multi-llm-debate-grill-me
Organise un débat structuré entre plusieurs LLM sur un plan, un design ou une idée de projet, avec un cadrage silencieux de type "grill me", des rounds de…
Skill by valorisa
Chalk Labs
Need help deploying multi-llm-debate-grill-me?
Chalk Labs sets up agents like this inside real teams: connected to your tools, tested on your data, with a human in the loop where it matters.
Install
Works with Claude Code, Claude apps, Codex, Cursor, Gemini CLI, GitHub Copilot, VS Code, OpenCode, Goose, Windsurf. Read the repository before you give any tool access to your data.
npx agentmarket install skill/valorisa-multi-llm-debate-grill-me
Asks which of your tools to add it to (Claude Code, Codex, Cursor, VS Code, Windsurf, Gemini CLI, Claude Desktop) and shows the change first. See https://agentmart.dev/cli.
Get the weekly diff
The weekly diff: one email a week with new agent tools, notable updates and grade changes, plus security alerts for tools you follow. Double opt-in, one-click unsubscribe.
About
Use cases: design, testing, ml
Reviews
Write a reviewNo reviews yet. Installed it? Reviews come from verified installers only. How reviews work
Permissions
What this skill can do and what it asks for, from its SKILL.md. Checked Oct 25, 2026.
- Tools
- No tools found
- Secrets
- None asked for
- Install scripts
- None found
Network hosts it talks to 1
codeload.github.com· found in install command
Files it touches
~/.claude/skills/multi-llm-debate-grill-me
What's inside
- Skill name
multi-llm-debate-grill-me- Description
- Organise un débat structuré entre plusieurs LLM sur un plan, un design ou une idée de projet, avec un cadrage silencieux de type "grill me", des rounds de critique croisée, puis un juge final. Utilise cette skill dès qu’un plan, une architecture, un design ou une idée de projet doit être stress-testé par plusieurs modèles avant décision.
- License
- MIT
- Instructions
- 285 lines in SKILL.md · view on GitHub
Files (3)
- PROMPT-ENTREE.md
- README.md
- SKILL.md
SKILL.md (first lines)
# Multi-LLM Debate + Grill Me > Objectif : tester un plan, un design ou une idée de projet par débat multi-agent, en commençant par un cadrage silencieux de type "grill me", puis en faisant converger les modèles vers une synthèse utile et critique. ## Principes 1. Chaque LLM reçoit le même brief initial. 2. Chaque LLM travaille d’abord de manière indépendante. 3. Les réponses des autres LLM ne sont introduites qu’après la première position. 4. Chaque round suit un format stable. 5. Le débat privilégie la clarté, la critique utile et la détection des angles morts. 6. Ne pas inventer de faits absents du brief. 7. Ne pas faire de recommandations globales avant la phase de synthèse. 8. Le juge final arbitre les divergences et produit une décision consolidée. ## Round 0 — Cadrage silencieux ### But Activer mentalement la logique "grill me" avant tout débat visible. ### Instructions - Lire le brief. - Exécuter mentalement la skill "grill me". - Identifier les branches de décision. - Identifier les dépendances entre branches. - Identifier les ambiguïtés, hypothèses implicites et zones à risque. - Préparer une position initiale. - Ne pas produire encore de critique complète. ### Sortie attendue ```markdown ## Round 0 — Cadrage silencieux ### Branches de décision - ... ### Dépendances - ... ### Ambiguïtés - ... ### Questions prioritaires - ... ### Préparation pour Round 1 - ... ``` ## Round 1 — Position initiale ### But Donner une analyse autonome sans tenir compte des autres réponses. ### Instructions - Produire une analyse initiale indépendante. - Ne pas tenir compte des autres réponses. - Être critique mais utile. - Distinguer faits, hypothèses, risques et recommandations. - Prioriser les blocages avant les améliorations mineures. ### Sortie attendue ```markdown ## Round 1 — Position initiale ### Résumé du problème - ... ### Hypothèses implicites - ... ### Points forts - ... ### Points faibles - ... ### Risques critiques - ... ### Questions de clarification - ... ### Recommandations provisoires - ... ### Verdict provisoire - ... ``` ## Round 2 — Lecture croisée ### But Réagir aux réponses des autres LLM. ### Instructions - Lire les positions des autres LLM. - Dire ce qui est conservé, corrigé, rejeté.
From valorisa/Claude-Skills, MIT.
More from valorisa/Claude-Skills
- 0.602score
task-observer
valorisa
Monitors task execution for skill improvement opportunities.
SkillBFreshness: B★ 17Claude Code +9 - 0.598score
anti-hallucination-anti-acquiescence
valorisa
Enforce rigorous factual accuracy, epistemic discipline, source integrity, uncertainty handling, and resistance to uncritical agreement.
