Mercury Blog
4 min remaining
0%
AI & Machine Learning

ฉันสร้างสภา AI หลายรุ่นใน 1 ชั่วโมง นี่คือเหตุผลว่าทำไมมันจึงเปลี่ยนแปลงทุกสิ่ง

สำรวจแนวคิดการปฏิวัติของสภา AI หลายรูปแบบที่อภิปรายก่อนที่จะให้คำตอบ ปรับปรุงการตัดสินใจและการกำกับดูแลใน AI

4 min read
Progress tracked
4 นาทีอ่าน·
AI Generated Cover for: I Built a Multi-Model AI Council in 1 Hour. Here Is Why It Changes Everything.

AI Generated Cover for: I Built a Multi-Model AI Council in 1 Hour. Here Is Why It Changes Everything.

ฉันเพิ่งสร้างระบบที่บังคับให้โมเดล AI หลายตัวต้องถกเถียงกันก่อนที่จะตอบข้อความแจ้ง ใช้เวลาหนึ่งชั่วโมง มันน่ากลัวไม่น้อย และมันอาจเป็นสิ่งที่สำคัญที่สุดที่ฉันสร้างในปีนี้

ให้ฉันอธิบายว่าทำไม

กับดักรุ่นเดียว: ผิดอย่างมั่นใจ

ที่ปรึกษาด้าน AI และสถาปนิกระบบทุกคนต่างเคยเห็นฝันร้ายนี้มาก่อน มันก็เล่นเหมือนเดิมทุกครั้ง

โมเดล AI แนะนำสถาปัตยกรรมซอฟต์แวร์เฉพาะ ลูกค้าเป็นคนสร้างมันขึ้นมา มันมีข้อบกพร่องขั้นพื้นฐานผลลัพธ์: เขียนใหม่ 50,000 ดอลลาร์

โมเดล AI กล่าวว่า"ใช่ regex นี้ปลอดภัย"ทีมงานนำไปใช้งานจริงผลลัพธ์: การละเมิดความปลอดภัยครั้งใหญ่

โมเดล AI แนะนำแนวทางการปฏิบัติตามข้อกำหนดแบบใหม่ หน่วยงานกำกับดูแลตรวจสอบบริษัทผลลัพธ์: ปรับ 1 ล้านดอลลาร์

รุ่นเดี่ยวไม่ว่าจะล้ำหน้าแค่ไหนก็มีจุดบอดโดยธรรมชาติ พวกเขาไม่รู้ว่าพวกเขาไม่รู้อะไร ที่อันตรายกว่านั้นคือไม่มีทีมสีแดงภายในที่ท้าทายผลงานของพวกเขา

ความเสี่ยงที่ใหญ่ที่สุดในเทคโนโลยีระดับองค์กรในขณะนี้ไม่ใช่ว่า AI จะผิดพลาด ก็คือว่า AI จะผิดพลาดอย่างมั่นใจโดยไม่มีใครตรวจสอบการทำงานของมันอย่างแน่นอน

แนวทางแก้ไข: การพิจารณาฝ่ายตรงข้าม

แทนที่จะพึ่งพาออราเคิลรอบรู้เพียงอันเดียว ฉันสร้างระบบที่รวบรวมคณะกรรมการ—สภาของ LLM ที่แตกต่างกันหลายแห่งถูกบังคับให้อภิปรายปัญหาก่อนที่จะตอบคำถามให้กับผู้ใช้

นี่คือลักษณะของการพิจารณาอย่างแท้จริงภายในระบบ:

รอบที่ 1 (ข้อเสนอ):Kimi K2.7 ขอเสนอ"ใช้เหตุการณ์ที่เซิร์ฟเวอร์ส่งสำหรับคุณลักษณะนี้ ง่ายกว่าและเบากว่า"

รอบ 2 (วิจารณ์):Claude Opus 4.8 โต้แย้ง"คุณพลาดหนี้แบบ dual-protocol แดชบอร์ดส่วนใหญ่กลายเป็นความต้องการคุณสมบัติแบบสองทิศทางอย่างหลีกเลี่ยงไม่ได้ SSE จะทำให้พวกเราคอขวด"

