cross-review-five

五人异构模型小组:把一个任务书分发给五个不同模型,各自独立产出,再轮转互审。适用于交叉评审、代码红队、结论核对与生成对比。

五人构成

凭证要求:各提供方的密钥按 Hermes 常规配置(DeepSeek 在 auth.json 凭证池，Kimi 首选 KIMI_API_KEY 或 KIMI_CODING_API_KEY，兼容 MOONSHOT_API_KEY；GLM 用 GLM_API_KEY；Gemini 用 GEMINI_API_KEY 或 GOOGLE_API_KEY)。子进程已启用安全环境白名单隔离与 --ignore-rules 参数。

工作流 (v1 经典轮转)

一个任务流是一个目录,内含 task.md(任务书)与可选材料。两个阶段:

1. plan:五个模型各拿同一份任务书,独立产出互不可见,写入 review-<短名>.md;
2. review:轮转配对,模型 i 审查模型 i+1 的产出,写入 review-of-<被审短名>-by-<短名>.md。

完成判定靠产物文件落盘与子进程退出,不依赖完成通知。每个模型是一个完整 Hermes 子进程,用 -m 与 --provider 覆盖模型,不动主配置。

用法 (v1)

python ${HERMES_SKILL_DIR}/scripts/orchestrate.py <流目录> --task <任务书> --stage plan
python ${HERMES_SKILL_DIR}/scripts/orchestrate.py <流目录> --stage review
python ${HERMES_SKILL_DIR}/scripts/orchestrate.py <流目录> --stage status

工作流 (v2 稀疏自适应质询 Sparse Deliberation)

v2 摒弃全篇通读与固定有向环，按最大信息增量与核心分歧进行定向质询。包含四个阶段：

1. plan (独立盲审)：各模型独立产出文本并提供 findings-<短名>.json 结构化数据（target, claim, evidence, severity）；
2. merge (本地图分析，零 LLM 消耗)：本地脚本聚类 Consensus、Singleton 与 Contradiction，计算互补权重矩阵并规划质询包；
3. challenge (定向匿名质询)：仅对矛盾项与独有高危项生成匿名议题包，分派给互补模型进行四步法质询（增量提取→反例核验→分歧归因→CONCEDE/REFUTED 表态）；
4. synthesize (合议与未决账本)：生成 consensus-report.md，执行少数派证据保护（有具体定位符的独立发现绝不被多数票抹除，自动进入 unresolved-ledger.json）。

三档模式 (v2)

• --mode economy：3 模型盲审（kimi-k3, dsv4pro, gemini38flash），最多 1 组质询，共 3–4 次调用（轻量快捷）；
• --mode standard（默认推荐）：5 模型盲审，最多 3 组关键争议与单例质询，共 5–8 次调用；
• --mode audit：5 模型盲审，最多 5 组质询，配额有余时追加最大互补错排匹配（derangement），共 5–10 次调用（高危收口）。

调用次数 = 盲审次数 + 实际质询组数（0 到 max_challenges），与 orchestrate_v2.py 的 MODE_PRESETS 一致。

用法 (v2)

# 单步推进:
python ${HERMES_SKILL_DIR}/scripts/orchestrate_v2.py <流目录> --task <任务书> --stage plan --mode standard
python ${HERMES_SKILL_DIR}/scripts/orchestrate_v2.py <流目录> --stage merge --mode standard
python ${HERMES_SKILL_DIR}/scripts/orchestrate_v2.py <流目录> --task <任务书> --stage challenge
python ${HERMES_SKILL_DIR}/scripts/orchestrate_v2.py <流目录> --stage synthesize
python ${HERMES_SKILL_DIR}/scripts/orchestrate_v2.py <流目录> --stage status

# 或一键全流程执行:
python ${HERMES_SKILL_DIR}/scripts/orchestrate_v2.py <流目录> --task <任务书> --stage all --mode standard

任意数量与种类模型及子代理支持 (v2 动态扩展)

编排器原生支持用户自由指定任意数量与种类的模型或独立子代理参与交叉审议：

1. 命令行内联声明（支持 key:provider:model[:runner] 规范）：

   # 指定自定义 3 模型组合:
   python ${HERMES_SKILL_DIR}/scripts/orchestrate_v2.py <流目录> --task task.md --stage all \
     --models "sonnet:anthropic:claude-3-7-sonnet,gpt4o:openai:gpt-4o,dsv4:deepseek:deepseek-v4-pro"

2. JSON 配置文件定义（支持第三方子代理 CLI 模板）：

   [
     {"key": "claude", "provider": "anthropic", "model": "claude-3-7-sonnet"},
     {"key": "gemini-cli", "runner": "cli", "cmd": "gemini -p {prompt_path}"},
     {"key": "codex-agent", "runner": "cli", "cmd": "codex run --query-file {prompt_path}"}
   ]

   执行：python ${HERMES_SKILL_DIR}/scripts/orchestrate_v2.py <流目录> --task task.md --stage all --models-file models.json。

--models 参数若传已有短名则从预设中选取子集。任务书模板与约束见脚本内的 PLAN_PROMPT 与 REVIEW_PROMPT。

纪律

• 三模型一致不是证据:模型产出只是线索,出处谱系才是证据;
• 产出文件各自独立,评审者不得修改他人产出;
• 汇总与裁决由主线程完成,不在模型间多数表决;
• GLM 5.3 是始终思考模型,服务器默认思考档位为 max,耗时很长;编排器对其子进程显式传 --reasoning low,其余模型保持默认。

Verification

# smoke-test: true
import os, sys
sys.path.insert(0, os.path.join(os.environ.get('SKILL_DIR', os.getcwd()), 'scripts'))
# v1 smoke
import orchestrate as oc
assert set(oc.MODELS) == {'kimi-k3', 'dsv4pro', 'glm53', 'gemini38flash', 'gemini31pro'}
assert oc.MODELS['glm53'] == ('zai', 'glm-5.3')
pair = oc.pairings(['kimi-k3', 'dsv4pro', 'glm53', 'gemini38flash', 'gemini31pro'])
assert len(pair) == 5 and pair[0] == ('kimi-k3', 'dsv4pro') and pair[-1] == ('gemini31pro', 'kimi-k3')

# v2 smoke
import orchestrate_v2 as oc2
assert set(oc2.MODELS) == {'kimi-k3', 'dsv4pro', 'glm53', 'gemini38flash', 'gemini31pro'}
assert set(oc2.MODE_PRESETS) == {'economy', 'standard', 'audit'}
derange = oc2.max_weight_derangement(['A', 'B', 'C'], {('A', 'B'): 2.0, ('B', 'C'): 2.0, ('C', 'A'): 2.0})
assert len(derange) == 3 and all(r != t for r, t in derange)
print('cross-review-five (v1 + v2) smoke PASS')