diff --git a/.gitignore b/.gitignore
index c26f8d2c9..f51b8d6f9 100644
--- a/.gitignore
+++ b/.gitignore
@@ -41,6 +41,7 @@ config/bot_config.toml.bak
 config/lpmm_config.toml
 config/lpmm_config.toml.bak
 template/compare/bot_config_template.toml
+template/compare/model_config_template.toml
 （测试版）麦麦生成人格.bat
 （临时版）麦麦开始学习.bat
 src/plugins/utils/statistic.py
diff --git a/template/compare/model_config_template.toml b/template/compare/model_config_template.toml
deleted file mode 100644
index 8ab187626..000000000
--- a/template/compare/model_config_template.toml
+++ /dev/null
@@ -1,220 +0,0 @@
-[inner]
-version = "0.2.1"
-
-# 配置文件版本号迭代规则同bot_config.toml
-# 
-# === 多API Key支持 ===
-# 本配置文件支持为每个API服务商配置多个API Key，实现以下功能：
-# 1. 错误自动切换：当某个API Key失败时，自动切换到下一个可用的Key
-# 2. 负载均衡：在多个可用的API Key之间循环使用，避免单个Key的频率限制
-# 3. 向后兼容：仍然支持单个key字段的配置方式
-# 
-# 配置方式：
-# - 多Key配置：使用 api_keys = ["key1", "key2", "key3"] 数组格式
-# - 单Key配置：使用 key = "your-key" 字符串格式（向后兼容）
-# 
-# 错误处理机制：
-# - 401/403认证错误：立即切换到下一个API Key
-# - 429频率限制：等待后重试，如果持续失败则切换Key
-# - 网络错误：短暂等待后重试，失败则切换Key
-# - 其他错误：按照正常重试机制处理
-# 
-# === 任务类型和模型能力配置 ===
-# 为了提高任务分配的准确性和可维护性，现在支持明确配置模型的任务类型和能力：
-# 
-# task_type（推荐配置）:
-# - 明确指定模型主要用于什么任务
-# - 可选值：llm_normal, llm_reasoning, vision, embedding, speech
-# - 如果不配置，系统会根据capabilities或模型名称自动推断（不推荐）
-# 
-# capabilities（推荐配置）:
-# - 描述模型支持的所有能力
-# - 可选值：text, vision, embedding, speech, tool_calling, reasoning
-# - 支持多个能力的组合，如：["text", "vision"]
-# 
-# 配置优先级：
-# 1. task_type（最高优先级，直接指定任务类型）
-# 2. capabilities（中等优先级，根据能力推断任务类型）
-# 3. 模型名称关键字（最低优先级，不推荐依赖）
-# 
-# 向后兼容：
-# - 仍然支持 model_flags 字段，但建议迁移到 capabilities
-# - 未配置新字段时会自动回退到基于模型名称的推断
-
-[request_conf] # 请求配置（此配置项数值均为默认值，如想修改，请取消对应条目的注释）
-#max_retry = 2 # 最大重试次数（单个模型API调用失败，最多重试的次数）
-#timeout = 10 # API调用的超时时长（超过这个时长，本次请求将被视为“请求超时”，单位：秒）
-#retry_interval = 10 # 重试间隔（如果API调用失败，重试的间隔时间，单位：秒）
-#default_temperature = 0.7 # 默认的温度（如果bot_config.toml中没有设置temperature参数，默认使用这个值）
-#default_max_tokens = 1024 # 默认的最大输出token数（如果bot_config.toml中没有设置max_tokens参数，默认使用这个值）
-
-
-[[api_providers]] # API服务提供商（可以配置多个）
-name = "DeepSeek"                       # API服务商名称（可随意命名，在models的api-provider中需使用这个命名）
-base_url = "https://api.deepseek.cn/v1"    # API服务商的BaseURL
-# 支持多个API Key，实现自动切换和负载均衡
-api_keys = [                            # API Key列表（多个key支持错误自动切换和负载均衡）
-    "sk-your-first-key-here",
-    "sk-your-second-key-here",
-    "sk-your-third-key-here"
-]
-# 向后兼容：如果只有一个key，也可以使用单个key字段
-#key = "******"                         # API Key （可选，默认为None）
-client_type = "openai"                  # 请求客户端（可选，默认值为"openai"，使用gimini等Google系模型时请配置为"gemini"）
-
-[[api_providers]] # 特殊：Google的Gimini使用特殊API，与OpenAI格式不兼容，需要配置client为"gemini"
-name = "Google"
-base_url = "https://api.google.com/v1"
-# Google API同样支持多key配置
-api_keys = [
-    "your-google-api-key-1",
-    "your-google-api-key-2"
-]
-client_type = "gemini"
-
-[[api_providers]]
-name = "SiliconFlow"
-base_url = "https://api.siliconflow.cn/v1"
-# 单个key的示例（向后兼容）
-key = "******"
-#
-#[[api_providers]]
-#name = "LocalHost"
-#base_url = "https://localhost:8888"
-#key = "lm-studio"
-
-
-[[models]] # 模型（可以配置多个）
-# 模型标识符（API服务商提供的模型标识符）
-model_identifier = "deepseek-chat"
-# 模型名称（可随意命名，在bot_config.toml中需使用这个命名）
-#（可选，若无该字段，则将自动使用model_identifier填充）
-name = "deepseek-v3"
-# API服务商名称（对应在api_providers中配置的服务商名称）
-api_provider = "DeepSeek"
-# 任务类型（推荐配置，明确指定模型主要用于什么任务）
-# 可选值：llm_normal, llm_reasoning, vision, embedding, speech
-# 如果不配置，系统会根据capabilities或模型名称自动推断
