支持本地模型以增强安全性

[weipeng1999]

需要解决的问题

当前 auto-reviewer 子智能体必须使用与主智能体相同的 LLM provider。这带来以下安全和成本问题：

无法实现本地/隔离审查：有严格安全策略的组织无法使用 AI 驱动的代码审查，因为他们无法保证敏感信息留在本地。

成本低效：审查器评估每次工具调用，但不需要与主智能体相同等级的模型能力。用昂贵的云模型做简单的 allow/deny 决策是浪费。

单点故障：如果主智能体的 LLM provider 宕机或被限速，审查器也会失败，阻塞所有工具执行。

缺失的能力：一种将审查器路由到本地自托管模型（如通过 litellm 代理、Ollama 或 LM Studio）的方式，同时主智能体继续使用云 provider。

预期行为

用户应能配置审查器使用独立的 LLM provider。

配置示例：

- id: auto-review
  config:
    reviewerLLMProvider: litellm                 # 路由到本地 litellm 代理
    reviewerModel: qwen3.5-9B-nothink            # 本地 qwen3.5-9B 模型
    reviewerProvider: spawn                       # 无父会话上下文继承

效果：

• 主智能体：<云 provider 的某个模型>
• 审查器：litellm/qwen3.5-9B-nothink（本地、隔离）
• 工具调用返回的潜在敏感信息在审查过程中留在本地
• 审查流量与主智能体流量隔离
• 成本降低（本地推理 vs. 云 API）

安全收益：工具调用将返回的敏感数据（文件内容、API 密钥、凭据）在执行授权之前由审查模型进行评估。

补充信息

• DSH 子智能体文档：spawn 后端创建无父会话上下文的新会话
• 安全最佳实践：通过将敏感操作保留在本地来最小化数据暴露

[PerryLink]

鎰熻阿杩欐潯寤鸿鈥斺€斻€屽鏌ュ櫒蹇呴』涓庝富鏅鸿兘浣撳悓 provider銆嶇‘瀹炴槸褰撳墠瀹炵幇鐨勪竴涓湡瀹炵害鏉燂紝浣犲垪鐨勪笁涓棝鐐归兘鎴愮珛锛堟晱鎰熶俊鎭笉鑳界暀鍦ㄦ湰鍦般€佷簯妯″瀷鍋?allow/deny 鐨勬垚鏈€乸rovider 鏁呴殰杩炲甫闃诲鎵€鏈夊伐鍏锋墽琛岋級锛屽叾涓€屽伐鍏风粨鏋滃湪鎺堟潈鍓嶅厛缁忔湰鍦版ā鍨嬭瘎浼般€嶄笌 dsh-auto-review 鐨勮璁＄洰鏍囧畬鍏ㄤ竴鑷淬€?
鏂瑰悜璁ゅ彲锛氭妸 reviewer 鐨?provider/model 鐙珛鎴愰厤缃」锛堝 reviewerLLMProvider / reviewerModel锛宻pawn 鍚庣鏃犵埗浼氳瘽涓婁笅鏂囩户鎵跨殑璇箟淇濇寔涓嶅彉锛夈€傝惤鍦版椂浼氬畧浣忎袱鐐癸細涓€鏄?*鑳藉姏闄嶇骇鈥斺€旀湰鍦版ā鍨嬫病鏈?tools/缁撴瀯鍖栬緭鍑烘椂锛岃瘎瀹¤緭鍑哄洖閫€鍒板彲瑙ｆ瀽鐨勭畝鍖栨牸寮忚€屼笉鏄け璐ワ紱浜屾槸鍙娴嬫€?*鈥斺€斿鏌ュ喅绛栦粛鍐?autoReview/* 瀹¤浜嬩欢锛屼繚鎸併€屾ā鍨嬪彲瑙?鉄?宸茶褰曘€嶃€傝鑳藉姏浼氳繘鍏ヨ矾绾垮浘骞朵互绀惧尯 issue 杩借釜锛堝凡鏈夊叧鑱?issue锛歔Support Local Model Reviewer for Enhanced Security](https://github.com/PerryLink/dsh-auto-review/issues/11)锛夛紝钀藉湴鐗堟湰浼氬洖鍒版湰甯栭€氱煡銆?
娆㈣繋鍏堟彁涓€涓厤缃瓧娈典笌澶辫触鍥為€€璇箟鐨勮崏妗?PR锛屼竴璧锋妸瀹冨仛瀵广€?