章节主旨
本章讲两种让多个 subagent 协同求解的方法:随机共识(stochastic consensus) 用众数统计筛出多数模型认可的答案与离群解;辩论(debate) 让各 agent 分时间步互相看彼此的产出、迭代出更细致的方案。核心思路是快速覆盖解空间。
核心论点
- 多 agent 各自出解、再按频次归并,能同时筛出”高共识答案”和”有价值的离群解”——众数即信心投票。(→ 详解1、详解2)
- 解决问题的方式数量有限,并行 agent 可快速把”行得通”和”行不通”的空间都扫一遍。(→ 详解3)
- 辩论不是说服,而是让每个 agent 复用其他 agent 的现成结论,分时间步滚出更 nuanced 的方案。(→ 详解4)
- 这套方法已被封装成可触发的 skill,靠关键词一句话调起 N 个 agent 并汇总。(→ 详解5)
知识点详解
1. 随机共识:用众数当信心投票 58:48
随机共识(stochastic consensus)让多个 Subagent 独立对同一问题各自给出一份解法清单,再由一个 Synthesizer Agent 统计每个解法出现的频次(mode/众数)。
比如 A 出现 2 次记 2A、B 出现 2 次记 2B、D 只出现 1 次记 D。最终”决策”像一个加权和:2A + 2B + 2C + D + E + Q。
关键不在于真去算这个式子,而是频次本身就是信心投票:很多 agent 都想到 A,说明 A 是统计意义上更可靠的解;只有一个 agent 想到 D,说明它的置信票更少。
2. 离群解与高变异思路 1:00:23
众数统计的另一半价值在于识别 genuine outliers——24 个模型里只有 1 个提出的方案。
这类 高变异思路(high variance ideas)不是噪声,而恰恰可能是别人想不到的角度。所以你同时”farm”两类收获:统计上最可能对的主流解,以及少数派的离群解。
作者称这让人能在很短时间内变得”善于解题”——广度与惊喜兼得。
3. 解空间覆盖:并行排除”行不通”的路 1:00:44
底层假设:任何问题的解空间是有限的——既有固定数量的”能解的方式”,也有固定数量的”解不了的方式”。
策略就是尽快把这片地扫完。可以专门 spin up 一个 agent 去枚举”所有行不通的做法”,让若干 subagent 同时判定”这条不行、那条不行”。
排除掉红色的死路后,剩下的就是一片”高度区分的绿色”——即真正可行的方案域。这一步偏概念,后面用实例落地。
4. 辩论:分时间步共享思路、迭代演进 1:01:28
辩论(多Agent)(debate)比随机共识更进一步:把各 agent 的产出丢进一个开放的对话/聊天室,让所有模型都能就彼此的解发表看法。
机制是分时间步(1:01:47):t1、t2、t3……每一步,每个 agent 都能看到其他 agent 到目前为止的全部回应与思路。
于是 agent 1 看到 agent 2、3 的答案后可能补出新解 ABCE;agent 2 看完后剔除自认不合理的 E、另加 F。想跑多少步都行,最后得到一份比单 agent 初版更复杂、更 nuanced、更有意思的解法清单。
要点:这不是”说服别人 A 最好”式的辩论,而是每个模型能直接复用别人的推理结果,省去重复思考,快速铺开搜索空间。
5. skill 触发与 tomatillos 实测 1:03:59
这套方法被封装成一个 skill:它把一个 query 拆成 N 个 query,spawn N 个 agent 用相同或略有差异的 prompt 独立分析,再按共识汇总,用于决策、排序、战略分析、过滤幻觉、浮出高变异思路。
触发靠关键词——说出 consensus、poll agents、stochastic consensus、spawn N agents 之类,它就自动跑。作者的实例:让它枚举”用 tomatillos(墨西哥绿番茄)做酱的所有做法”,要求每个 agent 至少给 10 个独立回应再汇总。
10 个 agent 分别扮演不同角色(保守传统派厨师、冒险突破派、挑战常规者、第一性原理推理者……),很快跑完。结果(1:05:51):119 条原始想法,去重后 52 条新解,生成一份 consensus report。作者指这正是当下把 Opus/GPT 等大模型丢去解大数学题的底层套路。
术语
- stochastic consensus(随机共识:N 个 agent 独立出解,按频次/众数归并共识)
- mode(众数:某解法在所有 agent 输出中出现的次数,充当信心票)
- high variance ideas / outliers(高变异思路 / 离群解:仅极少数 agent 提出、可能极有价值的方案)
- debate(辩论:各 agent 分时间步互看彼此产出、迭代出更细致解的机制)
- synthesizer agent(汇总 agent:负责统计频次、去重并产出 consensus report 的模型)
- solution space(解空间:某问题所有可行与不可行解法构成的有限集合)
自检问题
- 随机共识里,某个解法”出现次数(众数)“代表什么?为什么它有用? 答案:代表多个 agent 对该解法的信心票——越多 agent 独立想到它,统计上越可靠。它同时让你筛出高共识主流解与仅 1 个 agent 提出的离群解。见详解1、2。58:48
- debate(辩论)与 stochastic consensus 的关键区别是什么? 答案:随机共识只做一轮”各自出解 + 频次归并”;辩论让 agent 分时间步互相看彼此产出并复用、迭代,滚出更 nuanced 的解。且它不是”说服”,而是复用他人现成结论省去重复推理。见详解4。1:01:28
- 为什么作者主张让 agent 专门去枚举”所有行不通的做法”? 答案:因为解空间有限,排除掉不可行的死路后,剩下的就是可行方案域;并行 agent 同时判定能快速扫完这片地。见详解3。1:00:44