LLM Council：让多个大模型互相评审并汇总最终答案的本地 Web 应用

LLM Council 的核心思路是：不要只问一个你喜欢的大模型（例如 OpenAI GPT 5.1、Google Gemini 3.0 Pro、Anthropic Claude Sonnet 4.5、xAI Grok 4 等），而是把它们组成一个“LLM 委员会（LLM Council）”。该仓库是一个简单的本地 Web 应用，外观与 ChatGPT 类似，区别在于它使用 OpenRouter 把查询发送给多个 LLM，然后让它们互相审阅并给彼此的输出排名，最后由一个 Chairman LLM 生成最终回复。

提交一次查询后的完整流程分为三个阶段：

• 阶段 1：First opinions（初始意见）。用户查询分别发给所有 LLM，收集各自的回答。各个回答以“标签页视图（tab view）”展示，用户可以逐个查看全部结果。
• 阶段 2：Review（评审）。每个 LLM 都会拿到其他 LLM 的回答。在底层实现中，LLM 的身份被匿名化，避免模型在评判输出时“偏袒自己人”。模型被要求按准确性和洞察力对它们进行排名。
• 阶段 3：Final response（最终回复）。被指定的委员会主席（Chairman）收集所有模型的回答，整合成单一的最终答案呈现给用户。

Vibe Code Alert（作者原话要点）：该项目 99% 是“氛围编程”出来的周末娱乐性黑客项目，起因是作者想在与 LLM 一起读书的过程中并排探索和评估多个 LLM。并排查看多个回答、以及各 LLM 对彼此输出的交叉意见，既有趣也有用。作者不会以任何方式提供支持，代码按原样提供仅供他人获得灵感，也不打算改进它。作者认为如今代码是短暂的、库的时代已经过去，可以让你的 LLM 按你喜欢的任何方式去修改它。

技术栈：

• 后端：FastAPI（Python 3.10+）、异步 httpx、OpenRouter API
• 前端：React + Vite，使用 react-markdown 渲染
• 存储：data/conversations/ 目录下的 JSON 文件

包管理：

Python 使用 uv

，JavaScript 使用 npm

配图 1 为该项目的 header 图片（llmcouncil 头图）。

— 本文由 AI 根据公开来源辅助整理，命令、版本与许可证请在使用前到原始页面复核。