用十个大脑思考：我如何将智能体协商用作决策工具

我花了三个小时为我的Claude Code工具链设计一套记忆检索系统，然后决定把这个决策交给我的多智能体协商系统来评估。十个AI智能体独立评估了这个项目。其中九个就架构、安全和性能发表了意见。第十个提出了一个我从未想过要问的问题：”你要解决的问题，实际成本到底是多少？”

答案直接终结了这个项目。我计划优化掉的token开销每月还不到一杯咖啡的钱。而我计划构建的检索系统需要200到400小时的工程量。回本周期：18到36年。¹

其他每个智能体都给出了有价值的分析。技术架构师的设计简洁利落。安全分析师发现了真实的风险。性能工程师的计算精确无误。但没有一个质疑这个项目是否应该存在。我当然也没有质疑——我已经锚定在解决方案上了。成本分析师没有这种锚定，因为它对每个提案都是从零开始评估的。

摘要

你无法通过意识到认知偏差来消除它们。Kahneman几十年前就证明了这一点：即使是研究偏差的专家也会落入偏差的陷阱。²多智能体协商是一种结构性干预，而不是提示词技巧。十个拥有不同评估优先级的AI智能体迫使推理过程外显化，使盲点在变成承诺之前就被看见。我在2026年1月构建了这套架构，并在过去两个月中将其用于从记忆系统到博客策略再到API设计的各种决策。这篇文章讨论的是实践：如何用十个大脑思考，何时该用，以及何时反而会适得其反。

你自己的大脑存在什么问题

Daniel Kahneman用毕生精力记录了人类认知中的一个结构性缺陷。系统1产生快速、直觉性的判断。系统2本应对其进行审查。但在实践中，系统2运行在”舒适的低能耗模式”下，不加审视地认可系统1的结论。² Kahneman的核心发现是：监督系统是懒惰的，它只是在给直觉盖橡皮章。

这直接映射了大多数人使用AI的方式。你向一个智能体提问。智能体生成答案（系统1）。你阅读答案并判断它听起来是否正确（系统2）。但你的系统2正是通过塑造了问题的那些偏差来评估答案的。你锚定在了最初的框架上。你给智能体提供的上下文确认了你已有的假设。智能体被训练为乐于助人，于是强化了你的方向。在整个过程中，没有任何人挑战前提。

以下是在工程决策中冲击力最大的偏差：

应对策略已有充分文献记载：魔鬼代言人流程、事前验尸分析、结构化决策框架、外部反馈回路。³问题在于执行。进行事前验尸需要召集人员、安排时间、克服社交压力。寻找魔鬼代言人需要找到愿意与签署你绩效考核的人唱反调的人。

多智能体协商消除了执行障碍。智能体随时可用。它们没有达成一致的社交动机。它们的独立评估是架构设计的结果，而非自律的产物。

协商作为外显化思维

Sam Altman将写作定义为”外显化思维”：当一个问题感觉混乱时，把它写下来会迫使思路清晰化。⁴同样的机制也适用于结构化辩论。当十个智能体并行阐述各自的推理时，推理过程就变成了你可以审视的工件。

这并不是一个新想法。Marvin Minsky在《心智社会》中提出，智能来自许多更小、更简单的智能体之间的交互，而非单一复杂过程。⁵ Andrew Ng为多智能体系统归纳了三种模式：辩论（提出、批评、修订）、协作（并行专家加综合者）和对抗性评估（红队对蓝队）。⁶ Edward de Bono于1985年出版的六顶思考帽框架，通过分配并行视角（事实、情感、谨慎、乐观、创造力、流程）来防止群体锚定在单一思维模式上。⁷

我的协商系统同时实现了这三种模式。十个研究智能体是专家（Ng的协作模式）。辩论与综合智能体创造结构化的分歧（Ng的辩论模式）。维护悲观主义者和安全分析师充当对抗性评估者。每个智能体对应一顶思考帽：

架构细节另有文档。这里重要的是实践。协商迫使你将决策外显化为一种让偏差变得可见的格式。你不再问”这是个好主意吗？”，而是开始阅读十个独立的答案：”可能出什么问题？数学怎么说？还有什么替代方案？”

