---
title: '12 Model-Chat 新玩法'
video_id: UPtmKh1vMN8
part: 12
---

> 章节 12 / 29 · [[00-总览|课程总览]] · 起始 [1:07:32](https://youtu.be/UPtmKh1vMN8?t=4052)


## 章节主旨

演示一个把「多 agent 互相辩论再综合」自动化的脚本:从用户一句话里解析出议题、模式、agent 数、轮数,让各 agent 轮流读别人的回复、公开分歧,最后汇成一份结论。

## 核心论点

1. **多 agent 共识不必手工编排,可脚本化为一条可复用管道**——参数从用户消息里抽,过程与综合都自动跑。([[#1-从一句话解析参数并驱动辩论脚本-10747|→ 详解1]])
2. **让 agent 互看回复并设一个专职 contrarian,产出比单模型直答更经得起推敲的结论**。([[#2-contrarian-角色--轮次讨论收敛为综合结论-10805|→ 详解2]])

## 知识点详解

### 1. 从一句话解析参数并驱动辩论脚本 [1:07:47](https://youtu.be/UPtmKh1vMN8?t=4067)

这个玩法的入口是把用户消息拆成四个参数:议题 / 问题、模式(mode)、agent 数量、讨论轮数。

拆完后交给一个预置脚本执行。脚本自动化的核心动作是:每个 agent 在最终 synthesis 之前,先去看其他每个 agent 的回复,再据此调整自己的判断。

这样做的意义是把 多 Agent 共识 从「人工逐个开对话、手动转述」变成一条可重复调用的 Pipeline,换个议题只改参数即可。

### 2. Contrarian 角色 + 轮次讨论收敛为综合结论 [1:08:05](https://youtu.be/UPtmKh1vMN8?t=4085)

演示里其中一个 agent 是 Contrarian Agent(专职唱反调):它先抛出 15 个想法,再立即挑战其中该被质疑的部分,并把各 agent 的分歧一条条摆出来。

这些 agent 会持续地互相讨论,过程可被人旁观监控,最后由一个 synthesis 步骤把讨论收成一份答案。Nick 用一个做莎莎酱选料的例子跑通了它——例子本身无关紧要,重点是同一套流程可套到任意需要权衡取舍的问题上,比如设计某种编程方案或选技术框架。

要点在于:结论不是某个模型一口气给的,而是经过互评与反驳后收敛出来的,因此更稳。

## 术语

- Model-Chat:让多个模型/agent 就同一议题多轮互评、最后综合的玩法。
- synthesis:辩论收尾阶段,把各 agent 观点与分歧归并成一份结论。
- contrarian:被指派专门唱反调、挑战其他 agent 观点的 agent 角色。

## 自检问题

1. 这个脚本从用户消息里解析出哪四个参数?
   **答案**:议题/问题、mode(模式)、agent 数量、讨论轮数。见详解1 [1:07:47](https://youtu.be/UPtmKh1vMN8?t=4067)
2. 各 agent 在做最终 synthesis 之前必须先做什么,为什么这比单模型直答更可靠?
   **答案**:先读其他每个 agent 的回复再调整判断,并有 contrarian 主动挑战、公开分歧;结论是互评反驳后收敛出来的,而非单模型一口气生成。见详解2 [1:08:26](https://youtu.be/UPtmKh1vMN8?t=4106)