用途:Council 用于协调多个子智能体调查同一问题,先追求模型多样性,其次才是视角多样性,最后把各报告综合成一条推荐。适合判断密集型任务,如架构取舍、高风险缺陷修复、代码评审红队、上线决策、事故分析,以及“这个替代方案是否值得做”的问题。
主要能力:可组织三名成员,默认阵容为最强 Claude/Opus 推理模型负责架构、正确性与边界情况;最强 GPT/Codex 模型负责落地实现、可行性与测试策略;开源模型(如 Kimi、GLM 或本地模型)负责反方批评、隐藏假设与替代框架。若某模型不可用,改用同族最接近的模型并说明替换;无开源模型时可用第三个前沿模型并赋予对抗或专门视角。每个成员同时分配模型与角度,避免角度重复。
使用方式:先一句话框定要回答的决策,明确竞争选项、待检查的代码库/分支/PR/设计、是否只读、决策标准。不同子智能体需要不同模型时,因模型选择是运行级设置,需分开调用 run_agents。只读调查让所有子智能体在同一检出中并明确禁止改文件;实现或原型类则给每个本地子智能体独立 git worktree 与分支。启动前向用户简述成员与分工并等待批准。要求结构化报告:检查的证据、当前行为、待评估替代方案、正确性风险与边界、实现与测试成本、建议(保持/采用/混合)、置信度与未知项。保持独立性,除非有意做第二轮批评,否则不共享彼此发现。收集报告后按证据质量而非票数综合,先给推荐,再列共识与分歧、权衡风险、最终行动。
限制:模型可用性取决于当前运行环境,不可编造不支持的模型 ID;长简报可能导致启动校验问题,可先用最小提示启动再补发完整简报;只读时不得修改文件、提交、建分支或开 PR;并行本地编辑须用隔离 worktree;评审意见须在问题真正解决后才标记为已解决;面向用户的总结中不要暴露内部子智能体 ID。