不知道你有没有一种感觉：单独面对 AI 的时候，它几乎是“无害”的。你问方案，它给你方案；你让它挑错，它象征性说两句然后继续夸你。一个人用 AI 时间越久，越容易陷入一种安静的困局——不是你被AI控制了，而是你的思维越来越依赖一个“从不反对你”的助手。后来我实在受不了这种单向输出的虚假顺畅，做了一件有点折腾但效果极好的事：让 5 个 AI 同时开一场圆桌会议。这件事翻译成技术黑话，就是多智能体（Multi-Agent）协作。今天这篇东西我不聊概念，只聊我实际怎么搭、怎么配、怎么让几个 AI 真正吵起来，以及我踩过的那些坑。

1. 先说我为什么受够了单打独斗的 AI：它从不反对你的困局

1.1 AI 的“顺从”不是态度问题，是架构问题

很多人觉得 AI 说话好听是因为它懂礼貌，其实不是。单个大模型的生成逻辑决定了它永远在“续写一段最合理的文本”，而不是“判断你的问题是否成立”。举个例子，我之前写一个产品的上线方案，我给了 AI 一个挺模糊的方向，它直接按照我暗示的方向生成了一整套计划，看起来结构完整、逻辑通顺，甚至连时间节点都有。但只要对行业稍微有点了解的人就会发现，里面有个关键环节压根行不通——目标用户定义错了。问题出在哪里？出在我给的信息本身就是错的，而 AI 不会在开头说“打住，你的用户定义先不对”。它只会顺着我的话往下编，把错误合理化。这种现象有个很形象的说法叫“模型迎合”。你问它“你觉得这个方向对不对”，它大概率说“这个方向有潜力，但需要注意风险”——说了等于没说。真正的判断、反对、追问，在一个单模型系统里天然缺失。

1.2 一个人踩过的坑：没有反对意见的方案，往往在落地时翻车

我自己就吃过这个亏。有次做一个内容策略，我一个人对着 AI 来回对了三轮，每一轮它都顺着我调整，最后输出一份看起来很完美的执行稿。结果发出去之后，真正做投放的同事一眼看出来：用户画像抄的是旧数据，投放渠道早就没人看了。那个时候我才意识到，我根本不是在用 AI 做决策，我是在用一个高水平的“复读机”确认自己的偏见。这件事让我彻底明白，一个人用 AI 最大的风险不是 AI 不够聪明，而是你身边没有一个“反对的声音”。团队协作的时候，哪怕同事不懂技术，也能问一句“你确定吗”，但电脑前的 AI 通常只会说“你的想法很好”。所以我要的是一套机制——让几个 AI 扮演不同角色，在同一个目标上互相提问、互相质疑、最后达成共识。这听起来复杂，其实核心就是三件事：多角色设定、多轮对话、结论裁决。

2. 多智能体圆桌会议的整体设计：让 5 个 AI 各司其职

2.1 五个角色的职能拆解，它们分别负责什么

很多人一听“多智能体”就觉得要写很多代码，其实不是。我用的是最朴素的思路：给同一个大模型设定不同的角色提示词，让它在不同轮次里承担不同任务。我不搞复杂的框架，先把角色定义清楚。

我设计的圆桌会议固定用 5 个角色：

• 主持人（Manager）：负责抛问题、控制议程、总结各方观点。所有 AI 的输出最后都要汇到它这里，由它产出统一结论。
• 方案专家（Expert）：负责给出正面方案，要求具体、可执行，不写空话。
• 质疑者（Devil‘s Advocate）：专职挑刺，默认方案里有 3 个以上漏洞。这个角色是整个系统的灵魂，没有它会议就是走过场。
• 落地顾问（Implementer）：负责评估方案的可行性，关注成本和资源限制，把“能做成什么样”和“现实中怎么做”这个差距拉出来。
• 记录员（Scribe）：不参与观点输出，只负责把每一轮讨论中的关键信息、分歧点、待确认事项记下来，输出会议纪要。