-task_type = "llm_normal"
-# 模型能力列表（推荐配置，描述模型支持的能力）
-# 可选值：text, vision, embedding, speech, tool_calling, reasoning
-capabilities = ["text", "tool_calling"]
-# 输入价格（用于API调用统计，单位：元/兆token）（可选，若无该字段，默认值为0）
-price_in = 2.0
-# 输出价格（用于API调用统计，单位：元/兆token）（可选，若无该字段，默认值为0）
-price_out = 8.0
-# 强制流式输出模式（若模型不支持非流式输出，请取消该注释，启用强制流式输出）
-#（可选，若无该字段，默认值为false）
-#force_stream_mode = true
-
-[[models]]
-model_identifier = "deepseek-reasoner"
-name = "deepseek-r1"
-api_provider = "DeepSeek"
-# 推理模型的配置示例
-task_type = "llm_reasoning"
-capabilities = ["text", "tool_calling", "reasoning"]
-# 保留向后兼容的model_flags字段（已废弃，建议使用capabilities）
-model_flags = [ "text", "tool_calling", "reasoning",]
-price_in = 4.0
-price_out = 16.0
-
-[[models]]
-model_identifier = "Pro/deepseek-ai/DeepSeek-V3"
-name = "siliconflow-deepseek-v3"
-api_provider = "SiliconFlow"
-task_type = "llm_normal"
-capabilities = ["text", "tool_calling"]
-price_in = 2.0
-price_out = 8.0
-
-[[models]]
-model_identifier = "Pro/deepseek-ai/DeepSeek-R1"
-name = "siliconflow-deepseek-r1"
-api_provider = "SiliconFlow"
-task_type = "llm_reasoning"
-capabilities = ["text", "tool_calling", "reasoning"]
-price_in = 4.0
-price_out = 16.0
-
-[[models]]
-model_identifier = "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-32B"
-name = "deepseek-r1-distill-qwen-32b"
-api_provider = "SiliconFlow"
-task_type = "llm_reasoning"
-capabilities = ["text", "tool_calling", "reasoning"]
-price_in = 4.0
-price_out = 16.0
-
-[[models]]
-model_identifier = "Qwen/Qwen3-8B"
-name = "qwen3-8b"
-api_provider = "SiliconFlow"
-task_type = "llm_normal"
-capabilities = ["text"]
-price_in = 0
-price_out = 0
-
-[[models]]
-model_identifier = "Qwen/Qwen3-14B"
-name = "qwen3-14b"
-api_provider = "SiliconFlow"
-task_type = "llm_normal"
-capabilities = ["text", "tool_calling"]
-price_in = 0.5
-price_out = 2.0
-
-[[models]]
-model_identifier = "Qwen/Qwen3-30B-A3B"
-name = "qwen3-30b"
-api_provider = "SiliconFlow"
-task_type = "llm_normal"
-capabilities = ["text", "tool_calling"]
-price_in = 0.7
-price_out = 2.8
-
-[[models]]
-model_identifier = "Qwen/Qwen2.5-VL-72B-Instruct"
-name = "qwen2.5-vl-72b"
-api_provider = "SiliconFlow"
-# 视觉模型的配置示例
-task_type = "vision"
-capabilities = ["vision", "text"]
-# 保留向后兼容的model_flags字段（已废弃，建议使用capabilities）
-model_flags = [ "vision", "text",]
-price_in = 4.13
-price_out = 4.13
-
-[[models]]
-model_identifier = "FunAudioLLM/SenseVoiceSmall"
-name = "sensevoice-small"
-api_provider = "SiliconFlow"
-# 语音模型的配置示例
-task_type = "speech"
-capabilities = ["speech"]
-# 保留向后兼容的model_flags字段（已废弃，建议使用capabilities）
-model_flags = [ "audio",]
-price_in = 0
-price_out = 0
-
-[[models]]
-model_identifier = "BAAI/bge-m3"
-name = "bge-m3"
-api_provider = "SiliconFlow"
-# 嵌入模型的配置示例
-task_type = "embedding"
-capabilities = ["text", "embedding"]
-# 保留向后兼容的model_flags字段（已废弃，建议使用capabilities）
-model_flags = [ "text", "embedding",]
-price_in = 0
-price_out = 0
-
-
-[task_model_usage]
-llm_reasoning = {model="deepseek-r1", temperature=0.8, max_tokens=1024, max_retry=0}
-llm_normal = {model="deepseek-r1", max_tokens=1024, max_retry=0}
-embedding = "siliconflow-bge-m3"
-#schedule = [
-#    "deepseek-v3",
-#    "deepseek-r1",
-#]
\ No newline at end of file
diff --git a/template/model_config_template.toml b/template/model_config_template.toml
index f1b276349..62a2b3a44 100644
--- a/template/model_config_template.toml
+++ b/template/model_config_template.toml
@@ -103,70 +103,70 @@ price_in = 0
 price_out = 0
 
