技能介绍

它解决什么问题

单模型问答有个老毛病：同一个 prompt，换个采样温度、换个模型，答案质量波动很大。写代码时，这个模型能给出能跑的方案，另一个模型可能给出语法正确但逻辑错误的实现；写分析时，某个模型可能直接卡住，输出空内容或跑偏。你很难在调用前判断，这一次拿到的是不是靠谱的那一次。

MoA（Mixture of Agents）的思路是不赌单个模型。把同一个问题并行发给多个参考模型（proposers），收集全部回答后，交给一个聚合模型（aggregator）综合出最终答案。论文给出的结论是：这种「先多方提案、再统一裁决」的方式，比单一模型更准、更稳。

技能如何工作

mixture_of_agents_tool_free.py 把这个流程做成了可以直接运行的脚本：

默认真并行调用 5 个免费参考模型，等待全部结果返回；
聚合模型（默认 deepseek-v4-flash-free）综合参考答案，产出最终 response；
结构化 JSON 输出：success、response、models_used、rounds、successful_references、failed_references、processing_time。失败的参考模型被隔离并计数，不会阻断整轮流程；
支持多层 MoA：-r 2 时，上一层的答案会作为下一层的参考，逐层精炼；
可用 -m 覆盖参考模型列表、-a 覆盖聚合模型，--text 只打印最终答案方便管道串联，也支持 stdin 输入。

聚合模型本身也用免费模型。默认参考列表包括 nemotron-3-ultra-free、north-mini-code-free（编码向）、mimo-v2.5-free（对话向）、big-pickle（通用向）等。部分模型会把正文放在 reasoning_content 字段，脚本已自动兼容 content 为空的情况。

适用边界与注意点

要联网、要有 Key：需要 OpenCode Zen 的 OPENCODE_ZEN_API_KEY，否则无法运行；运行时依赖只有 requests。
Prompt 会离开本机：问题会发往 opencode.ai 第三方服务。密钥、内部代码等敏感内容不要喂给它。
免费模型有波动：实测 qwen3.6-plus-free、minimax-m3-free 会返回 401，已排除在默认列表之外；个别参考模型可能超时或返回空，需要靠 --min-success 兜底。
比单次调用慢：5 个并行参考加 1 次聚合，多层 MoA 还要逐层叠加。对延迟敏感的场景不适合。
它是「多模型综合」层，不是长链推理引擎。对输出有严格可验证要求的任务（能否编译、测试是否通过），仍应回到具体工具链去验证。