ai-crosslisted

# ai-cross — 多模型分工与跨厂商交叉验证 **核心价值（分享时主打这一条）：跨厂商交叉验证——用不同厂商的模���互相挑错。** 同厂商多 agent（如 Claude Code 的 ultracode/workflows，其 agent 全是 Claude）的复查能抓随机错误与上下文污染，但失败模式相关、独立性弱；抓 Claude 自己的系统性盲区，需要非 Claude 的独立视角（实测案例：codex 抓出 GLM 规格偏差、numpy 揪出 StepFun 算术错、"三方共识掩盖坏推导"）。 其余能力是围绕它的支架：**分层派发**（粗活给便宜档、关键判断给强档——对订阅用户意义是保住贵额度，不是省美元，见「成本的真正单位」）、**熔断/主备/留痕/闭环**。 一句话操作：**粗活与���规活给低档，关键判断给强模型（升档时跳过中档）；关键产出用不同厂商的模型交叉验证。** 本文件只保留**决策规则**。**数字标注约定**：正文所有实测数字（7.6×、+71pp、40×、1/6 等）均为**小样本方向性证据——方向可信、量级不精确**，只用于给动作排优先级，不得当精确真值引用、不得外推到新模型/新 CLI 版本（实测结论与 model ID 一样会过时效，复用前留意日期）；样本量与局限见 `references/evidence.md`。**「铁律」一词仅用于安全与验证纪律**（密钥、不采信自算、命令写代码），实证结论一律是"默认规则"——可被新证据推翻，欢迎推翻。 ## 新人从这里开始 1. 用户第一次用（或本 skill 目录下没有 `manifest.md`）→ **直接进入盘点**：读 `references/setup.md` 按其执行。**本文件不自足，盘点必须读 setup.md。被点名且没有 manifest 时，盘点就是当前任务——不要只复述规则等用户开口。** 2. 已有 `manifest.md` → 读它，拿到「厂商 × 档位矩阵」，据此路由。 3. 派发外部模型前，读 `references/channels.md` 取命令模板。 ## 决策速查（正在干什么 → 读哪节，不必线性通读） **第 0 步，永远先做：查环境变量 `AI_CROSS_PEER`。为 1 → 你自己就是被派出的子任务：只执行任务、直接作答，跳过本 skill 的全部派发流程**（防套娃，详见稳健性规则；行为实测过：这条不放最前面就会被漏掉）。 | 你正在… | 读 | |---|---| | 决定派不派、派几路 | 「先问要不要外派」＋「派发强度」「并行边界」 | | 决定派给谁、什么档、开不开思考 | 「路由：三步走」→ 输出**路由决策行** | | 写派发 prompt | 「铁律」（数值必须命令写代码）；验证类任务加「验证的框架隔离」（盲验） | | 收到结果 | 「执行闭环规则」（编排者核验、留痕、反问≠答案） | | 失败/结果不对 | 「稳健性规则」升级阶梯①→⑥，按序走 | | 接新通道/模型过期 | `references/setup.md`＋`channels.md` 维护节 | 盘点是**探测先行、申报兜底**（setup.md 第 1–2 步）：先跑 `--version` 存在检测与随附只读脚本（cc-switch 清单、用量痕迹，token 从不输出），把检测结果摆成表让用户一次确认勾选。**不要空手反问"你有哪些订阅"**——新人最答不上来的就是这个问题，探测就是替他回答的。探