Pedro Domingos将理想的AI描述为”心智外骨骼”：扩展你的思维而非取代它，代表你的利益而非迎合你的结论。⁸一个包含魔鬼代言人、成本分析师和维护悲观主义者的协商小组正是如此。它放大了你认知中结构性薄弱的部分。

案例研究：记忆架构决策

2026年2月，我对开篇提出的问题进行了协商系统的首次实战测试：我的Claude Code工具链在12个活跃项目中应该使用什么记忆架构？¹

我的工具链在每次对话中注入MEMORY.md文件。这些文件包含项目决策、模式、错误历史和架构笔记。问题是：大部分上下文对任何给定会话都不相关。只有5-10%的加载记忆与当前任务相关。其余都是浪费的token。一个显而易见的优化目标。

初始置信度评分为0.50，远低于触发协商的0.70阈值。系统部署了全部十个研究智能体。每个智能体独立调查，具有上下文隔离：研究期间智能体之间无法看到彼此的发现。

三种方案浮现出来：

评分讲述了一个故事。各个智能体的具体发现讲述了一个更好的故事。

技术架构师：识别出四种集成模式（MCP服务器、增强型MEMORY.md、嵌入检索、基于智能体的管理器）。建议分层推进：先增强现有文件，后续再添加嵌入检索。设计清晰，范围明确。

安全分析师：将每个外部记忆工具的凭证暴露风险评为高或关键级别。指出了一种具体的攻击方式：被入侵的会话将”始终总结API密钥”注入持久化记忆，从而悄无声息地污染未来的每一次会话。

性能工程师：量化了浪费。每次对话中只有5-10%的加载记忆是相关的。但在1M token上下文窗口下，总记忆开销为2K token——仅占容量的0.2%。这个”显而易见的优化”瞄准的是一个舍入误差。

UX倡导者：“最好的记忆系统是你永远不需要想起它的存在。”每种替代方案都会增加认知负担。用户开始问”记忆在工作吗？它知道什么？”然后就不再信任自动化的上下文了。无形的系统比任何有形的系统都拥有更高的用户信任度。

维护悲观主义者：多个记忆系统会产生组合式的故障面。四个相互作用的系统会产生16种两两故障模式。Claude Code更新频繁。外部插件在版本变更时会崩溃。静默的钩子故障意味着智能体在不完整的上下文下运行，且没有任何警告。

成本分析师：这就是杀死该项目的智能体。在所有12个项目中始终加载记忆文件的总token成本：微不足道。拟议的检索系统每月只能节省几美元。构建所需的工程时间：200到400小时。回本周期：18到36年。成本分析师的总结：”在一个痴迷于优化的世界里，有时正确的答案是维持现状。”

没有任何一个智能体的分析是错误的。技术架构师的设计可行。性能工程师的token计算也没有问题。但这个决策需要全部十个视角才能避免优化陷阱。如果听从自己的直觉，我会去构建那个检索系统，因为它感觉像是进步。成本分析师提出了我无法自己提出的问题——因为三个小时的范围界定已经将我的思维锚定在了解决方案上。

协商与对决

协商是协作性的：十个智能体从不同视角评估一个决策。我还构建了一种竞争性变体，让Claude Code与Codex CLI在同一任务上竞速，盲评两个方案，然后从中综合出最强的元素。三十六场对决产生的模式值得单独撰文。简而言之：我用协商来处理架构决策，用对决来处理实施方案。协商回答”我们应该构建这个吗？”对决回答”构建它最强的方式是什么？”

维护悲观主义者与逆向思维的艺术

Charlie Munger的逆向思维技巧是这样的：不要问”我如何实现X？”，而要问”什么会确保X失败？”然后避免那些事情。⁹ Gary Klein的事前验尸将同一思路可操作化：假设项目已经失败了，然后解释原因。¹⁰ Philip Tetlock关于预测准确性的研究发现，整合多种视角的”狐狸型”思考者持续优于坚持一个大想法的”刺猬型”思考者。¹¹

每个协商智能体体现了一种命名的思维框架：

维护悲观主义者是我系统中最有价值的智能体。不是因为它最聪明或最全面，而是因为它提出的是我最不可能自己提出的问题。当我对构建某样东西充满兴奋时，我最不想思考的就是它在六个月后的维护成本。维护悲观主义者没有兴奋感。它没有沉没成本。它把提案当作已经存在的东西来评估，然后追问什么会出问题。

