终端原生多模型 AI 协作工具。一键提问，多个大模型同时回答；多模型接力审议，产出经过多重打磨的文档。
multiarena 有两个顶层模式，各自包含总览和模型私聊两种视图：
广播模式 (Broadcast) 团队模式 (Team)
├── 总览：多模型并排面板 ├── 总览：审议入口 / 审议结果
└── 定向：单个模型全宽详情 └── 定向：与单个模型私聊
前缀告诉你当前处于哪个模式和视图：
| 前缀 | 所处位置 |
|---|---|
[all] |
广播总览 — 消息发给所有模型 |
[模型名] |
广播定向 — 只跟该模型对话 |
[team] |
团队总览 — 输入任务启动审议 |
[team:模型名] |
团队定向 — 审议后与该模型私聊 |
Shift+Tab (仅在总览时) Shift+Tab (仅在总览时)
广播总览 ←────────────────────→ 团队总览
↑ ↓ Tab ↑ ↓ Tab
广播定向 团队定向
↑ ↑
└── Esc ───────────────────────┘── Esc
Tab — 在当前模式内循环切换目标。从总览进入第一个模型，再按切到下一个，循环回总览。Tab 永远不会切换模式（不会在广播 ↔ 团队之间跳）。
Shift+Tab — 在广播和团队之间切换。只在总览时生效，且切换后总是落在目标模式的总览。如果你在私聊中，需要先按 Esc 回总览，再按 Shift+Tab。
Esc — 返回当前模式的总览。无论你在私聊、对比视图、还是审议进行中，Esc 都会带你回到当前模式的总览。Esc 永远不会切换模式。
d — 对比模式。输入栏为空时，按 d 将当前模型与另一个模型的回答并排展示，再按 d 退出。在总览中按 d 会将第一个模型作为主视图、第二个作为对比。
消息同时发给所有非静音模型，分栏并排查看回答。
┌─ claude ──────────────────────┐ ┌─ gpt ─────────────────────────┐
│ │ │ │
│ 可以使用 ls 列出当前目录文件： │ │ 你可以用 ls 或 dir 命令查看目 │
│ $ ls -la │ │ 录内容： │
│ total 48 │ │ $ ls │
│ drwxr-xr-x 12 user staff │ │ src/ test/ package.json │
│ │ │ │
│ 3 lines · 1K/200K · done │ │ 3 lines · 1K/128K · done │
└───────────────────────────────┘ └───────────────────────────────┘
────────────────────────────────────────────────────────────────────
claude ● gpt ● — Tab:model d:compare m:mute r:reset q:quit ↑↓:scroll
[all] > ▊
提交消息后，所有非静音模型同时接收并回答。每个面板底部显示行数、token 用量和状态。
按 Tab 进入某个模型的私聊视图。消息只发给该模型，输出区变为全宽详情。
┌─ claude ──────────────────────────────────────────────────────────┐
│ │
│ 我来详细分析这个方案的优缺点： │
│ │
│ **优点：** │
│ 1. 四层架构清晰，每层职责单一，易于测试和维护 │
│ 2. Provider 接口设计简洁，新增模型只需实现 chat() 方法 │
│ │
│ 2K/200K · 15 lines · done │
└────────────────────────────────────────────────────────────────────┘
────────────────────────────────────────────────────────────────────
claude ● gpt — Tab:model d:compare m:mute r:reset q:quit ↑↓:scroll
[claude] > ▊
再按 Tab 切换到下一个模型（跳过静音模型），循环回到总览。按 Esc 返回总览。
输入栏为空时按 d，将当前模型与下一个模型的回答并排对比。
┌─ claude ──────────────────────┐ ┌─ gpt ─────────────────────────┐
│ │ │ │
│ 推荐使用策略模式，将每种算法封 │ │ 建议用工厂模式配合依赖注入来解 │
│ 装为独立的策略类。 │ │ 耦。 │
│ │ │ │
│ 2K/200K · 12 lines · done │ │ 1K/128K · 14 lines · done │
└───────────────────────────────┘ └───────────────────────────────┘
────────────────────────────────────────────────────────────────────
claude ● gpt ● — Tab:model d:exit-compare m:mute r:reset q:quit
[claude] > ▊
再按 d 退出对比，按 Esc 也能退出并回到总览。
多个模型接力协作（镜像模式 ABCBA），起草 → 修订 → 润色 → 终审，产出一份经过多视角打磨的文档。
镜像接力： 模型按 A→B→C→B→A 顺序接力。正向：起草 → 修订 → 润色 → 终审；反向：中间模型再次修订，第一个模型最终审查。确保文档经受多方向审视。
私有思考： 每轮提交前，模型先进行私有分析——审视当前文档的优劣、识别事实错误或幻觉、规划修改方案。思考内容不进入共享上下文（其他模型不可见），防止锚定偏差。
共享上下文： 团队模式使用统一的 teamMessages 消息线程。审议引擎直接从共享历史读取上下文，每轮产出自动写回。用户可追加新要求启动新一轮审议——模型自然看到上一轮所有产出 + 新指令。
在广播总览按 Shift+Tab 进入团队总览，输入任务描述后回车：
────────────────────────────────────────────────────────────────────
团队模式
输入任务描述即可启动多模型接力审议。
Tab 可切换到特定模型私聊。Shift+Tab 返回广播模式。
────────────────────────────────────────────────────────────────────
minimax deepseek ● — Tab:model d:compare m:mute r:reset q:quit
[team] > 写一篇关于兰州拉面的美食日记▊
每轮先私有思考，再公开提交。思考阶段显示"💭 思考中"，分析结束后进入正式生成。
┌─ 团队审议 ─────────────────────────────────────────────────────────┐
