对抗式多智能体编排

单智能体决策的系统性盲区

在复杂决策中，单个 Agent 即使能力再强，也容易陷入三种系统性弱点：乐观偏差（盲目相信自己的方案）、盲区（忽略潜在选项与风险）以及数字轻信（将检索到的漂亮数据直接当作事实）。试图让 Agent“自我检查”往往徒劳无功，因为它会本能地为自己的结论辩护。对抗式多智能体编排通过结构化对抗打破这一僵局：在信息隔离的环境下，让不同角色的 Agent 互相制衡，从而暴露并修正单一视角的局限性。

五阶段信息隔离工作流

该技能将决策过程拆解为严谨的五阶段流水线，主 Agent 仅负责编排与整合，不下场辩论：

• Phase 0 & 1：规划与独立探索：先输出编排规划供审阅。随后将大问题拆解，并行派出探索子 Agent。核心在于绝对独立，各子 Agent 不共享中间状态，确保产出是多角度的真实视角。
• Phase 2 & 3：方案生成与红队攻击：主 Agent 综合产出有明确主张的方案 v1。接着，红队子 Agent 在信息隔离下发起攻击——仅获取 v1 结论与客观事实，绝不接触主 Agent 的推理链。红队需联网核查关键数字，输出包含风险等级与替代方案的结构化分歧清单，且只提建议，不改文件。
• Phase 4 & 5：独立裁判与定稿整合：最强模型化身的裁判子 Agent 对探索派与对抗派的分歧逐条裁定，对数据可信度进行分级，产出裁定表。主 Agent 最终根据裁定结果修订出 v2，并附带 v1 到 v2 的修正对照表。

适用边界与关键反模式

这套机制的代价不低，会派生 5 个以上的子会话，因此不适用于简单事实查询、单文件改动或时间紧迫的纯执行任务。在使用时，必须规避几个毁灭性的反模式：

• 红队若知晓主 Agent 的推理链，将失去独立性，退化为附和；
• 裁判若被“谁看起来更严谨”带节奏，便丧失了仲裁的客观性；
• 探索子 Agent 之间若共享状态，产出将沦为回声；
• 忘记给子 Agent 添加禁止再派子会话的约束，极易导致任务空转。