之前一直怀疑多模型编排的可行性，devin的fusion有比较详细的报告，参考fusion用opus5.5写了插件和测试场，测试题从自己项目的历史难题出的，筛掉两者都能独立做对的题目只剩5道题，基本都是当时卡了很久的难题，swe2独立写出来3道，dsv4.1f独立写出来1道，用了插件正确率反而下降了… 不过只有一轮测试仅供参考，好奇有没有其他多模型编排的实测？