llm-consortium

多个大模型互相挑错，迭代到答案一致

llm-consortium 是一个用 Python 编写的多模型协同推理框架，核心思路是让多个 LLM 并行回答同一问题，再通过多轮迭代让它们互相审阅、修正并逐步收敛到共识答案，从而降低单一模型幻觉和随机性带来的错误。它解决的是单模型推理不稳定、复杂问题容易答偏的问题，适合需要更高可靠性的问答、推理和决策辅助场景。项目提供编排逻辑，可接入不同厂商或本地的模型，按轮次收集各模型输出、汇总分歧并驱动下一轮修正，最终输出经过多模型验证的结果。相比简单的投票或单次调用，它强调迭代精炼过程，让模型之间形成互相纠错机制。项目体量较小，属于早期探索型工具，适合研究者、AI 应用开发者快速试验多模型协作模式，也可作为构建更复杂 agent 系统的参考组件。

开源 free 开发框架

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 407

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类开发框架

开发团队irthomasthomas

所属国家

官网地址

GitHubhttps://github.com/irthomasthomas/llm-consortium

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai,llms

GitHub 星标★ 407

30天Star增速

HF 下载量

上线时间2024-12-21 00:00:00

最近更新2026-09-09 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-16

浏览次数0

使用教程

核心亮点

多模型并行加迭代精炼，比单模型或单轮投票更能暴露和纠正错误
编排逻辑与模型解耦，可灵活替换不同 LLM 提供商或本地模型
代码量小、结构清晰，便于阅读和二次改造成自己的多模型协作流程

不足之处

多模型多轮调用会显著增加 token 成本和响应延迟
项目处于早期，文档和社区生态较薄弱，生产级稳定性待观察

适用场景

对答案准确性要求高的复杂问答或推理任务
需要多模型交叉验证的研究实验与评测
作为构建多 agent 协作系统的参考实现或原型

替代项目

LangChain、AutoGen、CrewAI

项目介绍

llm-consortium 是一个开发框架领域的开源项目，官方简介：Parallel Reasoning: llm-consortium orchestrates mulitple LLMs, iteratively refines & achieves consensus.。项目使用 Python 开发，在 GitHub 上获得 407 星标。

上一篇：llm-openrouter

下一篇：ellmer