用途：面向单模型幻觉风险不可接受、需要多视角验证的高风险决策，运行三阶段多模型共识流程。不适合简单低风险决策、时间紧迫任务、存在唯一正确答案的情况，或对成本敏感的场景（约三倍 API 消耗）。
主要能力：采用 Karpathy 模式，分三阶段：阶段一 COLLECT（Claude、Gemini、Codex 分别回答，得到 Response A/B/C）；阶段二 RANK（各模型匿名评审其他模型，给出排名与理由）；阶段三 SYNTHESIZE（主席模型汇总排名，产出最终答案与共识分数）。共识分数大于 0.80 为强共识，0.67-0.80 为中等共识需参考少数意见，低于 0.67 为弱共识需升级人工审查。结果写入 Memory-MCP，键为 multi-model/council/decisions/{query_id}，标签 WHO=llm-council、WHY=consensus-decision。
使用方式：基本用法 /llm-council "Should we use microservices or monolith for this system?"；可加阈值 /llm-council "Which auth approach is best?" --threshold 0.75；可指定主席 /llm-council "Architecture decision" --chairman gemini；命令模式为 bash scripts/multi-model/llm-council.sh "<query>" "<threshold>" "<chairman>"。默认参数：threshold 0.67、chairman 为 claude、参与模型为 [claude, gemini, codex]。输出为 JSON，包含 query、final_answer（synthesis 与 chairman）、consensus_score、各模型 responses、rankings（model、rank、rationale）。写作任何代码前需遵循 LIBRARY-FIRST PROTOCOL：先查 .claude/library/catalog.json，匹配超过 70% 则复用或适配；再查 .claude/docs/inventories/LIBRARY-PATTERNS-GUIDE.md；再查 D:\Projects* 中已有项目。
限制：存在失败模式，包括死锁（全部模型不一致或低于阈值，存入人工审查）、模型不可用（某模型超时则按 2/3 法定人数继续）、主席失败（回退到排名最高的回答）。具体调用 API、脚本实现细节、费用与平台支持等资料暂未提供。