รอบที่ 3 (การโต้แย้ง):Kimi K2.7 ตอบกลับ"จุดที่ถูกต้อง แต่นามธรรมด้านการขนส่งช่วยแก้ปัญหานี้ เราสามารถใช้ SSE ได้ทันทีเพื่อความรวดเร็ว และสลับไปใช้ WebSocket ได้อย่างราบรื่นในภายหลังโดยไม่ต้องเขียนซ้ำจำนวนมาก"

ผลลัพธ์:ไม่มีโมเดลใดชนะในทางเทคนิค สภากลับเสนอทางเลือกที่สามที่เหมาะสมอย่างยิ่งซึ่งทั้งสองโมเดลไม่ได้เริ่มต้นด้วย

นี่ไม่ใช่ระบบการลงคะแนนเสียง ไม่ได้ใช้ค่าเฉลี่ยของสามเอาต์พุต มันคือความขัดแย้งที่มีโครงสร้างและขัดแย้งกันที่บังคับให้เกณฑ์การตัดสินใจที่แท้จริงปรากฏให้เห็น

สภาดำเนินการอย่างไร

ระบบนี้จะเปลี่ยนรูปแบบทางเศรษฐกิจและความปลอดภัยของการใช้งาน AI นี่คือสิ่งที่สถาปัตยกรรมได้รับ:

การกำหนดเส้นทางต้นทุนอัจฉริยะโดยกำหนดเส้นทางการสืบค้นที่เรียบง่ายและเดิมพันต่ำไปยังโมเดลที่มีความสามารถที่ถูกที่สุด ถาม"อากาศเป็นอย่างไรบ้าง?"ราคา 0.0006 ดอลลาร์ ไม่จำเป็นต้องเบิร์นโทเค็นพรีเมียมในเรื่องไม่สำคัญ

การยกระดับอัจฉริยะโดยจะยกระดับการตัดสินใจที่ซับซ้อนและเดิมพันสูงไปสู่ขั้นตอนการอภิปรายหลายรูปแบบโดยอัตโนมัติ การตรวจสอบสถาปัตยกรรมที่เข้มงวดอาจมีค่าใช้จ่าย 0.09 ดอลลาร์ นั่นคือประกันราคาถูกสำหรับการเขียนซ้ำ 50,000 ดอลลาร์

การสลายตัวของงานมันทำลายงานใหญ่โตและคลุมเครือ—เช่น"ออกแบบแพลตฟอร์มฟินเทคระดับโลก"—เป็นขั้นตอนพิเศษห้าถึงเจ็ดขั้นตอนที่จัดการโดยตัวแทนเฉพาะ ไม่มีโช้กรุ่นเดียวในขอบเขต

ความโปร่งใสที่รุนแรงโดยแสดงความเห็นแย้งพร้อมคะแนนความเชื่อมั่น ไม่เคยเก็บความขัดแย้งไว้ใต้พรม หากโมเดลไม่ตรงกัน คุณจะเห็นได้อย่างชัดเจนว่าเหตุใดและเพราะเหตุใด

เส้นทางการตรวจสอบที่ไม่เปลี่ยนรูปโดยจะสร้างประวัติที่สมบูรณ์และติดตามได้ว่าใครพูดอะไร และเหตุใดจึงตัดสินใจ เมื่อหน่วยงานกำกับดูแลถาม คุณจะได้รับใบรับรองผลการเรียน

นักเตะ? ระบบทั้งหมดนี้ทำงานบนที่มีอยู่ดั้งเดิมของ OpenClawไม่ต้องการโครงสร้างพื้นฐานที่เป็นกรรมสิทธิ์ใหม่ เป็นการกำหนดค่าที่บริสุทธิ์และวิศวกรรมพร้อมท์ขั้นสูง