│ │
│ 第 2/5 轮：deepseek (修订) │
│ │
│ ✓ 起草 ● 修订 ○ 润色 ○ 修订 ○ 终审 │
│ minimax deepseek minimax deepseek minimax │
│ │
│ 💭 思考中 — deepseek — 分析当前状态… │
│ │
│ ── 私有分析 ── │
│ 文档在场景描写方面做得不错，但缺少对拉面本身的细节… │
│ │
└────────────────────────────────────────────────────────────────────┘
────────────────────────────────────────────────────────────────────
minimax deepseek ● — Tab:model d:compare m:mute r:reset q:quit Esc:cancel
[team] > ▊
思考完成后，模型在分析基础上正式提交修改。审议进行中按 Esc 中止。
审议结束后，显示审议过程和最终文档。每轮显示模型名称、角色、修改处数，以及代表性修改内容：
┌─ 团队审议 ─────────────────────────────────────────────────────────┐
│ │
│ 审议完成 · 3 轮 · 4 处修改 │
│ │
│ ✓ 起草 ✓ 修订 ✓ 终审 │
│ minimax deepseek minimax │
│ │
│ ── 审议过程 ── │
│ │
│ 1. minimax（起草） │
│ 2. deepseek（修订） — 4 处修改 │
│ 明天还想去！ → 我决定下次再来。 │
│ 這個味道吧。 → 这个味道吧。 │
│ 明天还想再来一碗。 → 计划下次再品尝一次。 │
│ 3. minimax（终审） — 无修改 │
│ │
│ ── 最终文档 ── │
│ │
│ # 今天吃了兰州拉面，我很开心 │
│ 今天中午去楼下那家兰州拉面馆… │
│ │
└────────────────────────────────────────────────────────────────────┘
────────────────────────────────────────────────────────────────────
minimax ● deepseek ● — Tab:model d:compare m:mute r:reset q:quit
[team] > ▊
审议完成后，按 Tab 切换到任一模型私聊。团队模式使用共享消息线程，所有模型看到相同的对话历史（包括审议全过程）。你可以在审议产出的基础上继续讨论或追加要求。
按 Tab → [team:minimax] > 你觉得终审时deepseek的修改方向对吗？
在团队总览输入新要求，启动新一轮审议。共享上下文中已有上一轮的完整产出，模型自然看到全部上文：
[team] > 把语气改得更文艺一些，增加更多感官细节
在任意模式下输入 /merge，选一个模型将所有非静音模型的最新回答合并为综合文档，标注共识（[共识]）、独有贡献（[来源: 模型名]）和分歧（[分歧]）。适合汇总各模型对同一问题的不同角度回答。
npm install -g multiarena# 创建配置文件
cat > .multiarenarc << 'EOF'
[models.claude]
provider = "anthropic"
model = "claude-sonnet-4-6"
api_key = "${ANTHROPIC_API_KEY}"
[models.gpt]
provider = "openai"
model = "gpt-4o"
api_key = "${OPENAI_API_KEY}"
[defaults]
active = ["claude", "gpt"]
EOF
# 启动
multiarena配置文件 .multiarenarc（TOML 格式），放在当前目录或 ~/.multiarenarc。
[models.<名称>]
provider = "anthropic" # anthropic | openai | google | deepseek | minimax | ollama
model = "claude-sonnet-4-6" # API 模型名
api_key = "${ENV_VAR}" # API key，支持环境变量
endpoint = "..." # 自定义端点（可选）
context_limit = 200000 # 上下文窗口大小（可选）
[defaults]
active = ["claude", "gpt"] # 启动时加载的模型
[deliberation]
constraint_file = "rules.md" # 审议约束文件（可选）
# 手动指定审议轮次（可选，默认自动镜像分配）
[[deliberation.rounds]]
model = "claude"
role = "draft"
[[deliberation.rounds]]
model = "gpt"
role = "revise"
[[deliberation.rounds]]
model = "claude"
role = "review"会话保存至 ~/.multiarena/sessions/。使用 multiarena --resume <id> 恢复历史会话。
| Provider | 厂商 | 说明 |
|---|---|---|
anthropic |
Anthropic | Claude 系列（Sonnet / Opus / Haiku） |
openai |
OpenAI | GPT-4o、GPT-4.1 等 |
google |
Gemini 系列 | |
deepseek |
DeepSeek | DeepSeek-V3、DeepSeek-R1 等 |
minimax |
MiniMax | MiniMax-M2 系列 |
ollama |
Ollama | 任意本地模型 |
具体模型名在配置文件的 model 字段中指定，使用各厂商的 API 模型名称。
| 按键 | 功能 | 约束 |
|---|---|---|
Tab |
当前模式内循环切换目标（总览 → 模型1 → 模型2 → 总览） | 不切换模式，跳过静音模型 |
Shift+Tab |
广播 ↔ 团队模式切换 | 仅在总览时生效，切换后落在目标模式总览 |
Esc |
返回当前模式总览 / 退出对比 / 中止审议 | 不切换模式 |
d |
对比两个模型的回答（输入栏为空时） | 需要至少 2 个非静音模型 |
m |
静音/取消静音当前模型 | 定向模式下生效 |
r |
重置当前模型对话历史 | 定向模式下生效 |
↑ ↓ |
输入为空：浏览历史输入；输入非空：滚动输出 | 团队总览下审议内容也可滚动 |
/team |
等同于 Shift+Tab | |
/merge |
合并各模型最近的回答 | 需要至少 2 个模型有回复 |
q |
退出（自动保存会话） |
MIT