cross-review

用户希望对当前方案/设计/代码进行交叉评审，获取不同模型的视角。

工作流

Step 1: 理解上下文 + 构建评审 Prompt

• 理解用户想评审什么（可能是一段方案描述、一个设计文档、一段代码）
• 如果 $ARGUMENTS 包含文件路径，先读取相关文件
• 构建一个完整、自包含的评审 prompt 发给 GPT：
  • 包含完整的方案/代码内容（GPT 没有你的对话上下文）
  • 明确要求 GPT 从以下维度评估：
    1. 方案的优点和亮点
    2. 潜在的问题、风险和盲区
    3. 替代方案或改进建议
    4. 总体评分（1-10）和理由

Step 2: 调用交叉评审

调用 MCP 工具 cross_review：

• prompt: Step 1 构建的完整评审 prompt
• cwd: 当前工作目录（可选）

Step 3: 整合输出

收到 GPT 的评审结果后，你（Opus）也给出自己的评审观点，然后整合两方视角：

输出格式：

## GPT 视角
（GPT 的核心观点摘要）

## Opus 视角
（你的独立评审观点）

## 交叉整合结论
（综合两方观点的最终评估，标注共识点和分歧点）

## 建议行动项
（基于双方评审的具体改进建议）

注意

• 不要省略 GPT 的独特观点，即使你不完全同意
• 如果两个模型有分歧，明确标注并给出你的判断理由
• 如果 $ARGUMENTS 为空，提示用户用法：/cross-review <方案描述或文件路径>