SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场multi-ai-research

multi-ai-research

写作与研究

查看项目

更新于 10-15 11:23

技能介绍

用途

multi-ai-research 是一个多 AI 协作的研究与分析技能，通过三个 AI 系统协同工作，产出比任何单一 AI 更全面的分析。其核心创新不只是并行执行，而是为各 AI 分配专门的研究角色，进行交叉验证与迭代优化，直到结果达到可交付标准（质量 ≥95/100、100% 引用、零缺口）。

三个 AI 系统

  • Claude 子代理（通过 Task 工具）：负责文档分析、代码库分析、综合。
  • Gemini CLI：负责网络研究、最新趋势、社区实践。
  • Codex CLI：负责 GitHub 模式、代码示例、深度推理。

主要能力

该技能声称提供以下质量保证：100% 覆盖（所有目标均被处理、零缺口）、100% 引用（每条论断均有来源，file:line 或 URL）、多视角（三个 AI 系统交叉验证）、质量 ≥95/100（经三遍验证系统确认）、可操作（含具体建议与示例）、可恢复（外部记忆支持多会话工作）。

适用场景

  • 安全分析：认证/授权评估、漏洞识别、最佳实践验证、OWASP Top 10 覆盖、渗透测试准备。
  • 架构分析：系统设计评审、组件映射、集成模式分析、可扩展性评估、技术债评估。
  • 代码质量分析：模式检测、代码异味识别、复杂度指标、重构机会、最佳实践遵循。
  • 性能分析：瓶颈识别、算法复杂度、资源使用模式、优化机会、基准分析。
  • 研究综合：多来源研究汇编、最佳实践识别、技术评估、模式发现、趋势分析。
  • 全面审查：生产前审计、系统健康检查、合规验证、文档审计、知识转移。

使用方式

方式一：自动化脚本

bash .claude/skills/multi-ai-research/scripts/analyze.sh "Security analysis of authentication system"

该脚本会创建分析计划、启动并行研究（Claude + Gemini + Codex）、执行深度分析、综合与验证、按需迭代、生成最终报告。

方式二：交互模式

向 Claude Code 提出请求，例如：

"Use multi-ai-research to analyze [objective]"

Claude 会创建综合分析计划、协调三个 AI 系统、综合发现、验证质量、迭代至 ≥95 分、交付最终报告。

五阶段流水线

  1. 规划与策略（5-10 分钟）：输出 .analysis/ANALYSIS_PLAN.md，定义目标与范围、规划文件读取策略（glob → grep → read）、分配任务、设定验证标准与成功阈值。
  2. 并行研究（10-20 分钟）：输出 .analysis/research/*.md，三个系统同时研究。Claude 子代理分析官方文档、代码库、架构映射、模式识别；Gemini CLI 进行网络研究（2024-2025 最新）、社区最佳实践、行业趋势、常见陷阱；Codex CLI 分析 GitHub 模式、顶级仓库代码示例、实现参考、测试策略。
  3. 深度分析（15-30 分钟）：输出 .analysis/analysis/code-patterns.md，Claude 分析代理使用扩展思考进行渐进式代码库分析、跨来源模式识别、架构映射、指标计算、风险评估。
  4. 综合与验证（10-20 分钟）：输出 .analysis/SYNTHESIS_REPORT.md 与 .analysis/verification/cross-check.md。综合阶段读取所有研究发现、识别跨来源主题、解决矛盾、创建统一叙述并附完整引用；验证阶段由验证子代理执行三遍验证（完整性、准确性、质量）、跨来源验证、引用检查、缺口分析、质量评分。
  5. 迭代（如需要，10-30 分钟）：输出 .analysis/iterations/ITERATION_2.md。若质量 <95 或存在缺口，则针对缺口进行定向研究、质量改进、重新验证，重复直至 ≥95。
  6. 最终报告（5-10 分钟）：输出 .analysis/ANALYSIS_FINAL.md，包含执行摘要、完整发现、所有来源综合、按优先级排序的建议、实施指导、完整引用。

