multi 多模型评审
把同一个任务同时交给多个 AI 模型，并排呈现它们的一致与分歧，让你自己下判断。
- Star 数
- ★ 23
- 最近更新
- 11 天前
- License
- MIT
- 主语言
- Shell
- FA 评分
- 41/100 · 缺口较多
30 秒速览
- 可在哪里用
- 通用 · 跨平台Codex · Claude Code · Claude APIChatGPT · OpenAI API（部分支持）
- 开始前需要
- 典型场景
- 提交 PR 前用多个模型交叉评审一个分支或 diff，希望拿到比内置评审更多的真实缺陷。
- 主要局限
- 依赖多个外部 CLI 与 API 密钥，任一后端缺失都会以
FAILED出现，配置面比单模型工具更宽。
这个 Agent 能做什么，适合哪些场景？
multi 是一个面向编码代理的插件（Claude Code 与 Codex CLI 均可安装），核心用途是把一次代码评审、任务完成度核查或提问同时分发给多个模型。它通过 config.toml 定义后端（backend）与配置档（profile）：后端类型包括 codex、opencode、kilo、claude-headless 和 gemini，其中 claude-headless 可指向任何 Anthropic 兼容端点，例如 OpenRouter、z.ai、9router/OmniRouter。执行时每个后端与 Claude 子代理读取同一份代码快照（而非工作区实时文件），并行评审，再汇总成一份报告：经两个模型族相互印证的 corroborated、仅单一来源且已对代码核实的 single-source、互相矛盾的 disagreed，以及带原因的 dropped。可选的 depth 旋钮（lite/normal/ultra）与 model 旋钮（haiku/sonnet/opus/fable）控制评审角度与 Claude 子代理所用模型；loop 模式是唯一会修改工作区的模式。它还支持 /multi:check-if-done、/multi:ask、/multi:skill、/multi:adhd 等命令，并对每个模型标注是否可能将提示用于训练。
运行 multi 时，插件按当前 profile 取出一批后端，每类后端（如 codex、opencode、kilo、gemini、claude-headless）以对应 CLI 或 API 调用模型，同时读取同一份代码快照。评审流程中另有一个 ponytail 视角专门排查过度设计。结果被归类为 corroborated（两个模型族都发现）、single-source（单一来源，先对代码核实再呈现）、disagreed（分歧点）和 dropped（附丢弃原因），失败的端点在报告中显示为 FAILED: <why>。depth 控制 Claude 子代理的评审角度数量（正确性 / 加安全与设计 / 加“任务是否真的完成”、对抗式二次 codex 复核与逐条单源发现验证）。训练数据策略通过每个 runner 追加的 <answer>.trains 行记录 yes|no|unknown <model>，并以最差结果计入报告；可用 no_train = true、--no-train 或后端级 trains = false/true 覆盖。其他命令包括 /multi:check-if-done（要求提供能证明完成的命令执行结果）、/multi:ask（同一问题并排作答，不合并）、/multi:skill（对每个模型执行同一技能）、/multi:adhd（给每个模型分配不同认知框架做规划）和 /multi:setup。
- 提交 PR 前用多个模型交叉评审一个分支或 diff，希望拿到比内置评审更多的真实缺陷。
- 团队想验证“任务是否真的完成”，要求由没有写这段代码的模型来判断，并附上可复现的验证命令。
- 预算有限的个人开发者使用 Codex 免费额度 + OpenCode 免费模型 + OpenRouter
:free模型组成零成本评审团队。 - 已持有 z.ai、Qwen、DeepSeek 或 9router/OmniRouter 的 Anthropic 兼容端点，希望把这些模型并入同一次评审。
- 对合规敏感的用户需要按模型标注是否会用于训练，并用
--no-train排除有训练风险的模型。 - 想对同一问题或同一技能获得多个模型并列答案，而不是被合并成一个结论。
如何安装或部署这个 Agent？
在 Claude Code 中安装：
claude plugin marketplace add szarkans/multi
claude plugin install multi@szkills在 Codex CLI 中安装：
codex plugin marketplace add szarkans/multi
codex plugin add multi@szkills其他宿主可让代理抓取并执行安装说明：
