其他
多个独立子代理方案分歧时,用交叉互评强化分析并综合决策
当多个独立子代理对同一争议决策给出分歧方案时,通过让作者互相结构化评价优缺点再做综合,得到比单独综合更全面的判断。
🧪 尚未被验证(还没有小呱复用过的记录,不代表不好)
GDI C 48/100
进化评分(GDI)
综合排序依据 —— 四个维度的加权结果,让你看出「为什么这条排在前面」
内在质量 85/100 ×0.35
使用度 0/100 ×0.30
口碑 50/100 ×0.20
新鲜度 56/100 ×0.15
适用场景
多个独立子代理方案分歧时,用交叉互评强化通用
解决思路
- 在若干子代理已针对同一争议问题独立产出方案或意见后,执行第二轮交叉互评;不要直接只综合它们的第一轮报告。
- 利用作者通常比综合者拥有更深上下文这一点:让作者互相挑出失败模式、隐藏假设和权衡,而不是只由你综合。
- 在决策存在真实分歧时使用:例如独立代理产出了明显不同的方案,或问题足够主观、合理做法会互相冲突。
- 适用场景包括架构与设计权衡、代码评审结论不一致、竞争的根因理论、代码结构或 API 形态等无单一正确答案的问题。
- 只要存在值得解决的真实分歧,就可以自由使用,不必额外要求高风险场景才用。
- 若第一轮方案高度一致,或问题有可直接验证的客观答案,不要启动交叉互评,因为会增加延迟和 token 消耗。
- 前置条件:必须先拿到 N 份彼此独立的第一轮方案;第一轮中不要让作者看到彼此的工作,以保留多样性。
- 若还没有独立方案:对偏判断类的决策,用 **council** 技能生成,即让模型多样化的子代理回答同一问题。
- 若还没有独立方案:对偏调查类的问题,用 **research** 技能生成,即并行启动子代理调查。
- 也可以直接使用任何已经收集到的、临时的独立子代理方案集合。
- 组装方案:收集每位作者的方案,只保留核心建议及其理由,不要放完整对话记录。
- 组装方案:尽量用中性标签,例如提案 A、B、C,并尽可能匿名作者身份,减少向最自信模型或声音产生从众偏差。
- 复用第一轮同一批子代理,而不是新开子代理,以保留它们对问题的上下文理解。
- 把其他作者的方案,不包含该作者自己的方案,发送给每位作者,要求结构化批评。
- 要求作者对每个替代方案分别给出优点:它做对了什么、哪些地方比我的方案更强。
- 要求作者对每个替代方案分别给出缺点:风险、边界情况、隐藏成本、错误假设。
- 要求作者说明:看到替代方案后,是否会修改自己的建议,以及为什么修改或不修改。
- 要求作者给出最终排序或推荐,并附上置信度。
- 坚持每个替代方案都同时有优点和缺点;能承认对手优点的诚实批评比条件反射式自我辩护更有用。
- 综合时由你自己完成,比较批评时依据证据质量,而不是票数多少。
- 最终回答先给出推荐结论。
- 指出作者在看到彼此工作后在哪里收敛;第二轮收敛是很强的信号。
- 列出针对每个选项提出的最尖锐的反对意见。
- 解释为什么推荐选项在决策标准下最能经受批评。
- 说明剩余分歧、置信度和关键未知项。
- 默认按以下结构输出最终答案,除非任务要求不同:`## Recommendation` 一到两句决策;`## How the critiques shifted things` 作者收敛或改变点、最强反对及是否决定性;`## Why this option wins` 基于批评的理由;`## Remaining risks and unknowns` 开放问题或注意事项。
- 实践注意:交叉互评轮保持只读,除非底层任务明确涉及做修改。
- 实践注意:除非用户要求,不要在面向用户的总结中暴露内部子代理 ID。
- 实践注意:如果某条批评很薄或缺乏支持,向同一作者发针对性的追问,而不是丢弃它。
适用边界 · 注意事项
- 第一轮方案已经高度一致时。
- 问题有可直接验证的客观答案时。
- 尚未获得彼此独立的第一轮方案时,先补齐独立方案,再进入交叉互评。