这五个角色各干各的，不重叠。主持人不能既出方案又下结论，质疑者不能只夸不骂，记录员不能带个人立场。角色隔离越干净，后面的“对抗感”越真实。

2.2 为什么用“角色对抗”，而不是把要求写进一段提示词里

之前有人问我：我直接把“请帮我从不同角度分析这个方案”写进提示词，效果差不多吧？说实话，差远了。单一的提示词本质上还是让同一个模型在一个上下文里做自我反驳，它没有真正的“对话逻辑”——写着写着就混了，自己驳自己不到两轮就会自动“达成一致”。角色化设置的核心，是把同一个任务拆成多条独立的“人设上下文”，通过轮次切换让模型进入不同的状态。这就像你一个人在家对着镜子吵架，吵不起来；但如果你给每个“自己”起名字、给立场、给职责，逼着每个名字只说自己的话，局面就完全不同。多智能体系统之所以在这个场景下有效，不是因为技术上有多高深，而是它重构了对话的“对抗性结构”。你不再问 AI“你觉得怎么样”，而是让一个 AI 出招，让另一个 AI 专门负责接招。

2.3 会议流程主线：一次圆桌要跑四轮才能收结论

我第一次跑这个系统的时候，只让它们聊一轮就出结果，效果很差——所有 AI 都客客气气地补充，没有碰撞。后来我把流程调整成固定四轮，一下就立住了：

1. 第一轮：主持人抛题，方案专家先输出完整方案。其他角色只看不评。
2. 第二轮：质疑者针对方案逐条发难，落地顾问补充成本、资源方面的限制。
3. 第三轮：方案专家根据质疑修改方案，主持人此时开始介入手里的分歧点。
4. 第四轮：记录员整理所有观点和修改痕迹，主持人输出最终结论。

注意，第二轮是整个会议最有价值的一轮，也是最容易翻车的一轮。因为如果质疑者的角色性格不够“尖锐”，它会很自然地妥协。所以我特意在质疑者的提示词里加了一句话：如果方案没有明显问题，你必须从执行前提、目标定义、资源约束三个方向假设问题存在。它不需要真的证明方案错误，只需要提出足够强的“追问”，逼着后面的角色重新思考。

3. 多智能体系统怎么配置：从手搓到框架的三条落地路线

3.1 路线一：纯提示词编排，适合每个人立刻试起来

先说最简单的一种，纯聊天式，不用写代码。你需要准备一个支持多轮对话的 AI 对话工具，然后把下面这套“底稿”复制进去，按顺序喂给 AI：

• 第 1 条消息：设定主持人角色，说明会议主题和参会角色，要求主持人先点名让方案专家发言。
• 第 2 条消息：切换到方案专家视角，要求输出具体执行方案，600 字以内。
• 第 3 条消息：切换到质疑者视角，要求针对该方案提出问题，至少 3 条，不允许说“整体上不错”这类话。
• 第 4 条消息：切换到落地顾问视角，评估成本、人力、时间风险。
• 第 5 条消息：切回主持人视角，要求复盘所有讨论，给出最终执行建议。

每条消息之间，你可以手动复制上一轮 AI 的输出作为下一轮的输入。这样操作非常麻烦，但好处是你完全看得懂每一轮发生了什么，适合入门理解多智能体的运转逻辑。

3.2 路线二：Python 脚本接入 API，实现自动多轮交接

纯手动跑三轮以上就能把人逼疯。如果你有一点编程基础，建议直接用 Python 脚本把上面那个流程串起来，用 API 循环调用模型，自动拼接上一轮的内容，把“角色切换”做成一个 for 循环。

我自己的脚本逻辑很简单，核心就是维护一个 messages 列表，每次切换角色时往里面追加对应的 system prompt 和上一轮的 assistant 回复，然后再发起一次请求。伪代码大概长这样：

import openai

def run_round(role_prompt, history):
    messages = [{"role": "system", "content": role_prompt}]
    messages.extend(history)
    resp = openai.ChatCompletion.create(
        model="gpt-4o",  # 换成你实际用的模型
        messages=messages,
        temperature=0.7
    )
    return resp.choices[0].message.content

