Cross Model Review 是一个专为复杂系统设计和实现计划提供对抗性评审的工具，通过两个不同 AI 模型的协作与博弈，显著提升技术方案的质量和鲁棒性。该工具支持两种运行模式：静态模式（v1）和交替模式（v2），其中 v2 版本推荐使用，允许模型在每轮中互换作者与评审者角色，形成完全自主的闭环评审流程，无需人工干预即可完成多轮迭代。它特别适用于涉及认证、支付、数据模型等关键模块的功能开发，以及预计耗时超过一小时的多步骤实现任务。对于简单的单文件修复或快速脚本编写则不适用。其核心机制在于强制每个模型不仅要提出改进意见，还需亲自实现修改，从而避免空泛批评并促进自然收敛。整个流程由主代理驱动，通过调用子代理执行具体写作或评审任务，最终生成经过验证的最终方案文档。
核心功能特点
- 支持静态模式（固定角色）和交替模式（每轮互换作者/评审者角色）
- 完全自主循环，无需人工介入即可完成多轮对抗性评审
- 自动追踪问题生命周期，确保所有高优先级缺陷被闭环解决
- 集成项目上下文校准，提升评审模型对特定领域需求的理解精度
- 内置收敛检测机制，当双方达成一致或无关键阻塞时自动终止流程
- 提供 CLI 工具链用于初始化工作区、获取下一步动作、解析评审结果及生成最终报告
适用场景
Cross Model Review 最典型的应用场景是在启动大型功能开发前进行深度可行性验证。例如，在构建一个包含用户权限管理、交易结算逻辑和数据库结构变更的新模块时，传统单模型规划容易陷入局部最优或忽略潜在边界条件。此时，利用此工具可让两个来自不同供应商家族的强模型（如 Claude Opus 与 GPT-5 Codex）相互挑战——一个负责起草详细实施路径，另一个则从架构安全性、性能影响和可维护性等维度严格审查。这种对抗性反馈循环能有效暴露过度工程化倾向、接口设计缺陷或资源竞争风险，确保最终输出既满足业务目标又具备工程健壮性。尤其适合那些一旦出错将带来严重后果的系统级改动。此外，在团队协作中，该工具可作为标准化质量门禁，保证所有提交至编码代理的关键计划都经过双重智能体交叉检验，大幅降低生产环境事故概率。