综合分析的预计总时间为 45-90 分钟。

工作原理

渐进式披露：从不盲目读取文件，始终采用三级方法。第一级元数据（glob，约 50 tokens）了解结构；第二级模式（grep，约 5k tokens）查找模式；第三级读取（read，约 50k tokens）只读关键文件。据称可减少 90% 以上不必要的文件读取。

外部记忆架构：所有状态保存到文件而非上下文，目录结构包括 ANALYSIS_PLAN.md、research/、analysis/、verification/、iterations/、ANALYSIS_FINAL.md。好处是可突破上下文窗口限制、支持多会话分析、可从任意检查点恢复、无信息丢失。

交叉验证模式：高置信度（★★★★★）为三个来源一致且有代码验证；中置信度（★★★☆☆）为 2/3 来源一致；需调查（★★☆☆☆）为来源冲突。

质量评分：采用 0-100 分评分标准，涵盖全面性（/20）、准确性（/20）、具体性（/20）、可操作性（/20）、一致性（/20）。质量门限：≥95 可交付；85-94 需小幅完善；75-84 需迭代；<75 需返工。

迭代优化：迭代 1（广度）广泛覆盖并识别缺口；迭代 2（深度）填补缺口、提升质量；迭代 3（打磨）最终验证。自动迭代直至质量 ≥95、引用覆盖 100%、关键缺口为 0。

配置与前置条件

必需：Claude Code（具备 Task 工具访问权限）。

可选但推荐：

npm install -g @google/gemini-cli
npm install -g @openai/codex

注意：若 Gemini/Codex 不可用，技能可回退为仅 Claude 分析。

Gemini CLI 设置：

npm install -g @google/gemini-cli
gemini
# 按浏览器提示完成认证
gemini -p "test prompt"

Codex CLI 设置：

npm install -g @openai/codex
codex login
# 按浏览器提示完成认证
codex exec "test prompt"

模型选择：Claude 方面，Haiku 用于研究与验证（快速高效），Sonnet 用于分析与综合（均衡），Opus 用于复杂推理（如需要）。Gemini 方面，gemini-2.5-flash 用于快速研究，gemini-2.5-pro 用于复杂分析。Codex 方面，gpt-5.1-codex 用于标准任务，o3 用于深度架构推理，o4-mini 用于快速操作。

最佳实践

目标要具体（例如“对认证模块进行 OWASP Top 10 合规性安全分析”而非“分析代码”）；信任验证机制；执行期间查看 .analysis/ 文件夹了解进度；利用引用进行验证与深入；大型项目可跨会话进行；对比三个 AI 视角以获取高价值洞察。

限制与故障排查

质量分偏低（<95）：原因是覆盖缺口或缺少引用，解决方案是自动迭代 2 填补缺口，可查看 .analysis/verification/cross-check.md。

缺少引用：验证会标记未引用论断，迭代会补充归属。

Gemini/Codex 不可用：回退为仅 Claude 分析并给出警告，视角减少但仍全面。

信息冲突：综合阶段调查冲突，方法是检查真实来源（实际代码/文档），输出为记录解决推理。

相关技能

anthropic-expert、codex-cli、gemini-cli、tri-ai-collaboration、analysis。

快速参考

命令行：

bash .claude/skills/multi-ai-research/scripts/analyze.sh "objective"

交互式：直接请求“Use multi-ai-research for [objective]”。

关键文件：.analysis/ANALYSIS_PLAN.md（策略与分配）、.analysis/research/（所有 AI 研究输出）、.analysis/SYNTHESIS_REPORT.md（多来源综合）、.analysis/ANALYSIS_FINAL.md（完整最终报告）。

质量指标：质量分 ≥95/100、引用覆盖 100%、完整性 ≥95%、关键缺口 0。

分析时间估算：安全 45-60 分钟（1-2 次迭代）、架构 60-90 分钟（1-2 次迭代）、代码质量 30-45 分钟（1 次迭代）、性能 45-60 分钟（1-2 次迭代）、研究 30-60 分钟（1 次迭代）。