核心用法
多模型决策委员会（Multi-Model Consensus）是面向 OpenClaw 平台的去中心化决策基础设施，采用「数字智库」模式运行：
标准决策流程：
1. 第0轮·准备 — 组织者拆解决策点为加权维度，配置委员模型组合（建议含强逻辑+强中文模型各1个）
2. 第1轮·独立评估 — 3-6个模型背对背盲审，按单方案/二选一/决策点拆分三种模式评分（0-100分制）
3. 第2轮·分歧讨论 — 仅针对未通过决策点（<阈值）下发所有委员重新评审
4. 第3轮·最终辩论 — 对仍存分歧的决策点进行末轮裁决
关键配置参数：
- 轮数：2-6轮（日常事务2轮，架构/资金决策3-5轮）
- 阈值：严谨型≥95%全票通过，效率型≥75%多数通过
- 判定方式：全票通过（默认）/均分通过/多数票通过
输出成果：6段式共识报告 —— 投票记录、汇总说明、执行方案、决策点通过清单、结论摘要、风险提示。
---
显著优点
1. 偏见消除机制
「身份纯净原则」强制要求委员仅标注模型名称，严禁设定角色标签或诱导性提示，从根本上阻断单一模型的认知盲区与立场预设。
2. 量化可追溯
决策点级评分矩阵+加权计算，每轮结果可视化呈现，支持历史回溯与责任认定。
3. 弹性适配
- 复杂度适配：单方案/二选一/多决策点拆分三种评审模式
- 环境适配：自动识别 Webchat/Feishu/Discord 通道，切换 subagent/acp 运行时
- 规模适配：2-6个委员动态扩容
4. 对抗性质量保障
模型间互评机制迫使逻辑漏洞在分歧讨论轮次暴露，优于单模型自我检查。
---
潜在缺点与局限性
1. 时间与算力成本
每轮120秒×3轮×多模型并发，复杂决策可能消耗10分钟以上等待时间，高频场景适用性受限。
2. 结果不确定性
「全票通过」制可能因单个模型的极端评分导致决策僵局，需人工介入调整阈值或判定方式。
3. 技术依赖风险
- 子Agent结果回流依赖
subagent_announce事件机制，环境配置错误（如未使用sessions_yield）将导致流程中断 - 超时评委（120秒未返回）直接标记为「未提交」，可能降低决策代表性
4. 解释成本
6段式报告结构复杂，普通用户需学习成本理解「待决策」「有分歧」等状态标注含义。
---
适合人群
| 用户类型 | 典型场景 |
|:---|:---|
| 技术架构师 | 系统架构选型、技术债务评估、重构方案评审 |
| 产品经理 | 功能优先级排序、AB测试方案裁决、需求可行性论证 |
| 投资/风控决策者 | 项目尽调、风险评估、多维度打分决策 |
| 内容/策略审核 | 敏感内容多维度研判、政策合规性交叉验证 |
| 科研/学术用户 | 实验方案评审、论文方法学质疑、多专家意见合成 |
不适合：追求秒级响应的实时场景、预算敏感的轻量决策、已存在明确唯一正确答案的简单判断。
---
常规风险
1. 流程合规风险
- 严禁子Agent二次委托（评委不得 spawn 子Agent），违规将导致决策链不可控
- 组织者若同时为委员，必须遵守「评审不重复原则」，禁止自评叠加
2. 数据安全边界
Read工具受限：仅能访问 skill 目录与~/.openclaw/workspace/tmp_mmc_*.md，禁止触碰用户主目录隐藏文件Write工具受限：仅允许写入 workspace/memory、临时文件及 Desktop 最终报告
3. 共识幻觉风险
多模型一致意见未必等同于正确结论，可能存在系统性偏见（如训练数据同源导致的群体性误判），最终决策仍需人类负责人背书。
4. 配置误用风险
- 「改阈值」指令若设定过低（如<50%），将丧失决策筛选意义
- 委员模型选择同质化（如全选 GPT 系列）削弱「去中心化」价值
---
> 版本提示：当前文档基于 v1.6.5，V1.6.0 起已废弃状态文件机制，改用会话上下文跟踪，旧版集成代码需同步更新。