SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场brains-trust

brains-trust

编程与开发

查看项目

更新于 10-15 12:37

技能介绍

用途

Brains Trust 用于向其他领先 AI 模型征求第二意见。它不限于代码，也适用于架构、策略、提示词、调试、写作，或任何需要新视角的问题。

默认行为

当用户只说“Brains Trust”而未指定咨询内容时，应用以下默认值：

  • 模式：共识（来自不同提供商的 2 个模型）——它叫“brains trust”，不是“单一意见”。
  • 范围：Claude 在当前会话中正在处理的内容。查看近期上下文：编辑过的文件、做出的决定、讨论过的架构、正在解决的问题。
  • 模式推断：
    • 最近编写/编辑代码 → 代码审查
    • 处于规划或设计讨论 → 架构
    • 调试某事物 → 调试
    • 构建提示词或技能 → 提示词
    • 无明确信号 → 通用（询问：“我们遗漏了什么？我们的盲点是什么？”）
  • 模型：从 2 个不同提供商中选择最新的 pro 级模型（查看 models.flared.au）。偏好多样性：例如一个 Google + 一个 OpenAI，或一个 Qwen + 一个 Google。绝不选同一提供商的两个模型。
  • 提示词重点：“审查我们一直在做的工作。我们遗漏了什么？什么可以改进？我们可能有哪些盲点？有没有我们没考虑过的更简单方法？”

触发词到默认映射

触发词 默认模式 默认范围
“brains trust” 共识（2 个模型） 当前会话工作
“second opinion” 单一（1 个模型） 当前会话工作
“ask gemini” / “ask gpt” 单一（指定提供商） 当前会话工作
“peer review” 共识（2 个模型） 最近更改的文件
“challenge this” / “devil's advocate” 魔鬼代言人（1 个模型） Claude 当前立场

用户始终可以通过具体说明来覆盖默认值：“brains trust this config file”、“ask gemini about the auth approach”等。

设置

至少设置一个 API 密钥作为环境变量：

# 推荐——一个密钥覆盖所有提供商
export OPENROUTER_API_KEY="your-key"

# 可选——直接访问（通常更快/更便宜）
export GEMINI_API_KEY="your-key"
export OPENAI_API_KEY="your-key"

OpenRouter 是通用路径——一个密钥即可访问 Gemini、GPT、Qwen、DeepSeek、Llama、Mistral 等。

当前模型

不要使用硬编码的模型 ID。每次咨询前，获取当前领先模型：

https://models.flared.au/llms.txt

这是一个实时更新、精选的列表，包含来自 11 个提供商的约 40 个领先模型，从 OpenRouter 的完整目录中筛选而来。用它为任务选择正确的模型。

用于生成的 Python 脚本中的程序化使用：https://models.flared.au/json

咨询模式

模式 默认用于 发生什么
共识 “brains trust”、“peer review” 并行询问来自不同提供商的 2 个模型，比较它们一致/不一致之处
单一 “second opinion”、“ask gemini”、“ask gpt” 询问一个模型，与你自己的观点综合
魔鬼代言人 “challenge this”、“devil's advocate” 要求模型明确反驳你当前的立场

对于共识，始终选择来自不同提供商的模型（例如一个 Google + 一个 Qwen），以获得最大视角多样性。

模式

模式 何时 模型层级
代码审查 审查文件的 bug、模式、安全 Flash
架构 设计决策、权衡 Pro
调试 2 次以上失败尝试后卡住 Flash
安全 漏洞扫描 Pro
策略 业务、产品、方法决策 Pro
提示词 改进提示词、系统提示词、KB 文件 Flash
通用 任何问题、头脑风暴、挑战 Flash

Pro 层级：所选提供商中最强大的模型（例如 google/gemini-3.1-pro-preview、openai/gpt-5.4）。 Flash 层级：快速、更便宜的模型，用于直接分析（例如 google/gemini-3-flash-preview、qwen/qwen3.5-flash-02-23）。

工作流

  1. 检测可用密钥——检查环境中的 OPENROUTER_API_KEY、GEMINI_API_KEY、OPENAI_API_KEY。如果未找到，显示设置说明并停止。
  2. 获取当前模型——WebFetch https://models.flared.au/llms.txt，并根据模式（pro 与 flash）和咨询模式（单一与共识）选择合适模型。如果用户请求了特定提供商（“ask gemini”），则使用该提供商。
  3. 将目标文件读入上下文（如果与代码相关）。对于非代码问题（策略、提示词、通用），跳过文件读取。
  4. 使用 references/prompt-templates.md 中的 AI-to-AI 模板构建提示词。以内联方式包含文件内容，用 --- filename --- 分隔符。不要设置输出 token 限制——让模型充分推理。
  5. 在 .jez/artifacts/brains-trust/{timestamp}-{topic}/ 创建咨询目录（例如 2026-03-10-1423-auth-architecture/）。将提示词写入其中的 prompt.txt——绝不要通过 bash 参数内联传递代码（shell 转义会破坏它）。
  6. 使用 references/provider-api-patterns.md 中的模式，在 .jez/scripts/brains-trust.py 生成并运行 Python 脚本：
    • 从咨询目录的 prompt.txt 读取提示词
    • 调用选定的 API
    • 对于共识模式：使用 concurrent.futures 并行调用多个 API
    • 将每个响应保存到咨询目录中的 {model}.md
    • 将结果打印到 stdout
  7. 综合——阅读响应，向用户呈现发现。注意模型一致和不一致之处。添加你自己的观点（同意/不同意并说明理由）。让用户决定采取什么行动。

何时使用

适合的使用场景：

  • 在提交重大架构更改之前
  • 多次尝试后调试卡住时
  • 有多个有效选项的架构决策
  • 审查安全敏感代码
  • 挑战自己在策略或方法上的假设
  • 改进系统提示词或 KB 文件
  • 任何你想要新视角的时候

避免用于：

  • 简单语法检查（Claude 能处理这些）
  • 每一次编辑（太慢，花钱）
  • 有显而易见、众所周知答案的问题

关键规则

  • 绝不硬编码模型 ID——始终先从 models.flared.au 获取
  • 绝不限制输出 token——不要设置 max_tokens 或 maxOutputTokens
  • 始终将提示词写入文件——绝不通过 bash 参数传递
  • 内联包含文件内容——直接在提示词中附加代码上下文
  • 使用 AI-to-AI 框架——模型是在给 Claude 提供建议，而不是与人类对话
  • 将进度打印到 stderr——Python 脚本必须打印状态更新（Calling gemini-2.5-pro...、Received response from qwen3.5-plus.），以便用户在 30-90 秒等待期间知道它正在工作

参考文件

何时 阅读
为任何模式构建提示词 references/prompt-templates.md
生成 Python API 调用脚本 references/provider-api-patterns.md