乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > AI串供:本机 AI 评审委员会成立啦

AI串供:本机 AI 评审委员会成立啦

当前时间： 2026-08-12 08:08:52 分类：办公文件 评论(0)
AI串供:本机 AI 评审委员会成立啦
我做了一个“AI 串供”工具：让多个本机 AI 先独立回答，再互相校准串供，再次发言各自开会确认，最终串供出一个结论。 工具名字暂时叫：AI串供
▎ AI串供：本机 AI 评审委员会（Local AI Council）  
项目地址：点击文末阅读原文跳转。 这个项目想解决的问题很简单：
    例如昨天我想问问各个大模型关于：我有哪些怪癖？我不想每次问问题，都去问一遍各个我的五个AI Agent。
现在很多人电脑里可能已经装了很多 AI 工具，比如我的五个agent：
  • Claude Code、Codex 、Gemini 、Hermes、OpenClaw
但实际使用时，经常会遇到一个问题：
  • 同一个问题和技术方案，我想问多个 AI(claude,codex)，一个个复制粘贴太麻烦，说的话操作的工作区都一模一样。
  • 问完之后，我还要自己对比谁说得更靠谱。
  • 如果要让它们互相参考、互相修正，那就更麻烦。
所以我做了一个本机优先的多 AI 审议工具。
你只需要问一次，它会自动调用多个本机 AI（Claude、Codex等），让它们先独立回答，再进行多轮校准，你可以控制他们串供的次数，直到串供到你认为合适，最后生成一个综合答案。

一、为什么要做这个工具？

现在越来越依赖 AI。AI还是agent形态太多了， 我同一台机器最常使用的就有五个，Codex，Claude，antigravity（gemini），Openclaw，Hermes，写代码问 AI，技术选型问 AI，写文档问 AI，甚至连“我这个人有什么怪癖”我第一反应也是去问AI。
但单个 AI 有一个很明显的问题：
▎ 它经常很自信，只听自己的。
一个模型可能：
  • 对我的了解不一致；
  • 只看到问题的一个侧面；
  • 忽略风险；
  • 忽略反例；
  • 给出听起来很完整但其实很虚的答案；
  • 没有说明不确定性；
  • 明明没验证，却说得像已经验证过。
  • 自己能调用的工具不一致，导致模型输出不一致。
如果是普通闲聊，这问题不大。
但如果是：架构决策；技术选型；项目复盘；代码审查；产品方向判断；
那只听一个 AI 的意见，风险就比较高。
所以我想要一个工具，不是让一个 AI 直接给答案，而是让多个 AI 组成一个“小型评审委员会”。
它们可以：
  1. 先各自独立回答；
  2. 再看到彼此的观点；
  3. 然后互相校准、反驳、补充；
  4. 最后由一个 summary agent 生成最终答案。
这就是 Local AI Council （本机 AI 评审委员会）的核心思路。

二、什么是“串供”？

我给它起了一个中文昵称，叫：AI串供
当然，这个名字有点玩笑意味。
真正的目标不是让 AI 互相污染答案、统一口径，而是：先独立，再校准。
最典型就是让codex和claude同时针对一个问题出方案，然后讨论互相确认，你可以让他们持续发言到你认为合适或者他们两个共同认为合适，就像是两个人开会讨论一样，分别发言，开多次会议，最终你认为可以不用开会他们达成差不多一致时候输出最终结果。 
如果一开始就让所有 AI 看同一个“共识”，它们很容易互相带偏。
所以这个工具的流程是：
用户输入一个问题
↓
多个 AI agent 独立回答
↓
展示每个 AI 的原始回答
↓
开启串供 / 校准模式
↓
每个 AI 看到其他 AI 的回答
↓
各自修正、补充、反驳
↓
重复以上流程，直到用户满意或者达到用户控制的讨论轮次
↓
保存完整过程
也就是说，第 1 轮是“独立判断”，后续轮才是“互相校准”。
这样既能保留多模型的差异性，也能让它们吸收彼此有价值的观点。

三、它和普通多模型聊天工具有什么区别？

市面上已经有很多多模型聚合工具。
比如你可以在某些网页里同时问 GPT、Claude、Gemini，然后并排看回答。但 Local AI Council（本机 AI 评审委员会） 想做的不是简单并排展示。它更强调：
1. 本机优先
它调用的是你本机已经安装的 AI CLI。claude，codex，hermes，openclaw。能够调用使用你本机的工作区文件，操控本机内容。 使用本机skills等，这些 agent 都通过本地命令行调用。它不是一个云端 SaaS，也不是一个托管平台。默认在本机运行。
2. 先独立，再校准
它不是简单把一个问题同时发给多个模型，然后结束。
它支持多轮：
  • 第 1 轮：独立回答；
  • 第 2 轮：看其他模型答案后校准；
  • 第 3 轮：继续修正；再次回答
  • 第四轮：重复查看其他人回答继续论证和发表意见。 
  • 最后：summary agent 生成最终答案。
3. 有完整审计记录
每一次运行都会保存：
  • 原始问题；每轮 prompt；每个 agent 的 stdout、stderr；调用是否成功；耗时；最终答案；Markdown 报告；JSON 结果。
这意味着你不只是看到一个最终答案，还能回头看：
▎ 这个结论是怎么来的？
▎ 哪个 agent 提出了哪个观点？
▎ 哪个 agent 失败了？
▎ 哪些地方存在分歧？
▎ 最终答案有没有忽略某个少数派观点？
这对复杂决策非常重要。
4. 有健康检查
本机 AI CLI 很容易出现一个尴尬情况：
▎ 命令存在，但其实不能用。
比如：没登录、参数不对、进入交互模式，调用超时，模型不可用。
所以项目里加了一个命令：./ai-council doctor
它会真实调用每个 agent 的短 prompt，检查它到底能不能非交互运行。
状态包括：ok、command_missing、timeout、empty_output、failed
这样用户不用等到真正提问时才发现某个 agent 根本跑不起来。

