brains-trust

Brains Trust

征询其他领先 AI 模型的第二意见。不仅限于代码——也适用于架构、策略、提示词、调试、写作，或任何需要全新视角的问题。

默认设置（用户只说“Brains Trust”时）

如果用户触发此技能，却未指定要咨询什么，请应用以下默认设置：

1. 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”
2. 范围：Claude 在当前会话中一直在处理的内容。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。
3. 类型：根据上下文推断：
   • 最近编写或编辑了代码 → 代码审查
   • 正在进行规划或设计讨论 → 架构
   • 正在调试某个问题 → 调试
   • 正在构建提示词或技能 → 提示词
   • 没有明显线索 → 通用（询问：“我们遗漏了什么？有哪些盲点？”）
4. 模型：从 2 个不同的提供商中选择最新的专业级模型（查看 models.flared.au）。优先选择不同提供商，例如一个 Google 模型加一个 OpenAI 模型，或一个 Qwen 模型加一个 Google 模型。绝不要选择来自同一提供商的两个模型。
5. 提示词重点：“审查我们一直在处理的内容。我们遗漏了什么？哪些方面可以改进？可能存在哪些盲点？有没有我们尚未考虑过的更简单方案？”

触发语 → 默认映射

触发语	默认模式	默认范围
"brains trust"	共识（2 个模型）	当前会话的工作
"second opinion"	单一（1 个模型）	当前会话的工作
"ask gemini" / "ask gpt"	单一（指定的提供商）	当前会话的工作
"peer review"	共识（2 个模型）	最近更改的文件
"challenge this" / "devil's advocate"	唱反调（1 个模型）	Claude 当前的立场

用户始终可以通过明确说明来覆盖默认设置：“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：

# Recommended — one key covers all providers
export OPENROUTER_API_KEY="your-key"

# Optional — direct access (often faster/cheaper)
export GEMINI_API_KEY="your-key"
export OPENAI_API_KEY="your-key"

OpenRouter 是通用方案——一个密钥即可访问 Gemini、GPT、Qwen、DeepSeek、Llama、Mistral 等模型。

当前模型

不要使用硬编码的模型 ID。 每次咨询前，都要获取当前领先的模型：

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

这是一个实时更新、经过精选的列表，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。使用它为任务选择合适的模型。

在生成的 Python 脚本中以编程方式使用：https://models.flared.au/json

咨询模式

模式	默认适用情形	执行方式
共识	"brains trust"、“peer review”	并行询问来自不同提供商的 2 个模型，并比较它们意见一致或不一致之处
单一	"second opinion"、“ask gemini”、“ask gpt”	询问一个模型，并结合你自己的观点进行综合
唱反调	"challenge this"、“devil's advocate”	让一个模型明确反驳你当前的立场

进行共识咨询时，始终选择来自不同提供商的模型（例如一个 Google 模型加一个 Qwen 模型），以最大限度地拓宽视角。

类型

类型	适用情形	模型层级
代码审查	检查文件中的错误、模式和安全问题	Flash
架构	设计决策、权衡取舍	Pro
调试	经过 2 次或更多次尝试仍未解决	Flash
安全	漏洞扫描	Pro
策略	业务、产品、方案决策	Pro
提示词	改进提示词、系统提示词、知识库文件	Flash
通用	任何问题、头脑风暴、挑战	Flash

Pro 层级：所选提供商能力最强的模型（例如 google/gemini-3.1-pro-preview、openai/gpt-5.4）。 Flash 层级：适用于简单分析、速度快且成本更低的模型（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。如果都未找到，则显示设置说明并停止。

2. 获取当前模型 — 执行 WebFetch https://models.flared.au/llms.txt，并根据模式（pro 或 flash）和咨询方式（单模型或共识）选择合适的模型。如果用户指定了提供方（“ask gemini”），则使用该提供方。

3. 读取目标文件到上下文中（如果与代码相关）。对于非代码问题（策略、提示词、常规问题），跳过读取文件。

4. 使用 AI-to-AI 模板构建提示词。使用 --- filename --- 分隔符将文件内容直接包含在提示词中。不要设置输出令牌限制——让模型充分推理。

5. 在 .jez/artifacts/brains-trust/{timestamp}-{topic}/ 下创建咨询目录（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 转义会导致问题）。

6. 参考 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 中读取提示词
   • 调用所选 API
   • 对于共识模式：使用 concurrent.futures 并行调用多个 API
   • 将每个回复保存到咨询目录中的 {model}.md
   • 将结果打印到标准输出

7. 综合 — 阅读回复并向用户呈现结果。指出模型意见一致和不一致之处。补充你自己的观点（说明同意或不同意及其理由）。由用户决定采取哪些行动。

适用场景

适合的用例：

• 提交重大架构变更前
• 多次尝试后仍无法解决调试问题时
• 存在多个合理选项的架构决策
• 审查涉及安全的代码
• 审视自己对策略或方法的假设
• 改进系统提示词或 KB 文件
• 任何希望获得新视角的时候

避免用于：

• 简单的语法检查（Claude 可以处理）
• 每次编辑都使用（太慢且需要付费）
• 答案显而易见且广为人知的问题

关键规则

1. 绝不硬编码模型 ID——始终先从 models.flared.au 获取
2. 绝不限制输出令牌数——不要设置 max_tokens 或 maxOutputTokens
3. 始终将提示词写入文件——绝不要通过 bash 参数传递
4. 将文件内容直接包含在提示词中——在提示词中附上代码上下文
5. 使用 AI-to-AI 的表达方式——模型是在为 Claude 提供建议，而不是与人类对话
6. 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.），让用户在等待 30-90 秒期间知道脚本仍在运行

参考文件

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