Back to Details

model-council

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

Model Council: Multi-Model Consensus

Model Council：多模型共识

Run the same problem through multiple AI models in parallel, collect their analysis only, then Claude Code synthesizes and decides the best approach.
Unlike code-council (which uses one model with multiple approaches), model-council leverages different model architectures for true ensemble diversity.
将同一问题并行提交给多个AI模型，仅收集它们的分析内容，随后由Claude Code综合分析并确定最佳方案。
与code-council（使用单一模型的多种解决思路）不同，model-council利用不同的模型架构实现真正的集成多样性。

Critical: Analysis Only Mode

关键：仅分析模式

IMPORTANT: External models provide analysis and recommendations ONLY. They do NOT make code changes.
  • External models: Analyze, suggest, reason, compare options
  • Claude Code: Synthesizes all inputs, makes final decision, implements changes
This ensures:
  1. Claude Code remains in control of the codebase
  2. No conflicting changes from multiple sources
  3. Best ideas from all models, unified execution
重要提示：外部模型仅提供分析和建议。它们不会直接修改代码。
  • 外部模型：分析问题、提出建议、推理逻辑、比较可选方案
  • Claude Code：综合所有输入内容、做出最终决策、执行代码修改
这确保了：
  1. Claude Code始终掌控代码库
  2. 避免来自多源的冲突修改
  3. 汇聚所有模型的最优思路，执行过程统一可控

Why Multi-Model?

为什么选择多模型？

Different models have different:
  • Training data and knowledge cutoffs
  • Reasoning patterns and biases
  • Strengths (math, code, creativity, etc.)
When multiple independent models agree → High confidence the answer is correct.
不同模型具备不同的特性：
  • 训练数据和知识截止时间
  • 推理模式和偏好
  • 优势领域（数学、代码、创意等）
当多个独立模型达成共识时 → 答案的正确性具有高可信度。

Execution Modes

执行模式

Mode 1: CLI Agents (Uses Your Existing Accounts)

模式1：CLI代理（使用您已有的账户）

Call CLI tools that use your logged-in accounts - leverages existing subscriptions!
CLI ToolModelStatus
claude
Claude (this session)✅ Already running
codex
OpenAI CodexRequires setup
gemini
Google GeminiRequires setup
aider
Multi-modelRequires setup
调用使用您已登录账户的CLI工具 - 充分利用现有订阅！
CLI工具模型状态
claude
Claude（当前会话）✅ 已运行
codex
OpenAI Codex需要配置
gemini
Google Gemini需要配置
aider
多模型需要配置

CLI Setup Instructions

CLI配置说明

OpenAI Codex CLI:
bash
undefined
OpenAI Codex CLI：
bash
undefined

Install via npm

通过npm安装

npm install -g @openai/codex
npm install -g @openai/codex

Login (uses browser auth)

登录（使用浏览器认证）

codex auth
codex auth

Verify

验证安装

codex --version

**Google Gemini CLI:**
```bash
codex --version

**Google Gemini CLI：**
```bash

Install via npm

通过npm install

npm install -g @anthropic-ai/gemini-cli
npm install -g @anthropic-ai/gemini-cli

Or use gcloud with Vertex AI

或使用gcloud搭配Vertex AI

gcloud auth application-default login
gcloud auth application-default login

Verify

验证安装

gemini --version

**Aider (Multi-model, Recommended):**
```bash
gemini --version

**Aider（多模型，推荐使用）：**
```bash

Install via pip

通过pip安装

pip install aider-chat
pip install aider-chat

Configure with your API keys

使用API密钥配置

export OPENAI_API_KEY="sk-..." export ANTHROPIC_API_KEY="sk-ant-..."
export OPENAI_API_KEY="sk-..." export ANTHROPIC_API_KEY="sk-ant-..."

