核心用法
多模型决策委员会是OpenClaw平台的数字智库插件，专为复杂决策设计。用户通过关键词「多模型决策」或「多模型委员会」激活系统后，需配置：决策成员（2-6个异构模型）、决策轮次（默认3轮，可设2-6轮）、通过阈值（默认≥90%）及判定方式（全票/均分/多数通过）。
系统执行3轮决策机制：第0轮准备框架并确认决策点权重；第1轮各模型独立背对背评审，按单方案、二选一或决策点拆分三种模式评分；第2轮仅针对未通过决策点进行分歧讨论；最后一轮对仍未通过项进行最终辩论。每轮限时120秒，超时标记处理。评审采用身份纯净原则——严禁设定角色标签、诱导性提示，委员工具隔离，确保客观。
决策完成后输出6段式共识报告：投票记录（量化评分矩阵）、汇总说明（各委员核心论点）、执行方案（结论版+说明版）、决策点通过清单（✅绿色通过/🟡黄色待确认/🔴红色分歧）、结论摘要（一句话裁定+置信度）、风险提示。
显著优点
1. 偏见消除机制：多模型独立评审+背对背设计，有效避免单一AI的认知盲区与幻觉
2. 量化决策支撑：6维度评分+加权矩阵，结论可追溯、可审计
3. 对抗性质量提升：模型互评机制快速锁定逻辑漏洞
4. 灵活适配：委员数量、轮次、阈值、判定方式均可配置，兼顾严谨型（≥95%全票）与效率型（≥75%多数）场景
5. 透明可信：实名委员制、模型身份可视化、每轮状态实时通知用户
潜在缺点与局限性
1. 成本与延迟：多模型并发调用产生较高token消耗，完整3轮决策需等待多次子Agent回流，实时性不足
2. 模型依赖风险：若本地接入模型同质化严重（如均为GPT架构），去中心化效果打折
3. 复杂配置门槛：决策点拆分、权重设置、阈值调参需用户具备一定业务抽象能力
4. 超时脆弱性：120秒/轮限制下，复杂方案可能因模型响应慢导致评委缺失，影响结论可靠性
5. 无强制约束力：输出为「参考报告」而非「执行指令」，最终决策权仍在用户
适合人群
- 企业架构师、技术负责人：评估技术方案选型、系统架构设计
- 投资/风控决策者：项目尽职调查、风险评估、二选一方案裁决
- 产品经理与运营负责人：功能上线决策、资源投入优先级判定
- 需要客观第三方视角的争议场景：内部方案评审存在部门利益冲突时
常规风险
1. 模型幻觉传导：若多个模型共享训练数据偏见，可能产生「共识幻觉」
2. 阈值设定陷阱：过度追求高全票通过阈值（如≥95%）可能导致决策 paralysis
3. 决策点拆分主观性：组织者（当前模型）对方案的拆解方式直接影响评审结果，存在隐性引导风险
4. 超时结果偏倚：某类模型响应速度系统性更快，超时样本可能丢失特定视角
5. 安全边界：子Agent虽工具隔离，但组织者本身可读取/写入限定路径，需警惕prompt注入导致的路径遍历尝试