用途：在提交人工审查前，用多个 AI 模型对代码变更做多轮评审，提前发现问题。
主要能力：每个模型独立评审，随后综合反馈、实施修改并循环，直到无未解决的关键问题且模型通过或仅需小改。
使用方式：需至少安装并认证一个代理式 CLI（Cursor Agent、Claude Code 或 OpenAI Codex），并可用对应命令验证版本与打印模式。工作流为：先创建按分支隔离的工作目录，收集 diff 与上下文并写入评审提示；再并行发送给多个模型，将输出保存到该目录；然后综合反馈，按 critical、recommended、trivial 分类，识别共识与分歧；接着实施修复，必要时重新评审；最后推送分支并创建 MR/PR。
适用场景：分支级代码评审、需要多模型交叉验证的变更、在人工审查前做质量门禁。
限制与注意：需使用具备深度推理的思考模型，并尽量选择不同提供商的模型；评审提示不应包含自己的评估，以保证独立性；对错误反馈应基于证据反驳；不要因模型一致而放弃人工判断；保留现有测试覆盖，除非有明确理由。资料未提供具体收费、价格或平台支持信息。