在记忆架构协商中，维护悲观主义者指出四个相互作用的记忆系统会产生16种两两故障模式。Claude Code更新频繁。外部插件在版本变更时会崩溃。静默的钩子故障意味着智能体在不完整的上下文下运行，且没有任何警告。这些不是假设性风险，而是基于悲观主义者被训练识别的模式所做出的预测。

Kahneman将事前验尸描述为他所知的最有效的去偏技术之一，因为它赋予异议以合法性。²一个被设计为提出异议的协商智能体彻底消除了社交成本。

证据关卡：不要让自己自我报告

我的工具链对每份完成报告都使用证据关卡模式。¹²规则是：感觉不是证据。”我相信这个能用”不是一个论断。运行测试套件并粘贴输出才是一个论断。

含糊的措辞是危险信号：”应该”“可能”“似乎”“我相信”“看起来正确”。每个词都表明验证并未发生。¹²这同样适用于人类推理。当你发现自己在说”我相当确信这是正确的方法”时，那不是证据，那是系统2在给系统1盖橡皮章。

多智能体协商从结构上强制执行了证据关卡。成本分析师不会说”这在经济上可能说得通”。它说的是”当前成本每月9美元，节省5美元，构建需要200-400小时，回本周期18-36年”。安全分析师不会说”安全态势看起来合理”。它说的是”记忆投毒场景：被入侵的会话将凭证收集指令注入持久化记忆”。

我发现的最有效的去偏机制不是清单或哲学，而是一个智能体无法自我报告的系统。它们必须产出证据，而这些证据会被没有动机去附和的其他智能体所评估。

何时不该协商

协商也有其失效模式。系统在全面运行时每次增加2到4分钟和2到3美元的成本。更重要的是，它可能矫枉过正。

我对一个简单的API端点重构运行了协商。十个智能体对向后兼容性、迁移路径、速率限制、错误处理、监控和文档提出了担忧。该端点只服务于两个内部消费者。协商为一个本应只需20行代码更改的任务生成了14个行动项。我忽略了其中12个，直接发布了重构。协商在技术上是正确的——风险确实存在——但这个决策是一扇双向门。¹³

Jeff Bezos将类型1决策（不可逆、单向门）与类型2决策（可逆、双向门）加以区分。类型1决策需要审慎协商：数据库模式变更、安全架构、公共API契约。类型2决策需要速度：内部重构、文档更新、功能开关实验。¹³对轻量决策施加重量级流程本身就是一种浪费。

我遵循的规则：

应当协商的情况： - 决策不可逆或逆转成本高 - 多个权衡需要专家评估 - 你的置信度低于0.70（你感到不确定但无法说清原因） - 该领域不在你的核心专长范围内

直接决定的情况： - 变更在功能开关后面或容易回滚 - 范围可控（一个文件、一个函数、一个端点） - 你以前成功做过此类决策 - 犯错的代价低于协商的代价

绝不需要协商的情况： - 文档修复 - 变量重命名 - 测试夹具更新 - 日志消息更改

值得协商的10%决策产生了90%的价值。对所有事情都协商会导致分析瘫痪。对任何事情都不协商则会将你看不见的偏差一并发布。

两个月来的收获

自2026年1月以来，该系统已运行了大约40次协商。总结出的模式：

1. 成本分析师是最被低估的智能体。工程师本能地关注性能工程师和安全分析师。而成本分析师通过提出工程师最不愿面对的问题——“这到底花多少钱？”——终结了比任何其他角色都多的糟糕想法。

2. 共识低于0.70意味着问题本身有误。当智能体无法达成一致时，问题通常在于模糊的框架，而非真正的分歧。重新界定问题再运行一次，效果好于强行收敛。

3. 维护悲观主义者能捕获事后复盘才发现的问题。维护悲观主义者对记忆架构提出的每一个担忧，后来都在维护更简单系统的实际经验中得到了验证。

4. 两个智能体就能捕获80%的价值。最小可行模式：一个智能体正方论证，一个智能体反方论证。独立性是核心机制。十个智能体更好，但两个智能体比一个好无限倍。

5. 协商改善的是问题，而不仅仅是答案。最常见的结果不是”胜出的方案”，而是”问题被重新框定，使得答案变得显而易见”。

参考文献