$ loading_
通过本地多模型协作分析与构建检查循环，辅助代码推理和结果综合
复制安装指令，让 AI 自动完成配置 · 推荐新手
"local-fusion MCP server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 local-fusion 的 panel-judge-synthesizer 流程评审这个功能设计：我要为一个 Node.js API 增加速率限制、中间件日志和错误重试机制。先让多个模型分别提出实现方案与风险，再综合成一个推荐方案，并给出关键代码结构。
一份包含多模型观点、风险比较、最终推荐实现方案和代码结构建议的综合结果。
请使用 local-fusion 的 build/check loop 分析这个 TypeScript 项目的构建失败原因。读取报错后提出修复步骤，必要时迭代检查，直到给出可执行的修改建议和验证方法。
一套基于构建报错的迭代修复建议，包括原因定位、修改步骤与验证清单。
我在比较本地推理工作流方案。请调用 local-fusion，让多个模型从性能、成本、可维护性、隐私和可扩展性角度评估方案，并输出带权衡说明的最终建议。
一份结构化技术选型报告，包含多角度评估、优缺点对比和最终决策建议。
通过多模型协同推理与裁决，生成更高质量且可后台执行的 AI 答案。
并行调用多个模型并汇总裁决结果，产出结构化分析结论。
在 Mac 本地发起多模型协同评议与综合，辅助编码场景下的高质量决策。
用自然语言搭建本地 MCP 服务器与 AI 工具，并连接主流兼容助手
将机械性代码生成子任务分派给本地大模型，节省前沿模型调用成本与令牌。
统一管理本地大模型运行时，完成发现、运维检查与推理调用。