freeride的“功能适配性排序”能自动匹配任务类型与免费模型：写代码选qwen coder，长文档用deepseek-r1，多模态启用vision模型；需安装、配置api密钥、启用functional_fit等维度并强制刷新，支持指令级、会话级和全局策略三种动态切换模式。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想让OpenClaw自动挑出最适合当前任务类型的免费模型，而不是靠手动翻列表碰运气——比如写代码时优先用Qwen Coder，处理长文档时切到128K上下文的DeepSeek-R1，做多模态任务时立刻启用支持Vision的模型。FreeRide的“功能适配性排序”正是为此设计，它不只看分数高低，而是把模型能力映射到你正在执行的具体动作上。
确认FreeRide已安装并接入OpenRouter
执行freeride --version，输出版本号（如v0.8.3）说明技能已装好；若报错command not found，则需先运行npx clawhub@latest install freeride完成安装。
检查环境变量是否生效：echo $OPENROUTER_API_KEY必须返回一串以sk-or-v1-开头的密钥；【密钥为空会导致后续所有排序失效，且不会报错提示】
运行freeride list --free，能看到至少27个带✓ free标识的模型——数量少于25说明API Key未正确加载或网络异常。
启用功能维度评分并强制刷新模型池
默认情况下FreeRide只启用基础评分（上下文+综合能力），要激活功能适配性排序，必须手动开启对应维度：
编辑配置文件~/.openclaw/skills/free-ride/config.yaml，在scoring节点下添加：
functional_fit: true
vision_support: true
function_calling: true
保存后执行freeride refresh --force，这会触发完整元数据重抓取——包括每个模型是否真正支持vision输入、能否解析JSON Schema、是否通过OpenRouter官方认证的function calling接口。不加--force参数将跳过API调用，仅用本地缓存数据，导致新上线的多模态模型无法被识别。
按任务类型动态切换主模型
FreeRide提供三种调用模式，根据你的使用习惯选择：
方法一：指令级临时切换
在OpenClaw聊天窗口中直接输入：
/model fit coding → 自动选中当前评分最高的代码专用模型（如Qwen2.5-Coder-32B）
/model fit long-context → 切换至上下文长度≥128K且稳定性得分前3的模型（如DeepSeek-R1）
/model fit vision → 启用唯一支持图像输入的免费模型（截至2026年6月29日为google/gemini-flash-2.0-vision）
方法二：会话级绑定
新建会话时追加参数：
/new --fit=code → 此会话全程锁定代码优化模型链，即使触发fallback也不会切到文案类模型
/new --fit=document → 强制启用分块摘要、PDF解析等文档处理增强能力
方法三：全局策略配置
修改~/.openclaw/config.yaml中的agents.defaults.model.strategy字段：
strategy: "functional" → 所有新会话默认按功能匹配，不再依赖静态primary模型
fallback_policy: "strict" → 当主模型不支持当前任务所需功能（如传入图片但模型无vision）时，立即降级而非报错
验证功能排序结果是否生效
第一步：触发一次真实任务
向OpenClaw发送含明确功能需求的指令，例如：“从这个PDF里提取所有表格，转成Markdown，并对比第三列数值变化趋势”
第二步：查看模型决策日志
执行freeride log tail -n 20，找到类似以下输出：
[INFO] Selected model openrouter/qwen2.5-coder-32b (score: 94.2) for task 'table_extraction' — matched on: code_generation, pdf_parsing, markdown_output
第三步：人工比对验证
访问https://openrouter.ai/models，搜索日志中显示的模型名，确认其功能标签（Features栏）是否真包含PDF parsing和Markdown output——FreeRide不会为缺失功能的模型伪造匹配结果，它只在真实支持的功能集合内做最优选择。
