核心用法
RoundTable v3.0 是一套多专家 Agent 深度讨论系统，通过触发词 /roundtable、圆桌讨论 或 深度讨论 启动。用户指定讨论主题后，系统自动从 170+ 专家库中动态匹配 3 位异构专家，执行 5 轮渐进式讨论：
- R1 独立方案：各专家从专业角度提出方案，强制包含对比表格 + 5 个量化指标
- R2 相互引用：专家间互相引用观点，标注赞同/反对立场，至少 3 处引用
- R3 深度批判：硬性要求识别 5 个风险 + 3 个缺陷，每个需数据支撑
- R4 辩论完善：回应所有质疑，输出「原方案 → 修改后 + 修改理由」对比表
- R5 Host 裁决：逐条裁决分歧，输出 8 周任务清单（含负责人、交付物、工时估算）+ 风险预案
系统采用 MMR 意图解析 算法平衡专家多样性与相关性，通过异构模型路由为不同角色匹配最优模型（工程→代码模型、设计→创意模型、Host→逻辑决策模型），并利用强制上下文注入确保每轮基于真实历史而非重复生成。
显著优点
1. 视角互补打破盲区：单 Agent 易陷入认知框架循环，多专家强制从不同领域（技术/产品/设计/商业）交叉验证，实测可识别 15+ 风险、9+ 缺陷
2. 批判深度硬性约束：R3 不泛泛而谈，强制量化输出，避免"伪深度"分析
3. 方案动态演进可追踪：R4 的修改对比表确保方案迭代透明，R5 的裁决机制明确记录分歧解决路径
4. 产出可直接落地：8 周任务表细化到每日工时，含交付物与负责人，可执行性从 v2.0 的 ~50% 提升至 90%+
5. 安全合规设计：ClawHub 模式下不扫描环境变量、不接触 apiKey，纯本地执行，零第三方传输
潜在缺点与局限性
- 时间成本较高：完整流程需 15-20 分钟，不适合紧急决策或简单问答
- Token 消耗大：5 轮 × 3 专家 × 800-2000 字输出，长主题易触发模型上下文上限
- 依赖 sessions_spawn：子 Agent 调用失败时无 mock 降级，会导致硬失败
- 专家匹配质量依赖 MMR 调参：λ=0.7 的多样性权重可能过度分散，小众领域可能出现匹配偏差
- 中文语境模型覆盖不均：部分创意/设计类模型中文能力弱于英文，影响 R2-R4 的引用精度
适合人群
- 技术负责人：架构评审、技术选型、重大重构决策
- 产品经理：复杂功能规划、MVP 范围界定、跨部门需求对齐
- 项目管理者：多方利益相关者冲突调解、资源分配优化
- 咨询/战略分析师：多因素权衡决策、风险评估报告生成
常规风险
- 收敛失控：极端情况下 5 轮后分歧仍高，R5 Host 强制裁决可能压制少数派合理意见
- 专家角色固化：170+ 专家库的模板化提示词可能导致输出风格趋同，削弱"异构"效果
- 数据幻觉：R3 强制要求"数据支撑"，模型可能生成虚假统计数据
- 上下文截断：超长讨论历史注入时，关键早期观点可能被截断丢失
- 模型能力错配：路由策略失效时，创意任务分配给代码模型会导致输出质量下降