摘要
1) 一句话总结 LLM Council 是一个实验性的本地 Web 应用，它通过 OpenRouter 汇聚多个大语言模型进行独立回答与匿名交叉审查，最终由指定的“主席”模型汇总生成综合回答。
2) 关键要点
- 核心机制：打破向单一模型提问的常规，将多个 LLM 组合成“委员会”共同处理用户查询。
- 三阶段处理流程：
- 阶段一（初步收集）：所有模型独立回复，结果以标签页形式并排展示。
- 阶段二（匿名审查）：各模型在匿名状态下相互阅读回复，并根据准确性和见解进行排名。
- 阶段三（最终生成）：由指定的“主席（Chairman）”模型汇总所有意见，输出单一的最终答案。
- 轻量级技术栈：后端采用 FastAPI (Python 3.10+)、async httpx 和 OpenRouter API；前端使用 React + Vite 和 react-markdown；对话数据以 JSON 格式保存在本地。
- 配置与自定义：需通过
.env文件配置 OpenRouter API 密钥，用户可编辑backend/config.py自定义委员会的模型成员。 - 开发理念：该项目是作者周末“凭感觉编写（Vibe coded）”的产物，鼓励用户直接让自己的 LLM 按需修改项目代码。
3) 风险与不足
- 无官方支持与维护：项目按“原样（as is）”提供，作者明确表示不提供任何形式的支持，也不打算对其进行改进。
- API 费用消耗：使用该应用强依赖 OpenRouter API，用户必须确保账户内有足够的额度（Credits）或已开启自动充值。
功能与定位
LLM Council 是一个简单的本地 Web 应用程序，界面类似 ChatGPT。它的核心理念是打破向单一的大语言模型（LLM）提问的常规，而是将多个模型组合成一个“LLM 委员会”。该应用通过 OpenRouter 将用户的查询同时发送给多个 LLM，让它们相互审查和评分，最后由一个指定的“主席（Chairman）”模型生成最终的综合回答。
典型使用场景
- 在与 LLM 共同阅读书籍等过程中，并排探索和评估多个不同 LLM 的输出表现。
- 查看不同模型对同一问题的交叉意见和相互评价。
核心功能
应用在处理用户查询时分为三个主要阶段：
- 初步意见收集（Stage 1）：将用户的提问分别发送给委员会中的所有 LLM。收集到的独立回复会以“标签页（tab view）”的形式展示，方便用户逐一查看。
- 匿名交叉审查（Stage 2）：每个 LLM 都会收到其他 LLM 的回复内容。在此过程中，模型的身份会被匿名化处理以防止偏袒。系统会要求 LLM 根据准确性和见解对这些回复进行排名。
- 生成最终回答（Stage 3）：由指定的“主席”模型接管，它会汇总所有模型的回复和意见，编译并输出一个单一的最终答案呈现给用户。
特色与差异点
- 实验性与极简理念：该项目是作者在周末出于兴趣“Vibe coded（凭感觉编写）”的产物。作者认为在当前环境下“代码是短暂的，库已经过时”，鼓励用户直接让自己的 LLM 按需修改该项目的代码。
- 轻量级技术栈：
- 后端：FastAPI (Python 3.10+)、async httpx、OpenRouter API。
- 前端：React + Vite、react-markdown（用于渲染）。
- 存储：对话数据以 JSON 文件形式保存在本地
data/conversations/目录中。
使用方式概览
- 安装依赖：使用
uv进行 Python 后端包管理，使用npm管理前端 JavaScript 依赖。 - 配置 API 密钥：在项目根目录创建
.env文件，填入从 OpenRouter 获取的 API 密钥。 - 配置模型（可选）：可通过编辑
backend/config.py文件来自定义委员会的模型成员。 - 运行应用：可通过启动脚本或手动分别启动后端和前端终端，随后在浏览器中访问本地地址即可使用。
限制与注意事项
- 无官方支持与维护：项目按“原样（as is）”提供，仅供他人获取灵感。作者明确表示不会提供任何形式的支持，也不打算对其进行改进。
- API 费用：使用该项目需要 OpenRouter 账户，并确保已购买足够的额度（Credits）或开启了自动充值。