Advisory only AI 审阅边界
定义
Advisory only AI 审阅边界,是一种把 AI 副模型限定为“只审阅、只建议、不执行”的安全边界。它常用于多模型协作场景:主 Agent 负责与用户交互、规划和执行任务;副模型在旁边阅读对话或过程,指出风险、遗漏和质量问题,但不能替主 Agent 做决定。
这条边界的核心不是“副模型比较弱”,而是“副模型没有执行权”。副模型可以说“这里可能与用户要求不一致”“继续前建议检查某一步”,但不能批准主 Agent 的动作,不能否决主 Agent 的动作,也不能以主 Agent 的身份下命令。最终执行权仍保留在主 Agent、用户和原本的工作流中。
在本文档中的语境
在来源文章《DSH :给 AI 配个旁观的第二大脑,每轮对话都有人帮你看一眼》中,Advisory only 被用来描述 dsh-advisor 的审阅边界。dsh-advisor 是一个给主会话挂接第二个模型的插件;这个副模型不直接干活、不插手主流程,而是在每一轮结束后旁观主对话,并按严重程度返回一条建议。
来源把这个副模型比喻成“旁边的人”:它可以在 AI 写代码、改多文件、长任务推进时提醒“这里跟用户要求对不上”,但它不能接管任务。该机制也可归入 旁观式 AI 副模型审阅机制:副模型的职责是审阅与提示,而不是执行、审批或调度。
需要注意的是,来源文章只介绍了 dsh-advisor 及其从 omp 的 advisor 子系统移植而来的 MVP 状态,没有给出 DSH 或 omp 的完整定义;因此这里不把 DSH 或 omp 扩展为独立概念解释。
基本规则
Advisory only 的基本规则可以概括为四条:
- 只建议,不批准:副模型不能对主 Agent 的计划或动作给出“已批准”“可以执行”这类具有授权含义的结论。
- 只提醒,不否决:副模型即使发现严重问题,也只能提示风险,不能真正阻止主 Agent、用户或原工作流继续运行。
- 不冒充主 Agent:副模型不能用主 Agent 的口气下命令,不能把自己的建议包装成系统指令或任务指派。
- 不改变执行链路:最终由谁执行、是否采纳建议、是否继续任务,仍由主 Agent、用户和原工作流决定。
因此,Advisory only 中的“blocker”并不等于副模型拥有阻断权。它只是一个严重程度标签,表示继续下去可能明显浪费时间、与用户明确指令冲突、或方向根本错误;是否停止仍不由副模型直接决定。
建议消息的身份标识
为了避免身份混淆,副模型的输出必须显式标识为 advisor 反馈。来源文章提到,dsh-advisor 的消息会带有类似 [advisor:concern] 的前缀,清楚说明这是一条建议,而不是主 Agent 自己的指令。
来源中的建议分为三档:
- nit:小毛病,主要是风格、表述、质量上的碎碎念,例如“这段可以抽成个函数”。
- concern:实质风险,或存在更好的方向,值得在继续之前认真掂量。
- blocker:继续下去明显可能白费功夫,例如与用户明确指令打架、原地绕圈、根本方向不对。
这三个等级的作用是帮助主 Agent 或用户判断建议的重要性,而不是给副模型分配执行权限。来源还提到,nit 走不打断的注入,到下一轮边界才被消费;concern 和 blocker 会主动“拨一下”主 Agent。即便如此,它们仍是 advisor 建议,而非主 Agent 的命令。
零工具权限
零工具权限是 Advisory only 边界控制的关键。来源文章明确强调,dsh-advisor 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。
在这个边界下,副模型不能:
- 读写文件;
- 执行命令;
- 访问外部系统;
- 修改任务状态;
- 直接改变主 Agent 的上下文、计划或操作结果;
- 调用主 Agent 可用的工具来完成实际工作。
零工具权限让副模型的输出面收缩为“文本建议”。即使副模型判断出某个文件需要修改,它也只能提出建议,不能自己打开文件、改代码、提交命令或推进状态机。
发送守卫
发送守卫用于控制副模型输出是否能够进入主会话。它的目标是防止不合规、不合时机或可能污染主流程的建议直接进入主 Agent 的工作上下文。
在 dsh-advisor 的语境中,发送守卫是作者给副模型加上的保险之一。来源没有展开发送守卫的完整内部规则,但可以确定它承担的是边界检查职责:副模型生成了建议,并不代表这条建议必然、立即、无条件进入主流程。
这与 Advisory only 的基本原则一致:副模型的影响必须经过受控入口,而不能像主 Agent 指令一样直接改变流程。
冷却轮数 immuneTurns
冷却轮数 immuneTurns 用于限制副模型连续介入的频率。来源文章提到,dsh-advisor 在发完一条建议后会进入冷却,immuneTurns 默认值为 3。
