旁观式 AI 副模型审阅机制
定义
旁观式 AI 副模型审阅机制,是指在主 AI Agent 会话之外挂接一个独立的审阅模型,让它像旁观者一样持续阅读主对话上下文,并在合适的边界返回建议。
这个机制的作用不是让多个模型一起执行任务,也不是把任务拆给第二个模型并行完成;它的核心是给主 Agent 外部增加一个“第二双眼睛”。副模型只看主会话、给建议,不参与实际改文件、跑命令或调用工具,也不接管主流程的控制权。
在长链路任务中,这种旁观审阅尤其有价值。例如主 Agent 一口气修改多个文件、连续规划多步方案、执行代码审查或做方案复核时,副模型可以在过程中发现方向偏移、重复绕圈、与用户要求不一致等问题,提醒主流程及时停下或重新审视。
在本文档中的语境
本文档讨论的语境主要来自 dsh-advisor 相关来源。来源文章把 dsh-advisor 描述为给主会话“挂第二个模型”的插件:主模型继续完成原任务,副模型不干活、不插手,只在每一轮主对话结束后旁观一遍主对话,然后按严重程度丢回一条建议。
这里的“每一轮结束后”是关键条件。它不是任务开始前的一次性评审,也不是只在最终结果完成后做总结;它会随着主会话推进,在每轮对话结束后重新读取上下文。因此,它能持续发现执行过程中逐步积累的问题,例如第三步开始已经偏离用户要求、后续还在沿错误方向继续推进,或主 Agent 开始原地绕圈。
来源还强调这一机制的边界是 Advisory only AI 审阅边界:副模型只提供建议,不批准、不否决主 Agent 的动作,也不以主 Agent 的口气下命令。
关键机制
1. 主流程与审阅流程分离
旁观式副模型与主 Agent 分离运行。主 Agent 仍然负责理解用户目标、规划任务、调用工具、修改文件、执行命令和产出结果;副模型只负责阅读主会话上下文并提出审阅意见。
这种分离带来两个直接后果:
- 副模型不能直接改变主任务状态,因此不会把自己的判断直接写入文件或命令执行结果;
- 副模型的输出需要被明确标识为“建议”,由主 Agent 或用户决定是否采纳。
2. 审阅触发点在每轮主对话之后
该机制的审阅触发点是每一轮主对话结束后,而不是任务开始前的一次性评审。
这意味着副模型能观察到主 Agent 的实际执行轨迹,而不只是审阅一份静态计划。它可以在主 Agent 已经开始执行、上下文变长、步骤发生变化之后继续判断:当前方向是否仍然符合用户要求,是否出现重复绕圈,是否有更优路线,继续推进是否会浪费时间。
3. 建议按严重程度分级
在 dsh-advisor 语境中,副模型返回的建议分为三档:nit、concern、blocker。
| 等级 | 含义 | 典型用途 |
|---|---|---|
| nit | 轻微问题 | 风格、表述、局部质量上的小意见,例如“这段可以抽成一个函数” |
| concern | 实质风险或更优路线 | 当前方向可能有风险,或者继续之前值得重新权衡更好的方案 |
| blocker | 阻断级问题 | 继续推进明显会浪费时间,或已经违背用户明确指令、陷入原地绕圈、根本方向不对 |
这种分级不是装饰性标签,而是决定副模型建议如何进入主流程的依据。
4. nit 不打断,concern 与 blocker 主动提醒
nit 采用不打断式注入。它不会因为轻微质量或风格意见频繁打断主任务,而是等到下一轮边界才被主会话消费。
concern 和 blocker 则会主动“拨动”主 Agent,让主流程在高风险点及时停下、重新审视或调整方向。来源文章用“拨一下”来描述这种效果:副模型不是接管主流程,而是在风险足够高时提醒主流程不要无视问题继续跑。
这种设计试图在两个目标之间取平衡:
- 小问题不要频繁打断任务,避免副模型变成噪声源;
- 大问题必须及时出现,避免主 Agent 在错误方向上继续消耗时间和成本。
5. 建议消息需要清晰标明来源与等级
副模型建议应带有清晰的来源和等级前缀,例如:
[advisor:concern] 这里的实现方向可能与用户要求不一致,建议先核对第三步的约束。
这种前缀有两个作用:
- 让主 Agent 知道这不是用户的新指令,而是旁观模型的建议;
- 让用户也能看出这不是主 Agent 自身结论,而是外部审阅者的提示。
如果没有来源和等级标识,副模型输出可能被误当成用户要求、系统约束或主 Agent 的确定性判断,从而污染主流程。
细节与边界
不是多模型共同执行任务
旁观式 AI 副模型审阅机制容易被误解为“多模型协作执行任务”。但在本文语境中,它并不是让多个模型共同写代码、共同改文件或互相分工完成任务。
它更接近“审阅层”或“观察层”:副模型只看、不做;只建议、不执行;只提醒、不裁决。
副模型不调用工具
来源文章称 dsh-advisor 中的副模型是一个“零工具”的独立模型调用,没有任何工具可调,除了说话什么也做不了。
这条边界很重要:如果副模型也能调用工具、修改文件或执行命令,它就不再只是旁观审阅者,而会进入任务执行链路,风险模型也会发生变化。
副模型不批准也不否决
在 Advisory only 边界下,副模型不会批准主 Agent 的动作,也不会否决主 Agent 的动作。它可以指出风险、提出替代路线、提醒与用户指令冲突,但最终执行权仍在主流程。
因此,blocker 也不是“强制停止命令”。它表示继续推进可能明显浪费时间或违背明确指令,应该让主流程停下来重新审视,但它本身不直接夺取控制权。
