Council of High Intelligence：让 18 位 AI 智者为你的重要决策提供多元视角

今天在 GitHub Trending 上看到一个有意思的项目：Council of High Intelligence，它构建了一个由 18 位不同思维模式的 AI Agent 组成的"智囊团"，能够对你的关键决策进行结构化辩论和深度分析。

一、项目概述

Council of High Intelligence 是一个创新的 AI 决策辅助工具，它模拟了"智囊团"的运作模式：当你面临难题时，不是询问单个 LLM，而是让 18 位具有不同思维范式、知识背景和思维风格的 AI Agent 同时进行独立分析、交叉质询，最终综合形成一份结构化的决策建议。

核心特性：

• 18 位专业 AI Agent：涵盖亚里士多德、苏格拉底、孙武、阿达·洛芙莱斯、马库斯·奥勒留、费曼、林纳斯·托瓦兹等历史杰出人物的思维模式
• 多提供者自动路由：支持 Claude、OpenAI、Gemini、Ollama、NVIDIA NIM、Cursor 等多种 LLM 提供者，自动分配成员到不同模型以避免"同质化思维"
• 三种审议模式：完整模式（3 轮深度辩论）、快速模式（2 轮快速分析）、双人模式（2 位成员辩证对话）
• 防止群体思维机制：异议配额、新颖性门控、反事实提示等机制确保真正的观点多样性
• 问题重构门控：每位成员在分析前必须重新表述问题，尽早发现"错误的问题"

二、技术原理

2.1 架构设计

项目采用技能（Skill）插件架构，可以无缝集成到 Claude Code 和 OpenAI Codex 两大 AI 编程助手平台：

council-of-high-intelligence/
├── install.sh              # 一键安装脚本
├── skills/                 # Claude Code 技能定义
│   ├── council.aristotle.md
│   ├── council.socrates.md
│   └── ... (18 个 Agent)
├── codex-skills/          # Codex 技能定义
├── scripts/                # 路由与执行脚本
│   ├── council-simulation-checklist.sh
│   └── provider-routing.js
└── configs/               # 多提供者模型配置模板

2.2 核心算法与协议

完整审议协议（7 步）：

1. 提供者检测与路由：自动检测可用的 LLM 提供者，将成员分配到不同模型
2. 问题重构门控：每个成员重新表述问题 + 提供替代框架
3. 第一轮：独立分析（盲审）：所有成员并行分析（最多 400 字）
4. 第二轮：交叉质询：成员相互挑战（最多 300 字，必须涉及 2+ 其他成员）
5. 后轮次强制执行：异议配额、新颖性门控、一致性检查、反递归
6. 第三轮：最终结晶：100 字立场声明
7. ** verdict 综合**：以"未解决问题"和"建议后续步骤"开头

防止群体思维的数学保证：

• 异议配额：如果 >70% 的成员过早达成一致，强制 2 位成员"钢铁人"对立观点
• 新颖性门控：每位成员的最终立场必须包含至少 1 个其他成员未提及的新论点
• 反递归机制（“毒芹规则”）：苏格拉底的质询被限制最多 2 轮，任何配对超过 2 条消息将被切断

2.3 多提供者自动路由算法

路由算法遵循以下优先级：

1. 极性对分离（硬约束）：如苏格拉底（质疑）和费曼（重建）必须分配到不同提供者
2. 均匀分配：成员均匀分布在所有可用提供者上
3. 提供者亲和性：成员的 provider_affinity 配置作为决胜局
4. 自动回退：如果任何提供者失败，自动回退到 Claude

支持的提供者：

2.4 极性对设计

项目创新性地引入了**极性对（Polarity Pairs）**概念，确保成员之间的观点真正具有对抗性：

• 苏格拉底 vs 费曼：自上而下摧毁 vs 自下而上重建
• 亚里士多德 vs 老子：对一切进行分类 vs 结构本身就是问题
• 孙武 vs 奥勒留：赢得外部游戏 vs 治理内部游戏
• 阿达 vs 马基雅维利：形式纯粹性 vs 混乱的人性激励
• 托瓦兹 vs 瓦茨：交付具体解决方案 vs 质疑问题是否存在

三、安装与快速开始

3.1 环境要求

必需：

• Claude Code CLI（Claude 用户）
• Codex（Codex 技能用户）
• 客户端支持 Agent/子代理功能（默认启用）

可选提供者（自动检测）：

• OpenAI Codex CLI：npm i -g @openai/codex
• Google Gemini CLI：参见 gemini-cli 仓库
• Ollama（本地模型）：从 ollama.com 安装
• Cursor CLI（GPT/Claude/Gemini/Grok 聚合器）：curl https://cursor.com/install -fsS | bash

3.2 安装步骤

Claude Code 用户：

git clone https://github.com/0xNyk/council-of-high-intelligence.git
cd council-of-high-intelligence
./install.sh

Codex 用户：

git clone https://github.com/0xNyk/council-of-high-intelligence.git
cd council-of-high-intelligence
./install.sh --codex

仅安装 Codex 技能：

./install.sh --codex-only

自定义配置目录：

./install.sh --claude-dir /path/to/.claude
./install.sh --codex-dir /path/to/.codex

预览模式（不写入）：

./install.sh --dry-run

安装完成后重启客户端即可使用。

3.3 最简运行示例

Claude Code 中的基本用法：

/council 我们是否应该开源我们的 Agent 框架？
/council --quick 我们是否应该在这里添加缓存？
/council --duo 我们应该使用微服务还是单体架构？