这个设计的作用是避免审阅建议过密。旁观式副模型如果每轮都高频插话,可能会让主会话被建议淹没,甚至改变主 Agent 的正常节奏。冷却轮数使它在发出一条建议后,需要经过若干轮再介入,从而保持“旁观者”定位。
immuneTurns = 3 是来源案例中 dsh-advisor 提到的默认值,不应被扩大为所有 Advisory only 系统的通用标准。其他实现可以采用不同冷却策略,甚至用优先级、风险阈值或用户设置来决定副模型何时发言。
失败隔离与故障半径
Advisory only 的失败策略目标是缩小故障半径。来源文章写得很直接:如果副模型抽风、配额爆掉或接口挂掉,也只丢弃副模型自己的那一小段待发队列,绝不会把主流程卡住或者污染。
这里包含三个边界:
- 副模型失败不阻塞主 Agent:主流程不应因为 advisor 调用失败而停住。
- 副模型错误不残留污染:错误建议不应积压在队列中,并在后续轮次继续注入。
- 副模型超额不拖垮任务:当副模型配额耗尽或接口异常时,受影响的是审阅功能本身,而不是用户原本的任务。
这种设计的重点是承认副模型也可能出错,并在架构上提前焊死出事半径。它不是把副模型视为更可靠的裁判,而是把它视为可选的审阅辅助。
与主 Agent 的关系
在 Advisory only 边界中,主 Agent 仍是主流程中的行动者。副模型只能在轮次边界旁观、审阅和反馈,不能夺取主 Agent 的角色。
来源文章中的 dsh-advisor 会在每一轮结束后查看主对话,再按等级丢回建议。这个时机很重要:副模型不是插入主 Agent 的推理过程内部实时改写行为,而是在轮次结束后的边界上提供第二双眼睛。
对于用户来说,这种关系更像“审稿人”或“代码审查旁观者”,而不是“上级审批系统”。用户可以采纳建议,也可以忽略建议;主 Agent 可以参考建议修正方向,但不应把 advisor 输出当成必须执行的命令。
来源案例:dsh-advisor
来源文章《DSH :给 AI 配个旁观的第二大脑,每轮对话都有人帮你看一眼》介绍了 dsh-advisor 对 Advisory only 边界的一个具体实现。该案例的适用范围是文章所述 dsh-advisor 插件及其当时状态,不代表所有旁观式审阅系统都具备相同参数和限制。
该案例中的实现条件包括:
- dsh-advisor 给主会话挂接第二个模型,副模型每轮结束后旁观主对话。
- 副模型按 nit、concern、blocker 三档输出建议。
- 每条建议带有类似
[advisor:concern]的前缀,以表明自己是 advisor 反馈。 - 副模型采用零工具权限,只能输出文本建议。
- 系统包含发送守卫、发完建议后的冷却轮数
immuneTurns,以及失败策略。 immuneTurns在来源中提到默认值为 3。- provider 和 model 必须填写;少一个或留空,副模型不会调用,并会在状态中说明未启动原因。
- 会话级可以用
/advisor model set <provider>/<model>临时替换审阅模型,只影响当前会话,不改全局配置。
来源还列出若干限制:该插件会额外消耗一个模型调用,因此账单会多一份;如果主对话含有密钥等敏感信息,审阅内容也会一起发给副模型,README 明说未做脱敏,建议选择可信的审阅模型;当时它是从 omp 的 advisor 子系统移植而来的 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,长会话会按窗口截断早期上下文。
这些细节说明,Advisory only 边界不是单靠一句“只建议”完成的,而是需要身份标识、权限隔离、发送控制、频率限制和失败隔离共同落地。
细节与边界
Advisory only AI 审阅边界容易与几类机制混淆:
- 不是审批流:副模型不给主 Agent 的动作盖章,也不承担最终批准责任。
- 不是否决器:即使标为 blocker,也只是严重建议,不是技术上强制中断主流程。
- 不是多 Agent 分工执行:副模型没有工具权限,不承担写文件、运行命令、访问系统等实际工作。
- 不是安全沙箱的全部:零工具权限能降低副模型行动能力,但敏感上下文仍可能被发送给副模型;来源案例明确提醒未做脱敏。
- 不是免费能力:在 dsh-advisor 案例中,副模型调用会额外消耗模型费用。
一个合格的 Advisory only 实现,需要同时回答两个问题:第一,副模型如何把有价值的风险反馈给主流程;第二,副模型出错时如何保证主流程不被阻塞、不被污染。只解决第一个问题,容易变成“第二个模型来指挥第一个模型”;只解决第二个问题,则副模型可能过于沉默,失去审阅价值。
适用场景
来源文章认为,dsh-advisor 适合让 AI 跑长任务、改多文件、担心跑偏又不想每轮盯着的人;也适合代码审查、方案复核、需要第二双眼睛的场景,以及手上有便宜快模型、想拿来当“审稿人”的用户。
反过来,如果只是问一句答一句,或者对额外 token 与模型调用成本非常敏感,Advisory only 副模型未必值得开启。它的价值主要体现在长链路、易跑偏、需要过程复核的任务中。