel(providerName: string, modelId: string): AIModelInfo | undefined;
    /** 查找支持特定能力的模型 */
    findModelsWithCapability(capability: string, providerName?: string): AIModelInfo[];
    /** 缓存是否为空 */
    isEmpty(): boolean;
    /** 清除缓存 */
    clear(): void;
}
/** 从 router 模型 ID 中提取实际模型名（去掉 prefix/） */
export declare function extractModelRoot(modelId: string): string;
/**
 * 计算模型层级分数（0-100），用于在缺少 parameterSize 时排序。
 * 分数越高表示模型越强。适用于 router 聚合 API 返回的模型列表。
 */
export declare function computeTierScore(modelId: string): number;
//# sourceMappingURL=model-registry.d.ts.map