三个AI同时研究一个问题：Multi-AI Research让我看到了什么

做研究最怕什么？不是找不到资料，是找到一堆资料却不知道信哪个。单一 AI 回答，你信还是不信？

最近我在翻 GitHub 热榜，发现了一个有意思的项目——Multi-AI Research，定位很直接：让三个 AI 系统同时研究一个问题，然后交叉验证结论。它不是简单让 Claude、Gemini、Codex 各自查资料，而是给每个系统分配专门角色，再通过迭代精炼让最终结论达到可交付标准（质量评分 ≥95/100，100% 引用溯源）。

三个 AI 各司其职

这套系统里：

• Claude 子代理——负责文档和代码库分析，做综合归纳
• Gemini CLI——负责网页调研，抓最新趋势和社区实践
• Codex CLI——负责 GitHub 模式分析，挖真实代码示例和实现细节

三个系统并行研究完，会进入交叉验证阶段——每个结论都要被至少另一个系统确认，引用必须精确到文件行号或 URL。最后还有迭代填充阶段，专门补齐质量低于 95 分的部分。

适合哪些场景

这个技能的用法很明确：安全审计（OWASP 覆盖、渗透测试准备）、架构评审（系统设计、可扩展性评估）、代码质量分析（模式检测、技术债）、性能瓶颈定位，以及需要多来源综合的研究报告。

说白了，它是给「研究」这件事本身设计的工作流——不是让 AI 给你一个答案，而是让多个 AI 互相校验，逼出更可靠的结论。

我的看法

这类多 AI 协作研究工具正在变多，但大多数只是「并行查资料然后合并」。Multi-AI Research 的差异化在于强制引用和迭代精炼这两个机制——前者解决可信度，后者解决覆盖度。

对于需要写技术报告、做技术选型、或者做深度调研的朋友，这个工作流值得关注。

GitHub 星数目前只有 11 颗，属于早期项目。如果你正好有复杂调研需求，可以 clone 试试，说不定能省掉不少来回确认的时间。

GitHub：https://github.com/adaptationio/skrillz

GitHub: https://github.com/adaptationio/skrillz