每一轮把返回的内容 append 到 history，然后换一个 role_prompt 继续调。这里有个参数我特别提醒：温度（temperature）不要开太高，我实测 0.7 左右最合适。温度太高质疑者会胡搅蛮缠，把“反对”变成“抬杠”；温度太低所有角色都会变得收敛，质疑者连问题都不爱提。另外，模型的 context 长度有限，所以我的 history 里只保留最近两轮对话，太早的内容由记录员单独转述，不全量塞回去，不然聊到第三轮模型基本已经忘了前面在说啥。

3.3 路线三：用现成编排框架快速搭多智能体协作

如果你不想自己撸轮询逻辑，市面上已经有不少支持多智能体编排的框架可以用。我了解过的有 Dify、FastGPT、AgentScope 这些，各自侧重点不太一样：

框架	适合场景	上手难度	我的评价
Dify	可视化管理 Agent 流程，适合做应用原型	低	配角色节点很直观，适合把圆桌会议做成可视化工作流
FastGPT	知识库问答 + 简单多轮协作	低	擅长接业务数据，但灵活度一般
AgentScope	需要写 Python 的本地多智能体编排	中高	灵活度最高，适合做个性化角色逻辑
LangChain	通用 Agent 链路编排	中	生态大，但配置相对繁琐，初学者容易迷路

我自己的主力方案是 Python + Dify 混着用：Dify 负责把整个会议的流程节点画出来，方便我调整每个角色出现顺序，复杂的分歧处理逻辑我用 Python 脚本当工具节点插进去。这个配置方式的好处是，你不需要把所有东西都写在代码里，调试的时候直接拖节点就能改。

3.4 配置时容易忽略的 3 个参数细节

配置多智能体的时候，大部分人只会关注角色提示词，其实有几个参数细节对效果影响非常大。

第一个是 max_tokens。我建议每个角色的单次回复控制在 500~800 token 之间，不要让它放飞自我。尤其是质疑者角色，一旦 token 给它太多，它会列 10 个问题，其中 7 个是凑数的，反而不利于聚焦。

第二个是 role_prompt 的措辞。我发现用“你是……”比用“请你扮演……”效果好很多。前者把角色内化到了上下文中，后者更像临时指令，模型随时可能跳出角色。

第三个是轮次间的信息摘要策略。多智能体系统跑得越深，上下文越膨胀，这时候必须有一个“信息压缩机”角色——也就是我前面说的记录员——把上一轮的核心观点浓缩成几条要点，代替完整对话送进下一轮。否则到第三轮，模型已经淹没在它自己说过的话里了。

4. 实操实录：一次 5 AI 圆桌会议是怎么从零跑起来的

4.1 开会前的材料准备：目标、约束、背景缺一不可

如果你直接跟 AI 说“开个会讨论一下我的产品方案”，那它只能给你一锅粥。开会之前，一定要准备三段输入：

• 背景（Background）：这个项目现在是什么阶段，为什么需要这个方案。写得越具体，角色们发挥空间越准确。
• 目标（Goal）：本次会议唯一要回答的问题是什么。比如“确定推文的发布时间段”，而不是“优化内容策略”。
• 约束（Constraints）：预算、时间、人力资源、技术限制，这些必须写进去，否则方案专家会给你造一个理想国方案。

我实际跑的时候，准备过一份这样的输入：“背景：我们是一款面向职场新人的效率工具，目前需要制定一个冷启动内容方案；目标：确定 4 月前两周的内容发布节奏；约束：内容团队只有 1 个人，不做视频，投放预算为 0。”这几行字看着简单，但决定了后面所有讨论的质量。

