Fusion-Fable 是一个面向 Claude Code 的“多模型融合”技能插件。它会把同一个高难度问题并行发送给多个前沿模型作为独立 panelist，例如 Opus 4.8、GPT-5.5、Gemini 3.1 Pro，然后由 Opus 4.8 作为 judge 对各模型回答进行结构化评审，提炼共识、矛盾、遗漏、独特见解和盲点，最后生成一个融合后的高质量答案。项目主要由 Shell 脚本组成，安装后集成到 Claude Code 的 skills 和 slash commands 中使用。
适用领域
AI 辅助开发 / 多模型推理 / Claude Code 插件 / LLM 答案评审与融合 / 代码审查与技术决策支持 / 研发效率工具 / Agent 工作流编排
配置难度
中等偏高。基础安装较简单，只需要 Claude Code 和 install.sh；但要完整启用 GPT-5.5、Gemini 3.1 Pro 面板，需要配置 codex、agy、OAuth、模型访问权限，并理解 Claude Code skill 工作方式。对熟悉命令行和 AI 编程工具的开发者较友好。
商业价值
对研发团队的价值主要体现在降低高风险技术决策中的 AI 单点误判，提高复杂问题分析质量，并提供可审计的模型推理记录。适合用于生产变更评估、安全方案复核、架构设计评审、疑难 bug 分析等场景。它不会直接替代工程师决策，但可以作为高质量的第二意见和多模型交叉验证工具。商业价值取决于团队对 Claude Code、Codex/GPT、Gemini 等工具链的采用程度，以及是否愿意为更高准确性承担额外 token 成本和延迟。
01
技术亮点
- 设计理念清晰：先让多个模型独立回答，再由强模型统一评审和融合，避免模型之间相互污染。
- 支持同模型多次独立运行，即 Opus 4.8 + Opus 4.8，也能利用随机性和不同推理路径提升答案覆盖度。
- 可扩展到跨模型组合，包括 Opus 4.8、GPT-5.5 和 Gemini 3.1 Pro。
- 自动检测本机已安装的模型 CLI，并优雅降级到可用面板。
- 输出结构化，包含 Final answer、Consensus、Contradictions、Partial coverage、Unique insights、Blind spots，便于审计和复核。
- 每次运行保存完整 provenance 文件，适合追踪 AI 生成结论的来源。
- 对复杂研发问题价值较高，尤其适合低容错、高风险场景。
- 安装方式简单，主要通过脚本复制 Claude Code skill 和 commands。
- MIT 许可证，便于个人和商业团队二次使用或改造。
- 对 Gemini 的 agy 无 TTY 输出问题做了工程化处理，包括 pseudo-TTY 和 transcript fallback。
02
目标用户
- 使用 Claude Code 的开发者
- 需要在复杂技术问题上获得更可靠答案的工程师
- 后端、数据库、DevOps、安全、架构方向的研发人员
- 希望同时利用 Claude、OpenAI Codex/GPT、Gemini 能力的高级用户
- AI 工具链爱好者和 Agent 工作流实验者
- 需要可审计 AI 输出记录的团队或个人
03
配置要求
- 必须安装 Claude Code，并且会话模型建议运行在 Opus 4.8；否则命令中的 opus4.8 名称可能只是名义上的，并不代表实际模型。
- 基础面板 opus4.8-4.8 不需要额外模型 CLI，属于零额外配置。
- 如需使用 opus4.8-gpt5.5 面板，需要安装 OpenAI codex CLI，并登录拥有 GPT-5.5 访问权限的账户。
- Codex 运行方式使用 codex exec，README 中提到测试版本为 codex-cli 0.139。
- 如需使用三模型面板 opus4.8-gpt5.5-gemini3.1pro，需要安装 agy CLI，并完成 Google OAuth 登录授权。
- Gemini 面板依赖 agy 的 keyring 登录状态，通常需要先交互式运行一次 agy。
- 项目会自动检测 codex 和 agy 是否存在，并选择当前环境中可用的最强面板，缺失时自动降级。
- 每个 panelist 默认超时时间由 FUSION_TIMEOUT 控制，默认 300 秒。
- 运行记录会保存到 ~/.claude/fusion-runs/，包括原始模型回答、分析和最终答案。
- macOS 默认没有 timeout/gtimeout，项目内置了 Perl timeout helper 来提升兼容性。
04
适用场景
- 对高风险生产操作进行多模型交叉判断，例如数据库表结构变更、线上迁移、回滚策略等
- 审查复杂架构设计中的漏洞、边界条件和潜在风险
- 对安全相关方案进行复核，例如 JWT 刷新令牌轮换、权限模型、鉴权流程等
- 在代码仓库中让多个模型独立分析 bug、测试失败、性能瓶颈或设计缺陷
- 对 Git 操作、CI/CD 流程、Docker、云资源变更等进行风险评估
- 为重要技术决策生成更全面的分析报告，并保留每次模型回答的 provenance 记录
- 比较不同模型在同一问题上的推理路径和信息覆盖差异
05
部署与配置
- 确保已安装并可使用 Claude Code。
- 克隆仓库：git clone https://github.com/duolahypercho/fusion-fable.git
- 进入目录：cd fusion-fable
- 执行安装脚本：./install.sh
- 安装脚本会将 skill 复制到 ~/.claude/skills/fusion，并将 slash commands 复制到 ~/.claude/commands。
- 重启 Claude Code，或在 Claude Code 中执行 /reload-skills。
- 可选：如需安装到自定义 Claude 配置目录，可使用 CLAUDE_CONFIG_DIR=/path/to/.claude ./install.sh。
- 在 Claude Code 中通过自然语言触发 Fusion，或使用 /fusion-opus4.8、/fusion-gpt5.5、/fusion-3 等命令。
06
风险与注意事项
- 强依赖 Claude Code 和特定前沿模型访问权限，普通用户可能无法完整使用 GPT-5.5 或 Gemini 面板。
- README 中提到的 Opus 4.8、GPT-5.5、Gemini 3.1 Pro 等模型名称可能受实际平台可用性影响。
- 多模型并行调用成本较高，token 成本约为单次回答的 N 倍，并且延迟取决于最慢的 panelist。
- 虽然多模型融合能降低单模型误判风险，但最终答案仍可能出错，不应替代生产变更评审、安全审计或专家判断。
- codex 和 agy 运行时具备本地工具访问能力，虽然 GPT 面板使用临时工作区，但仍需注意敏感代码、凭据和本地环境暴露风险。
- Shell 脚本和 CLI 编排在不同操作系统、终端、权限环境中可能存在兼容性问题。
- 项目主要面向 Claude Code 高级用户，对不了解 Claude skills、slash commands、外部模型 CLI 的开发者有一定门槛。
- 自动触发机制可能在不必要的问题上调用多模型，造成额外成本，建议对低风险问题直接使用单模型回答。
- 运行记录保存在本地 ~/.claude/fusion-runs/，其中可能包含敏感问题、代码片段或模型输出，需要注意本地数据安全。
2026-06-19
第23名
新收录 · github_search
