让多个 AI 或多个角色讨论，什么时候有价值，什么时候只是增加重复内容？

D019 · D 组织复杂过程 · 分工与工具选择

回答要点

多个 AI 有价值，通常是因为它们完成了不同工作、提出了可比较的候选答案，或发现了单次尝试遗漏的证据。 如果只是轮流复述同一观点，角色数量增加并没有增加信息。

先区分三种做法：一个模型在一段文字里扮演多位专家，主要提供不同视角；多个实例各自回答，可以比较差异；各代理分头查不同资料或执行不同子任务，则能扩大实际工作覆盖。它们需要的资源和协调方式并不一样。

Du 等让多个模型实例先给出答案，再经过多轮交流，在算术、知识问答等测试中改善了部分结果。ICML 论文另一方面，Cemri 等对多代理系统的执行轨迹进行分析，发现问题包括分工设计、代理间信息不一致，以及核验和终止失败。失败分析研究因此，讨论达成共识只是过程结果，事实是否正确仍要查证。

Anthropic 的研究系统工程报告也指出，适合并行探索的研究任务更容易受益，而依赖密集、所有代理都必须共享大量背景的工作协调成本更高。这是其产品实践总结。官方报告

可以这样安排：

让三个代理分别检查资料来源、计算过程和读者可理解性。先各自形成意见，再交由主代理汇总。每项问题写明位置、依据和建议；同一问题合并，保留有证据的分歧。主代理核对关键事实，并交付一份统一修订稿。

如果使用多人独立解题，应尽量先形成各自答案再交流，避免后面的输出只是跟随第一份。若是分工执行，则明确产物和接口，防止同时覆盖同一文件。最后检查新增了哪些有效证据或修正、是否缩短总耗时，以及多花的费用是否值得；无需为了“团队感”保存所有重复发言。