SkillBFreshness: B★ 17Claude Code +9 - 0.598score
verification-rigoureuse
valorisa
Produire des réponses factuelles, transparentes et vérifiables en distinguant clairement les faits, les sources, les incertitudes, les hypothèses et les…
SkillBFreshness: B★ 17Claude Code +9 - 0.598score
dual-llm-contradiction-dialog
valorisa
Orchestration d'un dialogue structuré entre deux LLMs (A et B) autour d'un même sujet, avec cadrage d'intention, génération d'angles morts, recherche…
SkillBFreshness: B★ 17Claude Code +9 - 0.598score
task-observer
valorisa
Consigne frictions et apprentissages en cours de tâche.
SkillBFreshness: B★ 17Claude Code +9 - 0.594score
collaborative-technical-peer-review
valorisa
Orchestration d'une revue technique collaborative multi-étapes destinée à transformer une analyse initiale en un artefact technique robuste (documentation…
SkillBFreshness: B★ 17Claude Code +9 - 0.576score
find-skills
valorisa
Helps users discover and install agent skills when they ask questions like "how do I do X", "find a skill for X", "is there a skill that can...", or express…
SkillBFreshness: B★ 17Claude Code +9 - 0.556score
token-optimization
valorisa
Optimize token consumption in Claude Code through cache management, context forking, model selection, and input filtering.
SkillCFreshness: C★ 17Claude Code +9 - 0.556score
fabuleux
valorisa
Discipline de travail haut de gamme à tenir toute la session.
SkillCFreshness: C★ 17Claude Code +9 - 0.551score
business-revenue-strategy
valorisa
Conceives the shortest path to personalized net revenue by analyzing profile, audience, offer, funnel, unit economics, and conversion bottlenecks.
SkillCFreshness: C★ 17Claude Code +9 - 0.551score
rescue-tokens
valorisa
Use when user hits rate limits, quota exceeded errors, context exceeds 40%, or exhibits token waste symptoms (long conversations, wrong model, verbose output…
SkillCFreshness: C★ 17Claude Code +9 - 0.551score
rodin
valorisa
Use when user wants deep intellectual debate on societal topics (politics, economics, philosophy), asks for Socratic discussion, or needs anti-echo-chamber…
SkillCFreshness: C★ 17Claude Code +9
Signals
- Stars
- 17
- Forks
- 4
- Open issues
- 0
- Last commit (this folder)
- Jul 1, 2026 (4 months ago)
From GitHub (fetched Oct 24, 2026).
Details
- License
- MIT
- Repository
- github.com/valorisa/Claude-Skills
- First seen
- Oct 24, 2026
- Last checked
- Oct 24, 2026
- Source
- GitHubgithub-graphql
More from valorisa
- 0.602score
task-observer
valorisa
Monitors task execution for skill improvement opportunities.
SkillBFreshness: B★ 17Claude Code +9 - 0.598score
anti-hallucination-anti-acquiescence
valorisa
Enforce rigorous factual accuracy, epistemic discipline, source integrity, uncertainty handling, and resistance to uncritical agreement.
SkillBFreshness: B★ 17Claude Code +9 - 0.598score
dual-llm-contradiction-dialog
valorisa
Orchestration d'un dialogue structuré entre deux LLMs (A et B) autour d'un même sujet, avec cadrage d'intention, génération d'angles morts, recherche…
SkillBFreshness: B★ 17Claude Code +9 - 0.598score
task-observer
valorisa
Consigne frictions et apprentissages en cours de tâche.
SkillBFreshness: B★ 17Claude Code +9 - 0.598score
verification-rigoureuse
valorisa
Produire des réponses factuelles, transparentes et vérifiables en distinguant clairement les faits, les sources, les incertitudes, les hypothèses et les…
SkillBFreshness: B★ 17Claude Code +9 - 0.594score
collaborative-technical-peer-review
valorisa
Orchestration d'une revue technique collaborative multi-étapes destinée à transformer une analyse initiale en un artefact technique robuste (documentation…
SkillBFreshness: B★ 17Claude Code +9
Done for you
Rather not set it up yourself?
Chalk Labs scopes, builds and runs agents for your team: the task audit, the eval harness, the integrations and the weekly ops report. Fixed scope, priced before we start.
See how we build AI agents →Read the case studies
Chalk Labs is a two-founder AI and growth studio. We build AI agents, CRMs and MVPs for Web3 and AI companies, and have shipped 50+ product and token launches.
- launches shipped
- 50+
- launches shipped
- media placements
- 500+
- media placements
- founders on every account
- 2
- founders on every account
Press we've placed: Forbes · CoinDesk · Decrypt · Cointelegraph · The Block
Rahil Jain, Co-founder, Chalk Labs. Ex-Goldman Sachs engineer. You talk to the person who builds it.
Get multi-llm-debate-grill-me running in your business
Tell us what you want to automate. A founder replies within one working day with a plan, not a pitch deck.
Cite this page
multi-llm-debate-grill-me skill. Agent Mart. https://agentmart.dev/skills/valorisa-multi-llm-debate-grill-me (last updated 2026-10-24)