synthese-multi-llm
使用多 LLM 委员会合成文本
长文档在摘要时可能很难既不丢失含义，又不使结果产生偏向。此技能会比较多个模型视角，并记录推理轨迹。
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
Agent 可读资源
当 AI Agent、爬虫或脚本需要干净上下文、而不是读取完整页面时，请使用这些链接。
测试它
正在使用“synthese-multi-llm”。 一份 20 页的战略报告需要为领导层会议准备摘要。
预期结果:
一份简洁的高管摘要，包含关键主张、决策点、不确定性说明和收敛评估。
正在使用“synthese-multi-llm”。 一份摘要草稿可能夸大了源文档内容。
预期结果:
一份忠实度审查，列出无依据的主张、缺失的上下文和更稳妥的替代表述。
正在使用“synthese-multi-llm”。 一篇技术文章需要面向读者的易懂解释。
预期结果:
一份结构化摘要，将事实、解释和未解决问题区分开来。
安全审计
中风险Static analysis found many command, credential, network, filesystem, and hash patterns. Review confirms these are mostly intended multi-LLM orchestration features, not confirmed malicious behavior. The skill should publish with a medium-risk warning because it can send source text to model providers and persist audit data locally.
中风险问题 (4)
低风险问题 (3)
风险因素
⚡ 包含脚本 (3)
🌐 网络访问 (4)
🔑 环境变量 (4)
检测到的模式
质量评分
你能构建什么
审阅政策简报
创建平衡的摘要，并识别在压缩过程中含义可能发生偏移的点。
比较研究解读
让多个模型角色提取主张、批评遗漏，并收敛形成最终合成内容。
准备高管摘要
通过受众、语气和长度控制，将长报告转化为有针对性的摘要。
试试这些提示
使用 synthese-multi-llm 为普通受众总结此文档。保留关键主张，并注明主要不确定性。
使用委员会为高管总结此报告。使其简洁、正式，并聚焦于决策。
将此源文本与我的摘要草稿进行比较。在修订前识别遗漏、添加内容和含义偏移。
运行启用审计轨迹的标准多模型合成。保留不同意见，并解释收敛分数。
最佳实践
- 在将文档发送给外部模型提供商之前，先审查源内容的敏感性。
- 当准确性比速度更重要时，使用批判性模式。
- 当不允许在本地持久化源文本时，禁用审计轨迹。
避免
- 在没有获批数据政策的情况下，不要处理密钥、凭据或机密记录。
- 不要将收敛分数视为摘要正确性的证明。
- 不要从不受信任的配置文件运行可配置的 CLI 后端。