name: synthese-multi-llm description: 由3个LLM（Claude、Gemini、Codex）组成的理事会共同制作的合成文本。当用户需要稳健、可追溯且可验证的合成文本时，应使用此技能。它协调三个具有不同专家角色（提取者、批评者、架构师）的模型，以产生忠实于源文本的合成文本，同时控制语义漂移并提供完整的审计跟踪。
多LLM合成（理事会）
由三个LLM（Claude、Gemini和Codex）通过审议共同制作的合成文本。
原理
“意义不是被提取的，而是被共同制造的。”
此技能协调三个具有不同专家角色的AI模型，以产生稳健的合成文本。每个模型都带来不同的视角，能够检测语义漂移并收敛于忠实的合成文本。
前提条件
安装CLI
# Claude CLI（需要Claude Pro/Max订阅）
npm install -g @anthropic-ai/claude-code
claude auth login
# Gemini CLI
npm install -g @google/gemini-cli
gemini auth login
# Codex CLI
npm install -g @openai/codex
codex auth
验证
python3 scripts/synthese.py --check
使用方法
触发短语
| 短语 | 动作 |
|---|---|
| “用理事会合成此文本” | 完整的多LLM流程 |
| “对…进行稳健合成” | 标准模式（3位专家） |
| “对…进行快速合成” | 加速模式（1轮） |
| “对…进行批判性分析” | 专注于漂移检测 |
| “验证此合成文本” | 对现有合成文本进行交叉批判 |
命令行
# 从文件
python3 scripts/synthese.py -f document.txt
# 直接输入文本
python3 scripts/synthese.py -t "要合成的文本..."
# 带框架的快速模式
python3 scripts/synthese.py -f doc.txt --mode rapide \
--destinataire "管理委员会" \
--finalite "决策" \
--longueur "5行" \
--ton "正式"
# JSON输出
python3 scripts/synthese.py -f doc.txt --json
选项
| 选项 | 描述 | 默认值 |
|---|---|---|
--mode |
standard, rapide, critique, pedagogique | standard |
--destinataire |
目标受众 | interactif |
--finalite |
合成目标 | interactif |
--longueur |
期望长度 | 10-15行 |
--ton |
语言风格 | accessible |
--niveau |
预期专业水平 | intermédiaire |
--timeout |
每个模型的超时时间（秒） | 300 |
--no-trail |
禁用保存 | false |
--json |
结构化JSON输出 | false |
架构
3位专家
| 角色 | 默认模型 | 重点 |
|---|---|---|
| 内容提取者 | Claude | 事实、数据、中心论点 |
| 忠实性守护者 | Gemini | 漂移、偏见、遗漏 |
| 意义架构师 | Codex | 结构、逻辑、一致性 |
3轮流程
第1轮：提取
├─ 每位专家根据其重点进行分析
├─ 识别论点 + 事实 + 结构
└─ 产生3份独立分析
第2轮：交叉批判
├─ 每位专家批判其他专家的分析
├─ 检测分歧点
├─ 计算收敛分数
└─ 如果收敛 > 80%：进入合成阶段
第3轮：最终合成
├─ 整合分析结果
├─ 解决分歧
├─ 产生合成文本
└─ 注明分歧点
收敛分数
收敛分数（0-100%）表示专家之间的一致程度：
- > 90% ：强共识，高可靠性
- 70-90% ：多数同意，存在细微差别
- 50-70% ：显著分歧，需检查争议点
- < 50% ：重大分歧，需要深入分析
审议模式
标准（默认）
完整的3轮流程。推荐用于重要或模糊的文本。
快速
仅进行一轮提取，直接合成。适用于简短清晰的文本。
批判
专注于漂移检测。用于验证现有合成文本。
教学
解释流程的每个步骤。用于理解方法。
审计跟踪
每次会话在 synthese_trails/ 目录下生成一个JSON文件，包含：
- 源文本（截断）
- 框架参数
- 每位专家每轮的响应
- 收敛分数
- 最终合成文本
- 元数据（持续时间、使用的模型）
查看跟踪
cat synthese_trails/synthese-20250702-143052-a1b2c3.json | jq
弹性
模型不可用
此技能可在1到3个模型下工作：
| 模型数量 | 行为 |
|---|---|
| 3 | 最优流程 |
| 2 | 简化流程，收敛性有限 |
| 1 | 降级模式，无交叉批判 |
超时
每个模型的自适应超时（默认：5分钟）。可通过 --timeout 配置。
错误
一个模型的错误不会中断流程。跟踪文件会记录失败情况。
示例
示例1：报告合成
python3 scripts/synthese.py -f rapport_annuel.txt \
--destinataire "董事会" \
--finalite "战略决策" \
--longueur "1页" \
--ton "正式"
示例2：批判性验证
python3 scripts/synthese.py -t "我的现有合成文本..." \
--mode critique
示例3：带JSON输出的管道
python3 scripts/synthese.py -f doc.txt --json | \
jq -r '.synthese_finale' > synthese.md
参考文档
| 文档 | 描述 |
|---|---|
| configuration.md | 高级参数（超时、收敛、重试、缓存） |
| troubleshooting.md | 问题解决指南 |
| cadrage.md | 框架指南（受众、目的等） |
| couches-semiotiques.md | 4层分析细节 |
| glissements.md | 常见语义漂移目录 |
致谢
灵感来源于bacoco的Council和Andrej Karpathy的LLM Council概念。