四、现在它能做什么？

目前项目已经有一个可用的 MVP。
支持：
  • CLI 提问；
  • 本地 Web GUI；
  • 多 agent 并发调用；
  • 多轮串供 / 校准；
  • 最终综合答案；
  • agent 健康检查；
  • 历史记录；
  • 初步记忆；
  • 折叠长回答；
  • 一键复制每个 AI 的回答；
  • 一键复制最终答案；
  • 本地报告保存；
  • 基础测试和自检脚本。
启动 GUI 后，大概就是这样的使用方式：
  1. 输入问题；
  2. 选择要参与的 agent；
  3. 点击开始；
  4. 查看第 1 轮独立回答；
  5. 输入下一轮指导；
  6. 点击继续串供or第二轮串供or第三轮串供；
  7. 最后生成综合答案。

五、一个典型问题：我的项目下一步该做什么？

比如我可以问：
这个项目下一步应该优先优化什么？
多个 AI 会先独立回答。
claude 可能关注代码质量，gemini可能关注产品定位，codex可能关注安全边界，hermes可能关注 README 和分发。
然后进入校准轮。
每个 AI 会看到其他 AI 的回答，再输出：
  • 它接受了哪些观点；
  • 它不同意哪些观点；
  • 它认为哪些结论需要降级；
  • 它修正后的最终判断；
  • 它还有哪些不确定。
最终 summary agent 会综合生成一份结构化答案，比如：

结论

主要依据

共识

分歧与少数派观点

质量审查

仍不确定或需要更多证据的地方

置信度

如果要继续追问，最值得问的问题

这比单个 AI 直接给答案更适合做决策参考。

六、为什么叫 Local AI Council？

我一开始的目录名叫 mixture of experts，但后来发现这个名字其实容易误导。因为传统机器学习里的 MoE，一般指模型内部的专家路由，比如 Mixtral、Switch Transformer那种。
而这个项目不是训练模型，也不是实现神经网络 MoE。
它更像： Local AI Council：本机 AI 评审委员会。
它调度的是多个外部 AI agent，而不是一个模型内部的多个专家层。
所以更准确的定位是：Local AI Council（本机 AI 评审委员会）、多模型审议工作台、AI 决策复盘工具
“AI串供”可以作为中文昵称，因为好记，也能表达“多 AI 互相校准”的感觉。正式定位还是 Local AI Council（本机 AI 评审委员会）。

七、如何安装和运行？

项目地址：https://github.com/wangliguo123321/local-ai-council
它会自动：创建虚拟环境；安装依赖；设置脚本权限；生成默认配置；运行自检，然后检查 agent：
./ai-council list
./ai-council doctor
启动 GUI：./gui
浏览器打开：http://127.0.0.1:7860

八、这个项目现在还有哪些问题？

灵光乍现，现在还是 Alpha 阶段。认为比较重要的问题包括：
1. 多轮上下文会膨胀
目前后续轮会看到前面轮次的完整 transcript。
如果 agent 很多、轮次很多，prompt 会变得很长。
下一步需要引入：RoundDigest、CouncilState、Claim、Evidence、Risk、Confidence也就是不要每次把全文广播给所有 agent，而是把每轮提炼成结构化状态。
2. memory 还很粗糙
目前 memory 只是轻量 MVP。
它可以保存最终答案摘要，并在后续问题中做简单召回。
但它还不是成熟知识库。
后续需要：
  • 更好的检索、标签、作用域、删除 / 禁用、引用标注、记忆质量评估。
3. GUI 还需要继续打磨
现在 GUI 已经能用，但还不是产品级。
未来可以增强：流式输出；单个 agent 重试；整轮取消；更好的历史管理；更清晰的质量面板；更好的安装体验。

十、为什么我觉得这个方向值得做？

因为我越来越觉得，未来很多人的工作流不会只依赖一个 Agent。
更现实的情况可能是：
▎ 一个人同时拥有多个 AI agent。
▎ 每个 agent 擅长不同事情。
▎ 用户需要一个本地工作台来调度、比较、校准和复盘它们。
现在的很多 AI 产品都在追求“一个超级智能体帮你搞定一切”。
但我觉得还有另一条路线：
▎ 不要假设一个 AI 永远是对的，而是构建一个可以互相质疑、互相补充、可复盘的 AI council（）。
这个项目就是这个想法的一个小原型。
它不追求一开始就很复杂，也不想变成庞大的 agent 框架。
它先解决一个明确问题：
▎ 我能不能更方便地让多个本机 AI 一起回答一个问题，并且保留它们讨论和校准的过程？
目前答案是：可以。

十一、欢迎一起试用和贡献

项目地址：
https://github.com/wangliguo123321/local-ai-council
如果你也经常同时使用多个 AI 工具，欢迎试试。
你可以贡献：新的 agent adapter；不同 AI CLI 的非交互调用方式；GUI 改进；memory 检索；RoundDigest / CouncilState 设计；测试和安全检查；文档、教程和真实使用案例。
我现在对这个项目的定位很明确：
▎ AI串供：Local AI Council（本机AI评审委员会）：一个本机优先、可审计、可校准的多 AI 评审委员会。
让ai“串供”，问AI可以只问一次，整个电脑所有AI都忙碌起来，如果你也觉得“只问一个 AI 不够稳”，那这个项目可能会对你有用。（希望大家早日实现token自由）

相关学习资料