 
-[model.utils] # 在麦麦的一些组件中使用的模型，例如表情包模块，取名模块，关系模块，是麦麦必须的模型
+[model_task_config.utils] # 在麦麦的一些组件中使用的模型，例如表情包模块，取名模块，关系模块，是麦麦必须的模型
 model_list = ["siliconflow-deepseek-v3"] # 使用的模型列表，每个子项对应上面的模型名称(name)
 temperature = 0.2                        # 模型温度，新V3建议0.1-0.3
 max_tokens = 800                         # 最大输出token数
 
-[model.utils_small] # 在麦麦的一些组件中使用的小模型，消耗量较大，建议使用速度较快的小模型
+[model_task_config.utils_small] # 在麦麦的一些组件中使用的小模型，消耗量较大，建议使用速度较快的小模型
 model_list = ["qwen3-8b"]
 temperature = 0.7
 max_tokens = 800
 
-[model.replyer_1] # 首要回复模型，还用于表达器和表达方式学习
+[model_task_config.replyer_1] # 首要回复模型，还用于表达器和表达方式学习
 model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.2                        # 模型温度，新V3建议0.1-0.3
 max_tokens = 800
 
-[model.replyer_2] # 次要回复模型
+[model_task_config.replyer_2] # 次要回复模型
 model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.7
 max_tokens = 800
 
-[model.planner] #决策：负责决定麦麦该做什么的模型
+[model_task_config.planner] #决策：负责决定麦麦该做什么的模型
 model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.3
 max_tokens = 800
 
-[model.emotion] #负责麦麦的情绪变化
+[model_task_config.emotion] #负责麦麦的情绪变化
 model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.3
 max_tokens = 800
 
-[model.memory] # 记忆模型
+[model_task_config.memory] # 记忆模型
 model_list = ["qwen3-30b"]
 temperature = 0.7
 max_tokens = 800
 
-[model.vlm] # 图像识别模型
+[model_task_config.vlm] # 图像识别模型
 model_list = ["qwen2.5-vl-72b"]
 max_tokens = 800
 
-[model.voice] # 语音识别模型
+[model_task_config.voice] # 语音识别模型
 model_list = ["sensevoice-small"]
 
-[model.tool_use] #工具调用模型，需要使用支持工具调用的模型
+[model_task_config.tool_use] #工具调用模型，需要使用支持工具调用的模型
 model_list = ["qwen3-14b"]
 temperature = 0.7
 max_tokens = 800
 
 #嵌入模型
-[model.embedding]
+[model_task_config.embedding]
 model_list = ["bge-m3"]
 
 #------------LPMM知识库模型------------
 
-[model.lpmm_entity_extract] # 实体提取模型
+[model_task_config.lpmm_entity_extract] # 实体提取模型
 model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.2
 max_tokens = 800
 
-[model.lpmm_rdf_build] # RDF构建模型
+[model_task_config.lpmm_rdf_build] # RDF构建模型
 model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.2
 max_tokens = 800
 
-[model.lpmm_qa] # 问答模型
+[model_task_config.lpmm_qa] # 问答模型
 model_list = ["deepseek-r1-distill-qwen-32b"]
 temperature = 0.7
 max_tokens = 800