核心定位
多模型决策委员会是面向复杂决策场景的"数字智库"，通过调用多个不同架构大模型（GPT/Gemini/豆包等）进行协同评审、对抗辩论与共识合成，解决单一AI的认知盲区与偏见问题。
核心用法
触发机制：用户输入包含「多模型决策」或「多模型委员会」时自动激活。
标准流程：
1. 第0轮：组织者梳理项目背景、需求、待审方案，拆解决策点与权重，确认配置
2. 第1轮（独立评估）：3-6个模型背对背评审，0-100分制评分，提取未通过决策点
3. 第2轮（分歧讨论）：仅针对未通过决策点进行多轮辩论与重新评分
4. 最终辩论：最后一轮对仍未通过的决策点进行终审
输出产物：6段式共识报告——投票矩阵、论点汇总、执行方案、通过清单、结论摘要、风险提示。
显著优点
- 去中心化交叉验证：多模型独立评审，逻辑漏洞无处遁形
- 身份纯净原则：严禁设定角色标签或诱导性提示，确保客观性
- 弹性配置：委员数量（2-6）、轮次（2-6轮）、阈值（72%-95%）、判定方式（全票/均分/多数）均可调
- 量化透明：实名委员制 + 加权评分矩阵，结论可追溯
- 多环境适配：支持 Webchat/Feishu/Discord/Telegram，自动匹配结果回收机制
潜在局限
- 成本与延迟：多模型并行调用增加token消耗，每轮限时120秒，复杂场景可能超时
- 共识困境：若模型间存在系统性认知差异，可能无法收敛至全票通过
- 配置门槛：需用户理解决策点拆分、权重分配、阈值设定等概念
- 工具隔离限制：评委子Agent无法调用任何外部工具，纯文本评审
适合人群
- 高风险决策场景：架构设计、资金分配、核心规则制定
- 需要多方背书的方案：投资评审、产品立项、政策制定
- 消除个人偏见需求：当单一AI结论可信度存疑时
- 多方案比选：支持A/B方案二选一评审模式
常规风险
- 超时风险：120秒/轮限制可能导致部分评委未返回，需标记为"超时-未提交"
- 规则执行偏差：组织者若跳过
sessions_yield挂起、跳轮宣布、主动轮询等，将导致流程失效 - 环境误判：错误识别Runtime/Mode可能导致结果无法回流
- 框架绕过：组织者私自操作（如直接查history）会破坏机制完整性
安全设计
- 严格路径白名单：Read/Write工具仅限skill目录、临时文件、memory归档及Desktop输出
- 禁止读取用户敏感目录（.ssh/.env/.aws等）
- 子Agent工具完全隔离，无法执行外部操作
安全等级：S | 来源可信度：T1