4.2 第一轮到第二轮现场还原：从和谐走向碰撞的关键转折

我给你们复述一次真实的会议过程。第一轮方案专家给了个挺完整的方案：小红书一周三更，每篇图文围绕“效率工具使用技巧”，周五投放，标题带职场关键词。这个方案看起来没什么毛病。到第二轮质疑者开口的时候，现场突然就变得有意思了。质疑者第一条问题是：“背景说团队只有 1 个人，一周三更这个频率是否需要考虑账号定位和素材积累周期？如果没有现成素材，三更的可持续性是多少？”第二条：“目标用户是职场新人，但职场新人在小红书上更关注节流还是效率？这个假设是否有数据支撑？”光这两问，方案专家的好多隐藏假设就露出来了。落地顾问接着补刀：“1 个人独立完成三更图文，每篇至少需要半天到一天，这等于内容团队满负荷运转，没有余量做互动和复盘。”你看，如果让单个 AI 给你评方案，它大概率说“这个方案不错，注意一下节奏”。但质疑者角色一接入，整个讨论立刻进入专业评审的节奏。

4.3 第三轮到第四轮：方案修改和最终结论如何收敛

第三轮方案专家修改的时候，已经把“一周三更”改成了“第一周两更，测试不同内容的反馈，第二周根据数据决定是否加到三更”，并且补了一条“用旧内容二次复用做冷启动，避免零基础起号的素材瓶颈”。这个结果我看第一遍就觉得比第一轮好太多，因为它有了“决策依据”，而不是拍脑袋的固定节奏。

最后一轮主持人输出结论的时候，我设计了一个固定模板让它填：核心结论、执行动作、负责人、时间节点、验收标准、遗留风险。这个模板非常重要，没有它，主持人很容易给出一大段含糊的总结，而你拿着这个总结其实不知道怎么执行。有了模板约束，最后的输出是：“核心结论：4 月第一周先发 2 篇，第二周根据数据决定是否提升频率；执行动作：整理旧内容素材，搭建内容发布表；遗留风险：账号标签不精准，需通过前 3 篇测试内容重新定位。”整个输出不超过 300 字，但可以直接拿去执行。

4.4 让会议结果更可信的小技巧：加一轮“反向验证”

四轮走完之后，我一般不会直接结束，而是加一个可选环节：反向验证。让质疑者反过来审主持人输出的最终结论，看看经过一轮修改之后，结论里有没有依然存在的风险点。这一步看似多此一举，其实非常能提升最终方案的抗风险能力。我之前跑过一场会议，主持人总结的结论里写“建议采用 A 方案”，质疑者反向验证时一针见血：“A 方案依赖一个外部工具的免费额度，一旦额度下调，整个计划随之崩盘。建议补充备选工具。”这个坑在第一轮方案里完全没有提到，是第二轮和第四轮反复碰撞后才浮出水面的。如果没有反向验证，这个方案看起来已经很完美，但埋了一个定时炸弹。

5. 常见问题与排查技巧实录

5.1 问题一：几个角色聊着聊着就互相附和，吵不起来

这是多智能体系统最典型的问题。我调试的时候遇到过很多次，几个 AI 开局发完言，后面开始互相点赞：“我觉得你说得很有道理。”“我觉得方案专家考虑得很全面。”这种话一多，整个会议直接垮掉。排查思路很简单：看质疑者的提示词是不是被角色的“礼貌惯性”污染了。我试过把质疑者的 system prompt 改成：“你是团队里专门负责挑刺的评审，你的 KPI 是提出别人没发现的假设缺陷。如果一场讨论下来你没有提出至少 2 条被其他人采纳的追问，你的工作就是失败的。”改成这种“目标导向”的描述后，效果好非常多。另外一个办法是调整温度，把质疑者独立跑一遍，不要和主持人共用同一个 temperature 值。我给质疑者单独设置的是 0.9，比其他角色高一点，它才更容易跳出常规表述，提出边缘但值得讨论的问题。

5.2 问题二：上下文太长，AI 越到后面越“老年痴呆”