Run with specific model

指定模型运行

aider --model gpt-4o --message "analyze this code"

**Check What's Installed:**
```bash
python3 ${CLAUDE_PLUGIN_ROOT}/skills/model-council/scripts/detect_clis.py
aider --model gpt-4o --message "analyze this code"

**检查已安装的工具：**
```bash
python3 ${CLAUDE_PLUGIN_ROOT}/skills/model-council/scripts/detect_clis.py

Mode 2: API Calls (Pay per token)

模式2：API调用（按token计费）

Direct API calls - more reliable, works without CLI setup, but costs money.
Required environment variables:
直接调用API - 可靠性更高，无需配置CLI，但会产生费用。
所需环境变量：

Configuration

配置

User Model Selection

用户模型选择

Users can specify models inline:
model council with claude, gpt-4o, gemini: solve this problem

model council (claude + codex): fix this bug

model council all: use all available models
用户可在指令中直接指定模型：
model council with claude, gpt-4o, gemini: 解决此问题

model council (claude + codex): 修复此bug

model council all: 使用所有可用模型

Default Models

默认模型

If not specified, use all available:
  1. Check which CLI tools are installed
  2. Check which API keys are set
  3. Use what's available
若未指定模型，则使用所有可用选项：
  1. 检查已安装的CLI工具
  2. 检查已配置的API密钥
  3. 使用所有可用的模型

Config File (Optional)

配置文件（可选）

Users can create 
~/.model-council.yaml
:
yaml
undefined
用户可创建
~/.model-council.yaml
文件：
yaml
undefined

Preferred models (in order)

首选模型（按顺序）

models:
  • claude # Use Claude Code CLI (current session)
  • codex # Use Codex CLI if installed
  • gemini-cli # Use Gemini CLI if installed
models:
  • claude # 使用Claude Code CLI（当前会话）
  • codex # 若已安装则使用Codex CLI
  • gemini-cli # 若已安装则使用Gemini CLI

Fallback to APIs if CLIs not available

当CLI不可用时回退到API

fallback_to_api: true
fallback_to_api: true

API models to use when falling back

回退时使用的API模型

api_models: anthropic: claude-sonnet-4-20250514 openai: gpt-4o google: gemini-2.0-flash xai: grok-3
api_models: anthropic: claude-sonnet-4-20250514 openai: gpt-4o google: gemini-2.0-flash xai: grok-3

Timeout per model (seconds)

每个模型的超时时间（秒）

timeout: 120
timeout: 120

Run in parallel or sequential

并行或顺序执行

parallel: true
undefined
parallel: true
undefined

Workflow

工作流程

Step 1: Parse Model Selection

步骤1：解析模型选择

Determine which models to use:
  1. Check user's inline specification (e.g., "with claude, gpt-4o")
  2. If none specified, check config file
  3. If no config, detect available CLIs and APIs
确定要使用的模型：
  1. 检查用户的内联指定（例如："with claude, gpt-4o"）
  2. 若未指定，检查配置文件
  3. 若无配置文件，检测可用的CLI和API

Step 2: Prepare the Prompt

步骤2：准备提示词

Format the problem for each model with analysis-only instructions:
Analyze the following problem and provide your recommendations.
DO NOT output code changes directly.
Instead, provide:
1. Your analysis of the problem
2. Recommended approach(es)
3. Potential issues or edge cases to consider
4. Trade-offs between different solutions

Problem:
[user's problem here]
Key rules:
  • Keep the core problem identical across models
  • Explicitly request analysis, not implementation
  • Include relevant context (code snippets, error messages)
为每个模型格式化问题，并添加仅分析指令：
分析以下问题并提供您的建议。
请勿直接输出代码修改内容。
请提供：
1. 您对问题的分析
2. 推荐的解决思路
3. 需要考虑的潜在问题或边缘情况
4. 不同解决方案之间的权衡

