tstack council技能揭秘:3个顶级AI模型议会式多轮评审循环直到全部达成共识

原创2026-10-30 15:49:542,156 阅读

tstack council技能揭秘:3个顶级AI模型议会式多轮评审循环直到全部达成共识

tstack 是一款面向 AI 编程代理的技能集合,兼容 Claude Code 与 Codex。其中的 council 技能可以一句话召唤 3 个来自不同厂商的顶级 AI 模型,对同一段代码进行"议会式"多轮评审,循环迭代直到全部达成共识。本文将带你快速看懂它的原理、使用方法和注意事项。

council 技能是什么?

在 README.md 的技能列表中,council 的定位非常清晰:

获得来自三个不同厂商模型的评审意见,并循环直到它们达成一致。

也就是说,当你只想让"一个 AI"看代码时,视角难免单一。而 council 的做法是:让 三个互不隶属的顶级模型 各自独立评审,再由主控代理汇总分歧、推动修改,反复几轮,直到三位"议员"都满意为止。它的完整规则定义在 skills/council/SKILL.md。

触发方式很简单——在对话里说出 council 这个关键词即可。

3 个顶级模型如何"开会" 🔵

council 的核心是"三厂商、三旗舰、高推理":

  • 每个厂商选一个强模型,且开启高推理(high reasoning effort);
  • 如果用户指令中指定了成员,就按指定的来;否则默认挑选各家最新旗舰模型,例如 Claude Opus、GPT Sol 和 Gemini Pro;
  • 在 T3 Code 中通过 orchestrator_capabilities 解析模型、再用 delegate_task 并行拉起每个模型的评审子任务;在其他环境中则使用宿主框架的 subagent 工具。

这里有个关键设计:如果某个厂商不可达,或指定的成员无法使用,council 会如实报告,而不是偷偷换一个模型顶替。这保证了"三票"的可信度——评审结果不会因静默替换而失真。

每位"议员"拿到的是同一份请求和相关上下文;如果是代码评审,它们的工作被限定为只读,不会擅自改动代码。

多轮评审循环:如何循环直到达成共识 🔁

council 不是一次性评审,而是一个带"轮次"的闭环:

  1. 发起评审:把请求与上下文分发给三个模型,各自给出意见;
  2. 汇总分歧:主控代理收集三方回复,提炼有价值的发现、分歧点和下一步建议;
  3. 执行修改:如果你认同这些建议,就动手修改代码;
  4. 重新评审:修复后发起新一轮全新评审,每一轮完整评审计为一轮(round);
  5. 循环判定:重复上述过程,直到所有代理都对结果满意,共识达成。

为了防止"评审越改越大",技能还明确要求:不要让反复评审导致范围蔓延(scope creep),保持改动边界是你的职责。这让循环既充分又克制。

💡 如果你偏好"单模型多轮"的轻量版,可以看看 skills/sol-loop/SKILL.md 里的 sol-loop 技能,它用单个模型循环评审直到双方同意。

打分机制与 PR 中的评审记录 📊

对于代码评审,council 会让每位模型给出 0–10 的评分。如果某位模型没有给分,就如实写 no score,绝不编造分数。

当工作最终落地为一个 PR 时,council 会把评审结果写进 PR 描述,放在结尾的"模型与宿主"说明之前。记录形式如下:

## Council review

Rounds: 2

| Delegate | Round 1 | Round 2 |
| --- | --- | --- |
| Claude Opus | 7/10 | 9/10 |
| GPT Sol | 8/10 | 10/10 |
| Gemini Pro | 7/10 | 9/10 |

几个细节值得注意:

  • PR 已存在时,直接编辑描述,而不是另发评论;
  • 没有 PR 时,把同样的结果放进最终回复即可。

安装与使用:快速上手 council 技能 🚀

一键安装步骤

git clone https://gitcode.com/gh_mirrors/tst/tstack
cp -R tstack/skills/* ~/.claude/skills/   # Claude Code
cp -R tstack/skills/* ~/.codex/skills/    # Codex

环境要求

根据 README.md 的说明,council 主要依赖:

  • 已认证的 GitHub CLI(gh);
  • 能够运行其他厂商模型的 subagent 能力——T3 Code 通过 delegate_task 实现,否则需要你的宿主框架支持调用这些模型。

个性化配置

技能作者建议把"哪些模型坐你的 council"这类偏好写进 CLAUDE.md 或 AGENTS.md,这样日后更新技能也不会丢失个人设置。技能文件只是起点,欢迎按需修改。

为什么需要"议会式"评审?

单个模型的评审容易受自身训练偏好影响:有的偏爱保守,有的倾向激进。让三家旗舰模型独立发声,再交由主控代理调解分歧,相当于给代码加了一层"交叉质证"。分歧本身就是信号——当三个模型在某个问题上意见相左时,往往意味着这里有真实的权衡点,值得你亲自把关。

常见问题 FAQ

问:council 会修改我的代码吗? 答:评审阶段三位"议员"只读不改;修改由主控代理在你认同建议后执行,并随即发起新一轮评审。

问:找不到三个厂商的模型怎么办? 答:council 会如实报告缺失的成员,而不会静默替换,保证评审结果真实可信。

问:它适合日常小改动吗? 答:council 更适合对质量要求较高的改动。轻量场景可考虑 sol-loop 等单模型循环技能。


以上就是 tstack 中 council 技能的完整拆解:三个顶级模型并行评审、多轮循环、打分留痕,直到达成共识。把它装进你的工作流,让"一个人 + 三个 AI 议员"为你的每一次改动把关。

登录后查看全文
tstack