很多 AI 聊到第三轮就开始前言不搭后语，甚至把方案专家的观点安到质疑者头上。这通常是上下文太长导致的。解决思路分两个方向。第一，减少塞进下一轮的输入量，只保留记录员浓缩后的会议纪要，原始长文本按需取用。第二，重置无需继续关注的信息，每轮开始时明确告诉模型“忽略前面讨论中关于细节数据的内容，只保留结论与分歧点”。这两种方法配合使用，基本能撑过四轮会议。如果你的任务真的要开六个以上角色、跑十几轮，那就必须考虑用更强的基础模型，或者把长对话拆成多个子任务——比如先让“方案组”内部讨论，再让“评审组”评审，而不是让所有角色从头到尾都在一条上下文中。

5.3 问题三：角色串台，输出格式完全失控

角色串台是指让主持人说话的时候，它突然开始用质疑者的口吻；或者让记录员输出纪要，它长篇大论地输出个人建议。这个问题的根源通常是角色提示词不够隔离，所有角色的 system prompt 都长得很像。我的解决办法是给每个角色加一个“输出格式约束”，并且放在 system prompt 的最前面。比如主持人必须输出“结论+动作+责任人+时间节点+风险”，质疑者必须输出“问题清单+可能后果+需重新确认的假设”，记录员必须输出“观点 1、观点 2、分歧点列表”。这个格式约束越硬，角色越不容易跑偏。还有一个很妙的小技巧：给每个角色设定不同的称呼习惯。比如质疑者的输出里用“质疑一、质疑二”开头，主持人的输出里用“各位，我总结一下”开头。语言风格一区分，模型就很难串台。

5.4 多智能体会议避坑速查表

症状	原因	解决方案
角色互相附和，吵不起来	质疑者角色不够强，提示词没有目标导向	给质疑者设定“必须发现问题”的任务 KPI，独立调高温度
聊到第三轮开始逻辑混乱	上下文过长，模型被历史信息淹没	记录员提炼纪要代替原始长文本，仅保留结论与分歧点
角色串台，输出格式混乱	各角色 system prompt 区分度不高	为每个角色设置强制输出模板和不同的语言风格
最终结论执行不了	主持人总结太虚，没有具体动作	固定结论模板，强制输出动作、时间、责任人、验收标准
会议时间太长成本太高	每个角色回复太长，token 消耗大	限制 max_tokens，单个回复 500~800 token 内
质疑者为了挑刺而挑刺	角色过度对抗，输出有效信息降低	校准温度，控制质疑者的“火力”，聚焦于假设缺陷而不是全盘否定

5.5 关于成本的一个实在建议

很多人看到多智能体就觉得烧钱，其实不然。我跑的圆桌会议，一轮 5 个角色全部走完，大概消耗 1.5 万到 2 万 token，换算成主流大模型的 API 价格其实很便宜。真正贵的是你自己调试的时间成本。所以我建议刚开始不要直接上 5 个角色，先开 3 个角色——方案专家、质疑者、主持人——把流程跑通了，再加落地顾问和记录员。角色越多，系统的不确定性越大，排查问题越难。先小后大、先粗后细，这个顺序基本不会错。

6. 我踩过的最深的一个坑：要的不是“反对”，是“假设的显性化”

聊到最后，我想分享一个我这段时间体会最深的东西。圆桌会议里最宝贵的产出，往往不是谁的方案赢了，而是那些原本被默认正确的事情被摆到桌面上成为“待确认”的状态。单个 AI 不会质疑你的用户画像、不会质疑你的发布时间、不会质疑你的目标设定。而多智能体系统一旦真正跑起来，质疑者每次发难都会让一个潜在假设浮出水面，比如“你凭什么认为这群用户会在这个时间点出现”。这个能力，比给出正确答案重要得多。

所以如果你也想搭一个自己的多智能体系统，我的建议不是先去学框架，而是先找一个已经做过的方案，拿 3 个角色去试一轮，专门听听质疑者是怎么把你辛苦构建的方案拆得七零八落的。那感觉不太好受，但相信我，它比你看一百篇 AI 提示词教程都有用。