问题：
[用户的问题内容]
核心规则：
  • 确保所有模型收到的核心问题完全一致
  • 明确要求分析而非实现
  • 包含相关上下文（代码片段、错误信息）

Step 3: Execute in Parallel

步骤3：并行执行

Use the API council script to query multiple models:
bash
python3 ${CLAUDE_PLUGIN_ROOT}/skills/model-council/scripts/api_council.py \
  --prompt "Analyze this problem and recommend solutions (do not implement): [problem]" \
  --models "claude-sonnet,gpt-4o,gemini-flash"
Available models:
  • claude-sonnet
    , 
    claude-opus
    - Anthropic
  • gpt-4o
    , 
    gpt-4-turbo
    , 
    o1
    - OpenAI
  • gemini-flash
    , 
    gemini-pro
    - Google
  • grok
    - xAI
List all models:
bash
python3 ${CLAUDE_PLUGIN_ROOT}/skills/model-council/scripts/api_council.py --list-models
使用API协作脚本查询多个模型：
bash
python3 ${CLAUDE_PLUGIN_ROOT}/skills/model-council/scripts/api_council.py \
  --prompt "Analyze this problem and recommend solutions (do not implement): [problem]" \
  --models "claude-sonnet,gpt-4o,gemini-flash"
可用模型：
  • claude-sonnet
    , 
    claude-opus
    - Anthropic
  • gpt-4o
    , 
    gpt-4-turbo
    , 
    o1
    - OpenAI
  • gemini-flash
    , 
    gemini-pro
    - Google
  • grok
    - xAI
列出所有可用模型：
bash
python3 ${CLAUDE_PLUGIN_ROOT}/skills/model-council/scripts/api_council.py --list-models

Step 4: Collect Responses

步骤4：收集响应

Gather all model responses with metadata:
  • Model name and version
  • Response time
  • Token usage (if available)
  • Full response
收集所有模型的响应及元数据：
  • 模型名称和版本
  • 响应时间
  • Token使用量（若可用）
  • 完整响应内容

Step 5: Analyze Consensus

步骤5：分析共识

Compare responses looking for:
  • Agreement: Do models produce the same answer/approach?
  • Unique insights: Does one model catch something others missed?
  • Disagreements: Where do models differ and why?
对比响应内容，重点关注：
  • 一致性：多个模型是否给出相同的答案/思路？
  • 独特见解：是否有某个模型发现了其他模型遗漏的点？
  • 分歧点：模型之间的差异在哪里？原因是什么？

Step 6: Claude Code Synthesizes and Decides

步骤6：Claude Code综合分析并决策

Claude Code (this session) uses ultrathink to:
  1. Evaluate each model's analysis
  2. Identify the strongest reasoning and recommendations
  3. Note where models agree (high confidence) vs disagree (investigate further)
  4. Make the final decision on approach
  5. Implement the solution - only Claude Code makes code changes
This is the key difference from just asking one model:
  • Multiple perspectives inform the decision
  • Claude Code remains the single source of truth for implementation
  • No conflicting changes from different models
当前会话中的Claude Code会通过深度思考完成以下工作：
  1. 评估每个模型的分析内容
  2. 识别最具说服力的推理和建议
  3. 标记模型达成共识的部分（高可信度）与存在分歧的部分（需进一步调研）
  4. 最终确定解决思路
  5. 实现解决方案 - 仅Claude Code可修改代码
这与仅使用单一模型的核心区别：
  • 多视角信息支撑决策
  • Claude Code始终是实现过程的唯一可信来源
  • 避免来自不同模型的冲突修改

Step 7: Deliver Results

步骤7：交付结果

Provide:
  1. Final synthesized answer (best combined solution)
  2. Consensus score (how many models agreed)
  3. Individual responses (for transparency)
  4. Insights (what each model contributed)
提供以下内容：
  1. 最终综合答案（最优的组合解决方案）
  2. 共识评分（有多少模型达成一致）
  3. 各模型独立响应（保证透明度）
  4. 洞察总结（每个模型的贡献点）

CLI Detection

CLI检测

To check available CLIs:
bash
python3 ${CLAUDE_PLUGIN_ROOT}/skills/model-council/scripts/detect_clis.py
This checks for:
  • claude
    - Claude Code CLI
  • codex
    - OpenAI Codex CLI
  • gemini
    - Gemini CLI
  • aider
    - Aider (multi-model)
  • cursor
    - Cursor AI (if applicable)
检查可用的CLI工具：
bash
python3 ${CLAUDE_PLUGIN_ROOT}/skills/model-council/scripts/detect_clis.py
该脚本会检测以下工具：
  • claude
    - Claude Code CLI
  • codex
    - OpenAI Codex CLI
  • gemini
    - Gemini CLI
  • aider
    - Aider（多模型工具）
  • cursor
    - Cursor AI（若适用）

