用途:cross-critique 是“第二轮”技能,用于在多个子智能体已就同一争议问题独立产出方案或意见后,不直接自行汇总,而是把每份方案分发给其他作者,请他们从优缺点角度进行批判,最后综合更丰富的分析。
主要能力:让作者互相挑错,暴露失败模式、隐藏假设与取舍,这些往往是原提案者或你自己未察觉的。
使用前提:必须先有 N 份独立方案。判断型决策可用 council 技能生成(同一问题上的多模型子智能体);调查型问题可用并行子智能体(见 research 技能);也可用已收集的任意独立方案集。第一轮必须独立,作者之间不能互看,否则会失去多样性。
使用方式:1)汇总各作者方案,保持简洁,只保留核心建议与理由,可中性标注(Proposal A、B、C),条件允许时匿名作者以减少从众偏差。2)复用第一轮同一批子智能体,把其他人的方案(不含自己的)发给他们,要求对每个替代方案给出优点(哪里对、哪里比我的强)和缺点(风险、边界情况、隐藏成本、错误假设),并说明看到替代方案后是否修改自己的建议及原因,最后给出排序或推荐与信心。必须同时要求优点和缺点。3)由你综合:按证据质量而非票数比较,先给推荐,指出作者在看到彼此工作后的收敛点,列出针对各选项最尖锐的反对意见,解释推荐选项为何最能经受批判,并说明剩余分歧、信心与未知。
适用场景:架构与设计取舍、评审结论不一致的代码评审、竞争性根因假设、无唯一正确答案的代码结构或 API 形态决策。
限制:方案已高度一致或问题有可直接验证的客观答案时不必使用,因为会增加延迟与 token 消耗;其价值来自解决真实分歧。批判轮应保持只读,除非任务本身涉及修改;面向用户的总结中不要暴露内部子智能体 ID,除非用户要求;若某条批判薄弱或缺乏支撑,应向同一作者发定向追问而非丢弃。
官方文档未提供具体安装命令或代码示例。