多 Agent
腦力激盪：讓多個 AI 吵架
和人類開會一樣：一個人想到死不如多個人獨立思考再彙總。腦力激盪模式就是把同一個問題扔給多個 Agent，讓它們各自回答，最後由主持人整合共識與分歧。
腦力激盪過程模擬
❓ 「如何提高使用者留存率？」
A
產品視角
B
資料視角
C
使用者視角
Agent A · 產品視角
優化新手引導流程，減少首日流失。增加個性化推薦，讓使用者更快找到價值。
Agent B · 資料視角
分析流失節點資料，第 3 天和第 7 天是關鍵。建議針對這兩個節點設計召回策略。
Agent C · 使用者視角
使用者回饋最多的是「不知道能幹什麼」。功能並不少，核心問題是價值傳遞不到位。
主持人彙總
三個 Agent 獨立思考後，主持人整合出：
共識：核心問題是價值傳遞，使用者沒感受到產品能幫他什麼
共識：新手引導是最高優先順序改進點
⚡ 分歧：用資料驅動（B）還是使用者訪談驅動（C）來確定改進方向
⚡ 分歧：先做個性化推薦（A）還是先簡化核心流程（C）
點選開始，觀察 3 個 Agent 獨立思考的過程
為什麼比一個 Agent 想到底更好
避免思維定式
一個 Agent 會沿著一條線想下去。多個 Agent 從不同角色出發，天然產生不同視角。
發現盲區
Agent A 想不到的東西，Agent B 可能正好擅長。多角度覆蓋讓盲區更少。
⚖️ 分歧即價值
如果三個 Agent 意見一致，說明方向明確。如果有分歧，說明這個問題值得更深入討論。
⚡ 並行高效
三個 Agent 同時思考，總時間 = 最慢那個的時間，不會翻三倍。思考類任務天然可並行。
實踐要點：每個 Agent 必須獨立思考，不能看到其他 Agent 的答案。就像人類腦力激盪的規則：「先各自寫，再一起討論」。如果 Agent B 能看到 A 的答案，它會被帶偏，腦力激盪就失去意義了。
和人類開會一樣：多個獨立思考再彙總，比一個人想到死要好。腦力激盪模式的關鍵是獨立和彙總：每個 Agent 獨立回答，主持人負責提煉共識、標註分歧。