Comparison: code-council vs model-council

对比：code-council vs model-council

Aspectcode-councilmodel-council
Models usedClaude onlyMultiple (Claude, GPT, Gemini, etc.)
Diversity sourceDifferent approachesDifferent architectures
CostFree (uses current session)Free (CLIs) or paid (APIs)
SpeedFast (single model)Slower (parallel calls)
Best forQuick iterationsHigh-stakes decisions
维度code-councilmodel-council
使用模型仅Claude多个模型（Claude、GPT、Gemini等）
多样性来源单一模型的多种思路不同的模型架构
成本免费（使用当前会话）免费（CLI模式）或付费（API模式）
速度快（单一模型）较慢（并行调用）
适用场景快速迭代高风险决策

When to Use Each

适用场景选择

Use code-council when:
  • You want fast iterations
  • The problem is well-defined
  • You trust Claude's reasoning
Use model-council when:
  • High-stakes code (production, security)
  • You want architectural diversity
  • Models might have different knowledge
  • You want to verify Claude's answer
当以下情况时使用code-council：
  • 您需要快速迭代
  • 问题定义清晰
  • 信任Claude的推理能力
当以下情况时使用model-council：
  • 处理高风险代码（生产环境、安全相关）
  • 您需要架构多样性
  • 不同模型可能具备不同的知识储备
  • 您需要验证Claude的答案

Error Handling

错误处理

CLI not found: Skip that model, log warning, continue with others.
API key missing: Skip that provider, try CLI fallback if available.
Timeout: Return partial results, note which models timed out.
No models available: Error with setup instructions.
未找到CLI工具：跳过该模型，记录警告，继续使用其他模型。
缺少API密钥：跳过该提供商，若有可用CLI则尝试回退到CLI模式。
超时：返回部分结果，标记超时的模型。
无可用模型：返回错误及配置指引。

Example Output

示例输出

undefined
undefined

Model Council Analysis Results

Model Council分析结果

Consensus: HIGH (3/3 models agree on approach)

共识度：高（3/3模型一致认可该方案）

Summary of Recommendations:

建议总结：

All models recommend using a hash map for O(1) lookup. Key considerations raised:
  • Handle null/empty input (Claude, GPT-4o)
  • Consider memory vs speed tradeoff (Gemini)
  • Add input validation (all models)
所有模型均推荐使用哈希表实现O(1)时间复杂度的查找。 提出的关键注意事项：
  • 处理空值/空输入（Claude、GPT-4o）
  • 考虑内存与速度的权衡（Gemini）
  • 添加输入验证（所有模型）

Individual Analyses:

各模型独立分析：

Claude Sonnet (API)

Claude Sonnet（API）

Analysis: The bug is caused by off-by-one error in the loop boundary. Recommendation: Change 
i <= len
to 
i < len
Edge cases noted: Empty array, single element Confidence: High
分析：该bug由循环边界的差一错误导致。 建议：将
i <= len
修改为
i < len
注意到的边缘情况：空数组、单元素数组 可信度：高

GPT-4o (API)

GPT-4o（API）

Analysis: Loop iterates one element past array bounds. Recommendation: Fix loop condition, add bounds check Additional insight: Could also use forEach to avoid index errors Confidence: High
分析：循环迭代超出了数组边界。 建议：修复循环条件，添加边界检查 额外见解：也可使用forEach避免索引错误 可信度：高

Gemini Flash (API)

Gemini Flash（API）

Analysis: Array index out of bounds on final iteration. Recommendation: Adjust loop termination condition Reference: Similar to common off-by-one patterns Confidence: High
分析：最后一次迭代出现数组索引越界。 建议：调整循环终止条件 参考：与常见的差一错误模式类似 可信度：高

Claude Code Decision:

Claude Code决策：

Based on consensus, implementing fix with:
  • Loop condition change (i < len)
  • Added null check for robustness
  • Unit test for edge cases
[Claude Code now implements the solution]
undefined
基于共识，将实施以下修复：
  • 修改循环条件为(i < len)
  • 添加空值检查以提升鲁棒性
  • 为边缘情况添加单元测试
[Claude Code开始执行解决方案]
undefined