LLM-WarRoom：多模型AI推理工作台与顾问视角决策框架

LLM-WarRoom是一款受Karpathy LLM Council启发的本地优先多模型推理工作台，核心定位为实用主义推理辅助工具。它支持独立响应、匿名同行评审，并提供五种顾问视角的压力测试决策流程，帮助用户获取多模型观点、发现分歧点，提升复杂决策的推理质量。

随着大型语言模型能力提升，单一模型回答难以满足复杂决策需求。Andrej Karpathy提出的LLM Council概念展示了多模型协作的可靠性，LLM-WarRoom将这一理念转化为可操作的本地工具，灵感还来自Ole Lehmann的Claude Council技能。

采用FastAPI后端与React前端的本地Web应用，遵循本地优先原则：所有对话和运行产物写入本地data/文件夹。后端含FastAPI框架、模型别名系统、多提供商支持；前端为React技术栈，通过npm run dev启动本地服务器。

两种工作模式：

1. Ask模式：问题提交→独立响应→匿名同行评审→最终综合
2. War Room模式：问题框架化→顾问视角分析→匿名评审→最终裁决 五种顾问视角：Contrarian（反对者）、First Principles Thinker（第一性原理思考者）、Expansionist（扩展者）、Outsider（局外人）、Executor（执行者），均为提示词角色。

通过环境变量和配置文件管理模型：

• 环境变量需设置API密钥（OPENAI_API_KEY等）及模型别名列表
• 模型别名如openai_primary（gpt-5.1）、claude_primary（claude-sonnet-4-20250514）等
• 支持OpenAI（直接接入）、Anthropic（需安装包）、OpenRouter（免费层适合实验）

本地优先存储策略：

• 每次运行产物存于data/runs//，含run.json（机器可读）、summary.md（人类可读）、decision.json（适用时）
• 对话历史存于data/conversations/，产物默认被git忽略，确保用户数据掌控与审计追踪。

适合场景：复杂决策分析、创意发散收敛、风险评估、方案验证 注意事项：实验性软件输出可能有误；提示词会发送至模型提供商；勿粘贴敏感信息；保持.env文件私密。

LLM-WarRoom代表新AI工具范式，通过多模型协作提升推理质量。本地优先设计、顾问视角框架及灵活配置使其成为复杂决策的有力工具。未来可通过扩展端点（如/api/cases/evaluate）进一步丰富功能。