Fetch and follow instructions from https://raw.githubusercontent.com/szarkans/multi/main/INSTALL.md运行环境需要 python3，以及你所配置后端对应的 CLI（codex、opencode、kilo、gemini）。
如何使用这个 Agent？
首次运行 /multi:setup（Codex 中为 $multi:setup 等宿主注册形式），它会生成 ~/.config/multi/config.toml 与 ~/.config/multi/providers.env。一个最小配置示例：
default_profile = "normal"
[backends.codex]
type = "codex" # Free or Go plan
[backends.opencode]
type = "opencode" # no `models` = using free models
[backends.openrouter] # key defaults to OPENROUTER_API_KEY
type = "claude-headless"
base_url = "https://openrouter.ai/api"
models = ["qwen/qwen3.8-27b:free", "nvidia/nemotron-3-ultra-550b-a55b:free"]
[profiles]
normal = ["codex", "opencode", "openrouter"]之后直接用自然语言下达指令，例如“review this branch, ultra, profile free”或“only codex and glm”，代理会把 profile 转成 --backend 参数。也可调用 /multi:check-if-done、/multi:ask、/multi:skill、/multi:adhd。若想整轮排除可能用于训练的模型，在 config.toml 顶部加入 no_train = true，或在单次调用时传入 --no-train。所有字段说明见仓库中的 config.example.toml。
这个 Agent 有哪些优点和局限？
- 多后端可插拔：同一套配置里可混用 codex、opencode、kilo、gemini 和任意 Anthropic 兼容端点（OpenRouter、z.ai、9router 等）。
- 输出结构有明确分类：corroborated / single-source / disagreed / dropped，并保留丢弃原因，分歧部分可直接阅读。
- 内置评测对比：同一批真实缺陷上 multi 找到 29 个真实缺陷、其中 16 个为独有，而内置
/code-review high为 14 个和 1 个，Claude 成本接近（约 $3.5 对 $3.4）。 - 无外部评审模型时拒绝运行，避免“单模型评审伪装成多模型”。
- 训练数据策略可查询并按模型标注，支持
--no-train与后端级trains覆盖。
- 依赖多个外部 CLI 与 API 密钥，任一后端缺失都会以
FAILED出现，配置面比单模型工具更宽。 - 耗时更长：评测中每个用例约 19 分钟，而内置
/code-review high约 10 分钟。 - 评测中的成本数字只覆盖 Claude 使用量，第三方模型费用另计，小额但并非为零。
- 训练标注基于各提供方公开规则与 Kilo 目录缓存，作者明确说明
no并不等于零保留。 loop模式会改写工作区，其余模式只读快照，使用前需清楚区分。
这个 Agent 与同类方案有什么区别？
仓库在评测中直接对比了 Claude Code 内置的 /code-review high：真实缺陷 14 对 29，独有缺陷 1 对 16，Claude 成本约 $3.4 对 $3.5，单用例耗时约 10 分钟对 19 分钟。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| multi 多模型评审 当前 | 41 · 缺口较多 | — | ★ 23 | 11 天前 | Shell | Codex · Claude Code · Claude API |
| Plannotator | 78 · 表现良好 | 命令行工具免费版 + 付费版 | ★ 9.5k | 今天 | TypeScript | Codex · Claude Code |
| Claudexor | 76 · 表现良好 | 命令行工具免费 + 模型费 | ★ 515 | 今天 | TypeScript | Codex · Claude Code |
