昨天講到的提議者(proposer)與審核者(reviewer)，兩者的更新模式。

那需要如何整合呢?

Proposer和Reviewer都必須是Agent，而不是兩次固定的LLM API調用：知識更新不是只對一段預先挑好的文本做摘要：Proposer往往要主動搜索其他相關的用戶記憶文件與規則，Reviewer也要追溯證據，比對多份文件、運行檢查，並在發現新線索時繼續查詢。
這需要他們擁有文件搜索、版本比較、測試執行與證據檢索工具，現成的coding agent通常就能勝任。兩個agent都應能按須查詢完整的知識庫和原始證據庫，而不是只接收上游挑的幾個片段; 當然，"完整"指其被授權的租戶或用戶範圍，不能因審核而突破隱私邊界。為了保證可追溯性，它們的工作軌跡、工具輸出引用和審核反饋也應以文本歸檔。

兩個Agent應優先使用能力相近但來自不同家族的模型:例如proposer用Claude，reiewer用GPT; 或者proposer用Gemini，reviewer用Gork。不同的訓練數據、偏好和推理習慣可降低兩者在同一處犯同類錯誤的概率; 能力則不宜相差過大，否則reviewer可能跟不上proposer對複雜證據的處理。這種"異源互審"能增加獨立性，但也不能替代原始證據：reviewer應主要核對證據與diff，而不是沿著proposer的結論再講一遍。權限上也應強制分工proposer只能寫工作分支，reviewer只讀證據並提交審核結果。

我們在做論文與專題的開發與產出時，也可以用這個模式做開發與審查，像小弟我就是用claude做proposer再用gpt做reviewer，兩家公司的模型因為推理模式不同，會給使用者幾種不同的想法，是否採用，這就由你去做決定了。

在完成ai agent導論之前，最近幾篇文章的內容我發覺艱深且無聊，這些內容是以用戶記憶與知識庫做基底，我發覺得先講解完"記憶系統"這個概念我們才能繼續下去，我先道歉

最近Anthropic執行長的談話造成一連串的反應，也對應在股價上，資安類的股票都有上漲的趨勢..果然散戶就是得看他們的面子，讓大家了解發表了什麼
https://www.ithome.com.tw/news/178894

由阿里巴巴開發的open-code-review
用途：
自動化 code review，結合

• deterministic pipelines（確定性規則/流程）
• LLM Agent（AI 審查）
• line-level comments（精準到行級評論）
• 多語言規則集（例如 NPE、thread-safety、XSS、SQL injection）

LLM 相容性：支援 OpenAI 與 Anthropic compatible 的模型/介面
GitHub： http://github.com/alibaba/open-code-review