指定领域三元组：

/council --triad strategy 我们的竞争护城河是什么？
/council --triad shipping 我们今天应该发布吗？

四、使用方法与实战

4.1 三种审议模式

完整模式（默认）： 适合复杂、高风险的决策。进行 3 轮结构化审议：独立分析 → 交叉质询 → 最终立场。

/council 我们是否应该开源我们的 Agent 框架？

快速模式（--quick）： 适合较简单的决策。2 轮快速分析，无交叉质询。

/council --quick 我们是否应该在这里添加缓存？
/council --quick --triad shipping 我们今天应该发布吗？

双人模式（--duo）： 适合探索张力。2 位成员辩证对话。

/council --duo 我们应该使用微服务还是单体架构？
/council --duo --members torvalds,ada 这个抽象值得吗？

4.2 预定义三元组（Triads）

项目内置了 20 个领域特定的 3 成员组合，覆盖常见决策场景：

4.3 多提供者路由实战

当你安装了多个 LLM CLI 后，Council 会自动检测并分配成员到不同模型：

# 安装多个提供者
npm i -g @openai/codex          # OpenAI Codex
# 安装 Gemini CLI
# 安装 Ollama

# Council 自动路由
/council --triad decision 我们是否应该接受这次收购要约？

路由标志：

• --no-auto-route：禁用自动路由，使用纯 Claude 默认
• --dry-route：仅打印路由表，不运行智囊团
• --models [path]：使用 YAML 配置手动覆盖（参见 configs/provider-model-slots.example.yaml）

4.4 预建配置文件（Profiles）

项目提供了 3 种预配置的成员面板：

classic（默认）： 全部 18 位成员，附带上述领域三元组。适合广泛审议。

exploration-orthogonal： 12 位成员面板，用于发现和减少"未知的未知"：

• Socrates, Feynman, Sun Tzu, Machiavelli, Ada, Lao Tzu, Aurelius, Torvalds, Karpathy, Sutskever, Kahneman, Meadows
• 配置文件三元组：unknowns, market-entry, system-design, reframing, ai-frontier, blind-spots

execution-lean： 5 位成员面板，用于快速决策到行动：

• Torvalds, Feynman, Sun Tzu, Aurelius, Ada
• 配置文件三元组：ship-now, launch-strategy, stability

五、常见问题与解决方案

5.1 安装失败

问题： ./install.sh 报错"Claude config directory not found"

解决方案：

• 确认 Claude Code 已安装并至少运行一次（会生成配置目录）
• 使用 --claude-dir 手动指定配置目录路径
• 检查 ~/.claude/ 或 ~/.config/claude/ 是否存在

5.2 技能未出现在 Claude Code 中

问题： 安装后 /council 命令无法识别

解决方案：

• 重启 Claude Code 客户端
• 检查技能文件是否正确安装到 Claude 配置目录的 skills/ 子目录
• 运行 ./scripts/council-simulation-checklist.sh 验证安装

5.3 多提供者路由不工作

问题： 所有成员都使用 Claude，没有路由到其他模型

解决方案：

• 确认其他提供者的 CLI 已正确安装（如 codex, gemini, ollama）
• 在终端中测试 CLI 是否可用（如 codex --version）
• 使用 --dry-route 标志查看路由表，确认提供者检测情况
• 检查环境变量（如 NVIDIA_API_KEY、CURSOR_API_KEY）是否已设置

5.4 NVIDIA NIM 配置

问题： 如何使用 NVIDIA NIM 的 130+ 开放权重模型？

解决方案：

1. 从 build.nvidia.com 获取 API Key
2. 设置环境变量：export NVIDIA_API_KEY=nvapi-...
3. 无需安装 CLI 二进制文件，Council 会通过 OpenAI 兼容 API 调用
4. 免费层级：1,000 credits，40 RPM
5. 参考 configs/provider-model-slots.nim.example.yaml 配置席位分配

5.5 Cursor CLI 作为模型聚合器

问题： Cursor CLI 是什么？如何配置？

解决方案：

• Cursor CLI 是一个模型聚合器，通过一个 cursor-agent 二进制文件提供 GPT-5.x、Claude、Gemini 和 Grok 系列模型
• 安装：curl https://cursor.com/install -fsS | bash
• 认证：设置 CURSOR_API_KEY 或运行 cursor-agent login
• 调用方式：cursor-agent -p --mode ask --model <id>
• 重要：因为 Cursor 可以提供 claude-* 模型，选择 跨家族 Cursor 模型（如 gpt-5.4-high, gemini-2.5-pro, grok-4）以增加多样性
• 使用 cursor-agent --list-models 列出可用模型 ID

六、总结

Council of High Intelligence 通过创新性的"AI 智囊团"架构，解决了单一 LLM 回答缺乏多样性和深度的问题。其核心价值在于：

1. 真正的观点多样性：通过极性对设计和多提供者路由，确保不同成员代表真正不同的思维方式，而非"同一模型换装"
2. 防止群体思维：通过数学保证的异议配额、新颖性门控等机制，避免过早达成一致
3. 问题重构门控：强制成员在分析前重新表述问题，尽早发现"错误的问题"
4. 透明的决策过程：verdict 以"未解决问题"开头，诚实地展示智囊团的认知边界

项目采用 CC0 开源协议，支持 Claude Code 和 Codex 两大平台，安装简单，即装即用。如果你需要在关键决策中获得多维度的深度分析，Council of High Intelligence 绝对值得一试。

资源链接：

• GitHub 仓库：https://github.com/0xNyk/council-of-high-intelligence
• 赞助支持：Buy Me A Coffee
• Solana 捐赠：BYLu8XD8hGDUtdRBWpGWu5HKoiPrWqCxYFSh4oxXuvPg