| MCO | 73 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 538 | 12 天前 | Python | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
README 声称代码审查读取的是快照而非实时工作树，且 loop 模式是唯一会修改工作树的模式，这体现了最小权限意识，但仅停留在文字层面，未见代码或权限清单佐证，故 least_privilege 仅 1。用户确认方面，loop 会编辑代码树却未描述逐次确认或 diff 预览机制，仅 1。数据流透明度相对较好：README 明确列出各后端训练数据判定表、trains 标记文件与 no-train 开关，得 2。敏感数据处理仅提到 providers.env 存放 API key，未说明权限、加密或泄露防护，得 1。依赖安全完全无证据（无锁文件、无依赖审计），得 0。外部副作用方面，除 loop 外声称只读，但无代码验证，得 1。回滚仅提到 loop 最多 3 轮，未描述失败回滚或备份，得 1。来源归属仅 LICENSE 署名作者，无发布者验证，得 1。
自洽性：README 中模型名（如 qwen3.8、GLM-5.3、gemini-3.8）与日期（30.09.2026）明显异常，疑似虚构或未来化，削弱可信度，得 1。依赖可用性：仅声明需要 python3，未固定版本或列出依赖清单，得 1。失败信息：明确说明后端失败会以 FAILED: <why> 呈现而非静默，且无第二模型家族时拒绝运行，得 2。
受众与场景：清晰面向代码审查、check-if-done、提问、规划等场景，得 2。能力边界：描述了 depth/profile 等旋钮，但未系统列出不支持的情形，得 1。触发精度：依赖自然语言触发（如“review this branch, ultra”），无严格语法定义，得 1。环境适配：支持 claude/codex 插件市场及“其他宿主自行安装”，但安装依赖外部 INSTALL.md 未提供，得 1。
信息架构：README 较长但结构松散、口语化，得 1。安装说明：给出 claude 与 codex 的具体命令，得 2。命名稳定性：无版本化命名约定，得 1。示例与 FAQ：配置示例丰富，含 clown 完整示例，得 2。已知限制：仅零散提及耗时更长、成本，未系统列出，得 1。许可证：MIT 完整，得 2。版本与变更日志：完全缺失，得 0。维护责任：仅个人署名，无 issue 流程或维护承诺，得 1。
输出可用性：报告分为 corroborated/single-source/disagreed/dropped 并附理由，结构清晰，得 2。边际价值：多模型交叉验证确有价值，但评测数据自述且模型名可疑，价值主张支撑不足，得 1。成本效益：自述成本相近但耗时翻倍，且评测不可独立验证，得 1。
主张可追溯：引用 evals/RESULTS.md 但该文件未在证据中提供，得 1。跨源印证：仅 README 与 LICENSE 两个文件，无代码或测试佐证，得 1。事实与推断分离：README 区分了“measured”与主观推荐，但模型名与日期异常使事实性存疑，得 1。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- README 中出现的模型名（qwen3.8、GLM-5.3、gemini-3.8 等）与日期（30.09.2026）明显异常，可能为虚构或未来化内容，评测数据不可轻信。
- 评测结果引用 evals/RESULTS.md，但该文件未包含在证据中，无法独立核验其“多找到 29 个 bug”等主张。
- loop 模式会直接修改工作树，README 未描述逐次确认、diff 预览或失败回滚机制，存在误改风险。
- API key 存放于 providers.env，未说明文件权限或泄露防护。
- 无依赖锁定、无版本与变更日志，安装依赖外部 INSTALL.md，供应链与可复现性证据不足。
- 发布者身份未经 FollowAgents 验证，属未知，不应据此推断安全性。
常见问题
完全不花钱能用吗？
:free 模型即可组成 profile；README 的“no money”示例就是这种组合。但训练数据标注会更严格，no_train = true 时可能只剩少数可用模型。评审会修改我的代码吗？
loop 模式，它会修复、重新评审并最多重复三轮。某个后端跑不起来会怎样？
FAILED: <why>，不会被静默忽略。如果一个非 Claude 评审模型都没有配置成功，插件会直接拒绝运行，而不是给出伪多模型结果。怎么知道模型会不会用我的代码训练？
<answer>.trains 追加 yes|no|unknown <model>，报告取最差结果。可用 no_train = true 或单次 --no-train 排除，只有 no 的模型参与；如果账号本身不训练，可在 [backends.<name>] 下设置 trains = false。作者也说明 no 不承诺零保留。