用途：multi-llm-convergence 是一个“收敛驱动”技能，用于把一份产物（文件、计划、PRD、规格、文档或代码改动）在两个真正不同的 LLM 评审者之间来回传递，逐轮应用发现的问题并提交，直到两个模型在同一产物状态上独立给出通过结论。其核心假设是单一模型存在相关性盲点，交替不同模型家族才能互相发现对方引入或遗漏的缺陷。
主要能力：交替使用 Codex 评审者（非 Claude 模型，只读运行）与独立的 Claude 评审子代理（subagent_type: general-purpose，无先前上下文）；每轮要求结构化输出（findings 列表，含 severity、location、claim、verified_against、suggested_fix，以及 clears_bar 判定）；每轮单独提交，形成可审计轨迹；通过存活看门狗检测后台评审者静默挂起并恢复；区分收敛、达到轮次上限的停滞与来回反复的振荡。
使用方式：先确认产物、通过标准（默认无 critical/high 发现）、最大轮次（默认 6 次评审）与事实来源路径；预检两个评审者是否可用，缺少 Codex 插件则硬停止；先把外部依赖克隆到 tmp/ 并加入 .gitignore，避免离线评审者联网卡死；建立基线提交；交替派发评审者，每次派发都设置 ScheduleWakeup 心跳（约 270 秒）并轮询任务状态；应用达到标准的发现并提交；连续两次干净通过（每个模型一次且无需编辑）即收敛。
适用场景：需要跨模型共识的文档、计划或代码改动评审。
限制：必须同时具备 Codex 插件与可派发后台子代理的主机，否则无法运行；评审者可能幻觉 API，需对照本地克隆核实；达到轮次上限或出现振荡时应停止并报告，不得假装达成共识。具体命令与模板见其 references 文档。