Codex能否调用其他AI进行对抗协作

背景

随着大语言模型（LLM）能力的快速提升，单个 AI 模型在处理复杂、多步骤或需要多角度验证的任务时，往往难以保证最终方案的可靠性。用户开始探索多模型协作或对抗性讨论的工作流，即让不同 AI 模型（如 GPT-4、Claude、Codex 等）相互提出质疑、补充信息，再共同确认最终方案。这种“AI 圆桌会议”模式在社区中引起关注，其可行性与成本效益成为讨论焦点。

核心内容

原文来自 LINUX DO 社区“AI”板块，用户提出一个想法：能否让 Codex（推测指 OpenAI 的代码生成模型或相关工具）具备调用其他 AI 模型进行对抗性讨论的 skills（技能/能力）。具体场景是，当遇到难度较高的问题时，希望 AI 能像人类圆桌会议一样，先与 Claude（Anthropic 的模型）进行讨论，双方交换意见、确认最终方案，然后再执行。

用户用“是不是能直接看到烧钞票的感觉？”来调侃这种工作流——因为同时调用多个模型（尤其是付费 API）会产生显著的 token 消耗，成本高昂，仿佛“烧钞票”。帖子下共有 2 条回复（2 位参与者），但原文未展示具体讨论内容，仅表明这是一个引发兴趣的话题。

关键要点

• 目标：让 Codex 具备调用其他 AI（如 Claude）进行对抗性讨论的能力，以提高复杂问题的解决质量。
• 工作流示例：先与 Claude 讨论，达成共识后形成最终方案，再执行具体任务（如代码生成）。
• 成本认知：这种多模型交互方式会显著增加 API 调用次数和 token 消耗，用户将其比喻为“烧钞票”，暗示对成本的担忧。
• 社区关注：帖子虽短，但在 LINUX DO 社区引起讨论（2 个参与），说明该想法有实际需求，但尚未形成成熟方案。
• 技术前提：实现该工作流需要 Codex 具备“调用其他模型”的接口能力（如 Function Calling、Agent 框架），而非简单的提示词串联。

意义与影响

1. 推动多模型协作范式：该想法将 AI 从“单打独斗”推向“团队协作”，类似人类专家会诊。通过对抗性讨论，模型可以互相纠正幻觉、补充遗漏，提升输出的严谨性和可靠性，尤其适用于安全审查、代码审计、复杂决策等场景。

2. 暴露成本与效率的权衡：原文的“烧钞票”调侃尖锐地指出了现实瓶颈——多模型交互的 API 成本可能远超单次推理。这促使社区思考如何优化：例如仅在关键步骤引入对抗讨论、使用更便宜的模型作为“副手”，或采用异步降级策略。

3. 启发 Agent 框架设计：该需求本质上是多智能体协作的一种雏形。未来，AI 工具（如 Codex）若内置“模型路由”或“议会模式”，用户只需一条类似“与 Claude 讨论后执行”的指令，即可自动触发多模型会议。这将重新定义 AI 工作流设计，但需要解决一致性、延迟、权限等问题。

4. 社区先行探索的价值：尽管当前技术实现尚不成熟，但 LINUX DO 社区这类讨论反映了用户对 AI 能力的更高期待——不仅希望模型“回答问题”，更希望它“管理智慧”。这种自发探索将加速厂商在 API 层提供多模型对话编排功能，或催生第三方中间件。