我做了个能同时对话多个大模型的LLMCast （一）

日常除了使用 Trae、WorkBuddy 来进行完整的项目开发、文章写作，

有时候遇到跟项目相关性不大的问题，例如给文章起个标题，会想看看国外和国内的模型分别怎么回答。

根据 Claude / GPT / Deepseek / Qwen/GLM 的回答内容，再判断一下，是综合它们的回答，还是取其中某一个。

寻思AI 写代码这么快，让它写一个。

目前得到了一个初级版本：

实现同一个问题发给 Gemini 和 Deepseek ，看它们同时回答的结果。

例如下图：你是哪个模型，你能做什么？

起点：一个具体的使用场景

项目开始前，我想好了，用上 Harness 工程化思想和 Superpower 技能。

开发过程也不复杂，几句提示词就把文档、设计、开发、前端完成了。

开发一个可以同时发给各家大模型的小应用llmcast，灵感来源于开源项目chatall。 场景来自于：工作时偶尔产生一个生成名字，询问一个观点等独立的问题时，希望在不同的大模型对话窗口综合看一下不同的回答。 利用用户浏览器本身的登录token，同时展现不同的对话内容。

我的三个痛点

对我这样的传统开发工程师来说，开发项目有三个痛点：

第一个是产品头脑风暴。

方案边界没想清楚就动手，写到一半发现方向跑偏，返工成本很高。

第二个是项目工程化的文档约束。

没有文档规范，AI 生成的代码很容易失控，结构越来越乱。

第三个是前端设计和开发。

后端工程师的审美写出来的前端界面，比较迷之困惑。

这次我用：Superpower 技能 / Harness 工程规范 / Claude Design 的设计提示词，分别解决这三个痛点。

一：头脑风暴靠 Superpower，把方案边界先跑清楚

Superpower 是我在 Trae 里预先安装好的技能。

其中有一个头脑风暴技能，专门用来在动手之前把方案想清楚，

先把所有可能的路列出来，再决定走哪条。

Superpower 的头脑风暴技能问了几个问题后，形成三个开发方案：

• • 方案一：直接 API 调用（推荐）
• • 方案二：iframe 嵌入
• • 方案三：混合方案

我提出了疑问：

「"content script 注入到各平台网站"这个行为，可能不会被插件商店允许？」

Trae 的 GLM-5.1 表示你说的对。

讨论过程中，我想起来之前的 OpenCLI 技能是不是可以借用：

使用插件只是出于用户使用方便，但技术实现复杂或非常难实现，是否有比较容易的开发方案？ 本地电脑环境是 mac。 如果参考仓库 https://github.com/jackwener/OpenCLI 中 CLI 实现访问任意登录站点的思路……

两三轮对话确定了方案边界，动手开发之前排除一些技术方案。

二：工程化文档靠 Harness，给项目装一个强制规范

Harness 是 OpenAI 工程团队提出的一套 AI 辅助开发规范，

核心是让 AI 按工程项目的方式来组织开发，有文档、有阶段、有验收标准，

于是，我在它更新完设计文档后，让它按 Harness 工程化风格组织项目开发：

请阅读这篇文章：https://openai.com/index/harness-engineering/， 按这个工程规范组织本项目开发。

等它按要求组织好开发框架，让它按团队组织开发，

调用子 Agent 进行多进程合作开发：

你是项目负责人，可以给项目不同类型的工作：前后端开发、测试、设计、运维，指派 sub-agent，可以在 agent.md 中定义。 然后按多个 agent 协作方式开展项目进度推进，中间需要决策的地方可以自主决定，按项目文档推进到 M7：集成测试。

在它给出的开发计划上，我做了一点改动：

它经过一顿捣鼓，给了我项目成型的文档：

审核后做了一点调整：

Phase 3 的 UI 界面 放到Phase 1: MVP ，界面使用 纵向列表输出，要不阶段1的输出用命令行看，还是比较费劲

然后它就开始自主干活：创建子 Agent，分派任务：

三：前端设计靠 Claude Design，把专业设计能力引进来

很快后端代码开发完毕，进入操作界面前端开发。

在这里，我引入了 Claude Design 的系统提示词。

我把它改造成适合在 Trae 项目里使用的界面设计 sub-agent skill：

阅读这个仓库的提示词：https://github.com/elder-plinius/CL4R1T4S/blob/main/ANTHROPIC/Claude-Design-Sys-Prompt.txt， 把它改造为适合 Trae 里这个项目中，作为界面设计的 sub-agent 可以使用的 skill。

接着进入前端界面开发：

你是项目经理，继续按刚才规划的步骤按顺序完成： 集成 OpenCLI，实现真实的浏览器自动化，让适配器能够真正与 AI 平台交互，设计完善 UI。

到这里，昨天上午 2 个小时就把这个项目界面搭完了。

然后现实很骨感

我可能高兴得太早，因为它给我的汇报很完美：连集成测试都完成了。

让它启动项目，到界面测试一下"真实对话功能"这部分，碰到了大坑。

一个下午加一个晚上，都搭在了里面。

直到今天上午换成了 Codex 接手，才完成。

提示词也不复杂，就是模型管用：

根据项目文档设计，功能已经大部分完成，也进行了集成测试，请解决最后真实功能测试和debug，和gemini，deepseek平台对话。

总结

这个小工具的开发，是一个很典型的 AI 辅助开发案例：

头脑风暴、工程规范、前端设计，不到最真实的环节，推进得都很顺利。

真正到了系统运行的环节，隐藏的问题就暴露出来了。

LLMCast 还很初级，但核心场景已经跑通：

一个问题，能同时发给 Gemini 和 Deepseek，复用我在本机登录这两个大模型网页对话的凭据。

后续准备加上其他模型：Claude / GPT / GLM ，迭代到功能比较完整的时候再发布出来。

有没有同样需求的小伙伴，评论区留言。

-END-