Multi-LLM：聚合 12 款编程 CLI 的代码审查插件

工具概述

multi-llm 是一款面向 Claude Code 的插件，目标是把同一份方案或代码改动交给多款 AI 编程工具同时处理，再整合它们的反馈，从而弥补单一模型可能漏掉的 bug 与盲点。作者将其定位为「Wisdom of crowds for your codebase」（代码库的群体智慧）。该项目以 Show HN 形式发布在 Hacker News，作者署名为 beastlabai。

多维度并行调度

multi-llm 的核心思路是从两个轴上扩展多样性：

• 模型层：Opus、GPT、Gemini、Grok、Composer 等不同 LLM；
• 工具层（harness）：Codex、OpenCode、Cursor Agent、Gemini CLI、Grok Build、Cline、goose、Aider、Antigravity CLI、Pi，以及 Claude Code 本身。

官方说明指出，即便同一模型在不同 harness 下也会因提示工程、工具链与上下文获取方式的差异而产生不同结论，因此同时跨模型与跨 harness 调度能扩大「群体」覆盖范围。插件支持的场景包括方案评审（plan review）、任务生成、实现与代码审查（code review），也可以向所有模型提出同一段自由文本问题并获得统一汇总。

工作机制

插件本身不直接修改代码：它向各 CLI 派发任务并收集结果，最终输出 JSON 格式的结构化指令，由 Claude Code 通过其自带工具执行改动，因此每一步修改都可被审查。orchestrator 以 uv 运行的 Python 脚本实现，依赖仅为 PyYAML。

安装与配置要点

• 在 Claude Code 中通过 /plugin marketplace add beastlabai/multi-llm-plugin 等命令安装；
• 需要将 skills/multi-llm/providers.yaml 编辑为本地实际安装的 CLI 与模型组合，否则默认调用可能指向未配置项；
• 前置依赖包括 uv（用于运行 Python orchestrator），Windows 平台额外要求 Git for Windows（Git Bash），插件不支持 PowerShell fallback；
• 至少需要安装一款 provider CLI 才能使用。

局限与门槛

multi-llm 的实际收益取决于用户本地已安装多少款编程 CLI：若仅有一两款可用，则「群体智慧」效果有限。此外，插件目前需要手工维护 providers.yaml，市场市场缓存不会自动刷新，用户升级时需手动运行 /plugin marketplace update 拉取最新提交。