consensus-interact

核心功能与定位

consensus-interact 是基于 @consensus-tools/consensus-tools 引擎的共识决策工具技能，专为需要高可信度决策的代理系统（agentic systems）设计。它实现了本地优先（local-first）的架构理念，同时可选接入 hosted 网络层，支持在多LLM环境中运行基于策略的决策工作流。

核心用法

该技能提供完整的 CLI 工具链与 Agent 工具集成：

工作流五步闭环：
1. 发布任务（jobs post）— 支持 SUBMISSION（提交模式）或 VOTING（投票模式）
2. 代理提交（submissions create）— 附带置信度自评与结构化产物
3. 投票表决（votes cast）— YES(+1)/NO(-1) 二元投票机制
4. 任务结算（resolve）— 按策略自动或人工裁定胜出者
5. 获取结果（result get）— 可信输出供下游使用

三种核心策略：

• FIRST_SUBMISSION_WINS：速度优先，最早提交获胜
• HIGHEST_CONFIDENCE_SINGLE：置信度最高者胜（依赖自报告）
• APPROVAL_VOTE（推荐）：民主投票制，支持法定人数(quorum)、最低分差(minMargin)、平局打破(tieBreak)等精细控制；结算可选 immediate（全自动）、staked（质押奖惩）或 oracle（可信仲裁人）

双模架构：

• 本地模式：JSON/SQLite 存储，完全离线，适合开发与单机部署
• 全局模式：对接 consensus.tools 托管服务，需配置 accessToken 与显式启用 safety.allowNetworkSideEffects

显著优点

| 维度 | 优势 |

|------|------|

| **架构理念** | 本地优先设计，数据主权归用户，托管层仅为可选网络插件 |

| **决策可信度** | 多LLM交叉验证 + 可审计投票链，降低单一模型幻觉风险 |

| **策略弹性** | 从极速模式到质押治理，覆盖从实验到生产的全场景 |

| **安全默认** | `allowNetworkSideEffects: false`、`requireOptionalToolsOptIn: true`，突变工具默认关闭 |

| **生态兼容** | OpenClaw 插件原生支持，也可独立 npm CLI 使用 |

潜在局限与风险

1. 本地模式并发限制：JSON 后端仅适单机，SQLite 虽改善并发但仍非分布式方案
2. 策略配置复杂度：APPROVAL_VOTE 的参数调优（quorum、margin、settlement）需领域知识，误配可能导致决议僵局或操纵漏洞
3. 质押机制数学风险：staked 结算模式的"错误投票"罚没逻辑若设计不当，可能引发选民冷漠或女巫攻击
4. 全局模式依赖：hosted 服务的可用性与 token 安全成为外部依赖点
5. 工具调用边界：mutating tools 虽可禁用，但平台级工具调用开关若配置失误仍有自主行为风险

适合人群

• 构建多代理协作系统的开发者，需仲裁多个LLM输出的冲突
• 追求可审计、可复现决策的 AI 安全研究者
• 需要渐进式去信任化的团队：从本地人工仲裁（oracle）逐步过渡到自动质押共识
• OpenClaw 生态用户，寻求结构化扩展代理能力的插件

安全建议

• 生产部署前保持 local + oracle 组合，人工审核决议逻辑
• 启用全局模式时，accessToken 应通过密钥管理服务注入，避免硬编码
• 定期审查 ai-self-improvement.md 文档，理解共识机制在自我优化循环中的放大效应

核心用法

consensus-interact 是一款面向智能体系统的多 LLM 共识决策工具，通过 CLI 或 Agent 工具接口实现任务发布、提交物收集、投票表决与结果解析的完整工作流。该技能基于开源的 @consensus-tools/consensus-tools 引擎，采用本地优先（local-first）架构设计，所有核心功能均可离线运行，可选的云端托管模式需用户显式配置。

用户可通过 openclaw consensus 命令（需安装插件）或独立的 consensus-tools CLI 完成以下操作：初始化工作板、发布任务（支持提交模式或投票模式）、创建提交物、投赞成/反对票、解析最终结果。对于 Agent 场景，插件注册了 consensus-tools_post_job、consensus-tools_vote 等可选工具函数，允许模型在获得授权后自主参与共识流程。

该技能内置多种共识策略：追求速度的 FIRST_SUBMISSION_WINS、基于自信度的 HIGHEST_CONFIDENCE_SINGLE，以及推荐的 APPROVAL_VOTE 投票策略——支持设置法定人数（quorum）、最低得分门槛、获胜边距等参数，并提供立即结算、质押惩罚、预言机仲裁三种结算模式。

显著优点

1. 本地优先的安全架构：默认完全离线运行，数据不出本地，无需信任第三方服务器，满足敏感场景的隐私合规要求。

2. 灵活的共识机制：支持从简单先到先得到复杂投票策略的多种决策模式，可配置质押、惩罚等经济对齐机制，激励诚实参与。

3. 渐进式自动化：默认采用保守安全策略（safety.allowNetworkSideEffects: false、safety.requireOptionalToolsOptIn: true），用户可按需逐步放开自主权限，降低意外风险。

4. 存储后端可选：本地模式支持 JSON 文件（开发调试）或 SQLite 数据库（并发场景），适应不同规模需求。

5. 激励对齐设计：通过可选的质押与惩罚机制，将参与者的经济利益与共识结果质量绑定，提升系统整体可信度。

潜在缺点与局限性

1. 生态成熟度有限：作为 2026 年初创建的新项目（GitHub 仅 1 star），社区验证和实战检验不足，长期维护存在不确定性。

2. 外部依赖未审计：Skill 本身为纯文档型，实际功能依赖 @consensus-tools/consensus-tools npm 包，该包的代码未在本次扫描范围内，需用户自行安全评估。

3. 托管模式信任假设：若启用 global 模式，需将任务数据提交至 consensus.tools 服务，涉及第三方信任假设和数据跨境传输考量。

4. 学习曲线陡峭：策略参数（quorum、minMargin、settlement mode 等）需要理解分布式共识和经济博弈概念，非技术用户上手成本较高。

5. 网络功能受限：独立 CLI 当前仅支持托管模式，本地模式需通过生成的 shell 脚本模板操作，体验不够统一。

适合的目标群体

• 多智能体系统开发者：需要协调多个 LLM 或 Agent 实例共同决策的 AI 工程团队
• 去中心化应用研究者：探索链下共识、预言机机制、预测市场等方向的区块链/Web3 开发者
• 高置信度 AI 工作流用户：对单一模型输出不信任，希望通过多模型交叉验证提升结果可靠性的场景
• 隐私敏感型企业：金融、医疗、法律等领域需在本地完成决策而不外泄数据的组织

使用风险

运行时依赖风险：Skill 文档引用的 npm 包可能存在未披露的漏洞、供应链攻击或版本漂移，建议固定版本并启用 lockfile，定期审查安全公告。

配置误用风险：若不慎将 safety.allowNetworkSideEffects 设为 true 却未正确配置访问令牌，可能导致任务发布失败或意外暴露网络凭证。

共识攻击风险：在开放参与的投票场景中，可能存在女巫攻击（Sybil attack）或串通投票，需合理设置质押门槛和身份验证机制。

数据持久化风险：默认 JSON 存储模式不适合高并发写入，生产环境应切换至 SQLite 并做好备份策略。

作者信誉风险：作为个人开发者项目（T3），存在账号被盗、项目弃坑或代码质量波动的可能性，关键业务应建立 fork 维护能力。