lior
支持多LLM并行查询及AI响应交叉验证的MCP工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：lior。 它的用途是：支持多LLM并行查询及AI响应交叉验证的MCP工具 详细介绍见：https://321skill.com/skills/lior/ 请根据该页面的说明完成安装。
使用示例
“基于这份销售数据，分析下一季度的潜在增长点，并给出三个具体策略。”，ps_multi会并行将此查询发送给Claude、GPT-4等模型，然后对返回的多份分析报告进行交叉比对，最终整合出一份标明了各模型共识与分歧点的综合报告，帮助您做出更稳健的决策。
介绍
ps_multi 是一个 MCP（Model Context Protocol）服务器工具，它解决了在依赖单一AI模型时可能遇到的响应偏差、错误或不确定性较高的问题。通过并行调用多个不同的LLM（如Claude、GPT等）并对它们的输出进行交叉验证，该工具能帮助用户获得更可靠、更全面的AI生成内容。
使用时，您需要将其作为MCP服务器配置到兼容的AI客户端（如Claude Desktop）中。之后，在客户端内即可通过调用相应的工具或函数，向多个LLM同时发起查询。工具会收集所有模型的响应，并进行对比分析，最终提供一个综合了各方观点或经过一致性校验的结果。
它非常适合对AI生成内容的准确性和可靠性有较高要求的专业人士，例如需要审查AI生成代码的开发者、撰写严谨技术文档的工程师，或进行市场数据分析的研究人员。通过多模型验证，可以有效降低因单一模型局限而导致的错误风险。
建议在关键任务或对事实准确性要求高的场景下使用此工具。请注意，并行调用会显著增加Token消耗和API成本，且响应时间取决于最慢的模型。因此，在常规或对实时性要求极高的场景下需权衡使用。
核心特点
与只能连接单一模型源的MCP工具不同，ps_multi的核心在于其“并行查询”与“交叉验证”机制，能够同时获取多个主流LLM的响应并进行智能比对，从而提升最终结果的可靠性和客观性。
注意事项
由于需要调用多个模型的API，该工具不适用于对响应延迟极其敏感或需要严格控制AI调用成本的场景。
常见问题
如何配置支持的LLM？
需要在工具的配置文件中填入各LLM服务商（如OpenAI、Anthropic）的API密钥和端点。
交叉验证的具体逻辑是什么？
工具会对比多个模型的响应，识别共识点与分歧，可能以投票、一致性分析或人工可读的对比报告形式呈现结果。