失败不应阻塞主流程
来源文章提到,dsh-advisor 为副模型调用设置了多层保险,包括发送守卫、发出一条后的冷却轮数,以及失败策略。其设计目标是:即使副模型异常、配额耗尽或接口失败,也只影响它自己的待发队列,不应把主流程卡住或污染主流程。
这体现了旁观式机制的一个工程边界:审阅能力是附加层,而不是主任务能否继续的硬依赖。
会增加额外模型调用成本
副模型每轮审阅都需要额外模型调用。来源文章明确提醒,这不是免费功能,账单会多一份。
因此,对额外 token 开销高度敏感、或者只进行简单问答的人,不一定适合启用这类机制。它更适合长任务、复杂方案、多文件修改和需要持续复核的场景。
敏感信息会随上下文进入副模型
如果主对话中包含密钥等敏感信息,副模型审阅时也可能读到这些内容。来源文章称 README 明确说明没有做脱敏,并建议配置可信任的审阅模型。
这意味着旁观式副模型虽然不执行工具,但仍然有上下文读取权限。选用模型、供应商和数据边界时,需要把它视为会接触主会话内容的参与方。
适用场景
旁观式 AI 副模型审阅机制主要适合长链路、高风险或容易跑偏的任务,包括:
- AI 一次性修改多个文件,用户不可能逐行盯住每一步;
- 主 Agent 连续规划和执行多步方案,需要有人持续检查方向;
- 代码审查,需要第二个视角发现设计风险、遗漏或与需求不一致之处;
- 方案复核,需要在继续推进前判断是否存在更优路线;
- 用户手上有便宜、快速的模型,希望把它用作“审稿人”或“副驾驶”。
不太适合的情况包括:
- 用户只是进行一句问一句答的简单交互;
- 任务成本和 token 开销极其敏感;
- 用户不希望主会话内容被额外发送给另一个模型;
- 任务本身不需要持续审阅,副模型建议反而会增加噪声。
来源案例:dsh-advisor 中的实现
来源文章为《dsh-advisor 插件介绍 - 今日头条文章摘要》对应的今日头条文章《DSH:给 AI 配个旁观的第二大脑,每轮对话都有人帮你看一眼》。该来源介绍的是 dsh-advisor 插件的一个具体实现案例,不应把其中所有参数都扩大为旁观式机制的一般属性。
安装与启用
来源文章称,dsh-advisor 支持 web 和终端两套前端,安装命令区别在于 --profile 后面使用哪个配置:
dsh plugin --profile web add dsh-advisor
dsh plugin --profile dsh-tui add dsh-advisor
安装后还需要在插件页打开对应开关;来源文章把这个开关称为“总闸”。用户还可以用 /advisor status 查看它是否在运行、正在使用哪个模型、有没有丢消息。
模型配置门槛
来源文章强调,provider 和 model 必须填写。少一个或留空,副模型一次都不会调用,状态里会直接说明为什么没有启动。
这个设计用于避免用户在不清楚供应商和模型的情况下,稀里糊涂地为另一个模型调用付费。
会话级还可以使用以下形式临时切换审阅模型:
/advisor model set <provider>/<model>
来源文章说明,这只影响当前会话,不修改全局配置。
冷却与失败策略
来源文章提到,作者为 dsh-advisor 设置了三道保险:发送守卫、发完一条之后的冷却轮数 immuneTurns,以及失败策略。其中 immuneTurns 默认值为 3。
这些是 dsh-advisor 案例中的具体工程参数,不能直接视为所有旁观式副模型审阅机制都必须采用的通用标准。
输入提示功能
来源文章还提到一个附加功能:每轮结束后,它会猜测用户下一句大概要问什么,并在网页输入框下面给出一条可一键采纳的提示;用户可以点击,或在输入框为空时按右方向键采纳。
该功能只适用于网页端,来源明确称 TUI 没有。猜不准时会安静失败,不打扰用户。
这属于 dsh-advisor 的具体体验功能,不是旁观式 AI 副模型审阅机制的必要组成部分。
已知限制
来源文章列出的限制包括:
- 它来自 omp 的 advisor 子系统移植版 MVP;
- 单会话只能有一个副模型;
- 没有会话内面板;
- 没有成本统计;
- 长会话会按上下文窗口截断早期内容;
- 审阅内容未做脱敏,主对话中的敏感信息可能发给副模型。
这些限制描述的是 dsh-advisor 当前实现的边界,不等于旁观式机制在所有系统中都只能这样实现。
与相近机制的区别
与一次性预审的区别
一次性预审通常发生在任务开始前,只能审查计划、提示词或初始需求。旁观式 AI 副模型审阅机制则在每轮主对话结束后继续运行,能根据实际执行轨迹进行动态审阅。
因此,它更适合发现执行过程中出现的偏移,而不只是发现计划阶段的缺陷。
与最终审稿的区别
最终审稿只在结果完成后指出问题,常常已经错过纠偏时机。旁观式审阅在任务过程中持续出现,可以在方向刚开始偏离时提醒主流程。
例如,主 Agent 从第三步开始已经误解用户要求,最终审稿只能在半小时后指出结果不对;旁观式副模型则有机会在第三步之后的轮次就发出 concern 或 blocker。
与工具型子 Agent 的区别
工具型子 Agent 可能会实际执行搜索、写代码、运行命令或操作文件。旁观式副模型审阅者不具备这些能力,也不应该被授予这些能力。
它的价值来自外部观察和低侵入提醒,而不是来自并行执行。