ความเข้าใจที่แท้จริง: การกำกับดูแลเหนือแรงม้า

สิ่งสำคัญที่ได้รับจากการทดลองครั้งนี้ไม่ได้เกี่ยวกับการบรรลุเป้าหมายAI ที่ดีขึ้นมันเป็นเรื่องเกี่ยวกับการกำกับดูแลโดย AI

ลองนึกถึงวิธีที่สังคมมนุษย์จัดการกับการตัดสินใจที่มีเดิมพันสูง:

  • ศาลมีการฟ้องร้องและจำเลย
  • วิทยาศาสตร์จำเป็นต้องมีการทบทวนอย่างเข้มงวดจากผู้ทรงคุณวุฒิ
  • ธุรกิจได้รับคำแนะนำจากคณะกรรมการ
  • การแพทย์อาศัยความคิดเห็นที่สอง

เหตุใดการตัดสินใจที่ได้รับความช่วยเหลือจาก AI บนโลกนี้—การตัดสินใจที่มีผลกระทบต่อชีวิตมนุษย์และความอยู่รอดขององค์กรมากขึ้น—จึงมีความเข้มงวดน้อยกว่าการตัดสินใจของมนุษย์?

วิสัยทัศน์สำหรับอนาคตของการทำงาน

วิสัยทัศน์ของฉันสำหรับ AI สำหรับองค์กรนั้นเข้มงวด:

ไม่มี AI ตัวใดตัวหนึ่งที่ควรทำการตัดสินใจที่ส่งผลกระทบต่อชีวิตมนุษย์โดยปราศจากการพิจารณาอย่างมีโครงสร้าง

การตัดสินใจอัตโนมัติทุกครั้งจะต้องแสดงเหตุผล ระดับความเชื่อมั่น และมุมมองที่ไม่เห็นด้วย

เส้นทางการตรวจสอบไม่สามารถต่อรองได้อย่างเคร่งครัด

ต้นทุนการประมวลผลเป็นข้อจำกัด ไม่ใช่วัตถุประสงค์สูงสุด

รูปแบบสภานี้พกพาได้ มันกำลังเกิดขึ้นเป็นมาตรฐานใหม่ และที่สำคัญที่สุดคือมันเป็นโอเพ่นซอร์ส มันไม่ได้แก้ไขปัญหาประสาทหลอนได้อย่างสมบูรณ์แบบ แต่สามารถแก้ไขปัญหาได้อย่างวัดผล โปร่งใส และราคาถูก

หากคุณต้องการสร้างสะพานเชื่อมระหว่าง AI กับมนุษย์ที่องค์กรของคุณสามารถไว้วางใจได้จริง ให้หยุดถามคำตอบจากโมเดลเดียวเริ่มสร้างสภา.

ระบบทั้งหมดเป็นโอเพ่นซอร์สและพร้อมสำหรับการติดตั้งโดยไม่ต้องพึ่งพาใดๆ เพียงแค่ Python

ลองดูบน GitHub:https://github.com/james-mtsoln/llm-council

อยู่ข้างหน้าของโค้ง

— เจมส์

Frequently Asked Questions

What is the AI Council and how does it work?

A multi-model deliberation system where multiple distinct LLMs debate a question adversarially before presenting a final answer. Models propose, critique, and rebut each other's arguments, surfacing nuanced decision criteria that no single model would generate alone.

Why is relying on a single AI model dangerous?

Because all models have blind spots and can be "confidently wrong"—producing plausible-sounding but fundamentally flawed outputs with no internal mechanism to catch the error. This has led to costly architecture rewrites, security breaches, and compliance fines in enterprise deployments.

What is adversarial deliberation?

A structured debate format where AI models are forced to critique and rebut each other's proposals rather than simply voting or averaging outputs. The friction surfaces hidden assumptions, edge cases, and alternative approaches that a single model would miss.

What is an example of the AI Council in action?

In a real deliberation, Kimi K2.7 proposed Server-Sent Events for a feature. Claude Opus 4.8 critiqued it for creating dual-protocol debt. Kimi rebutted with a transport abstraction strategy. The final answer was a nuanced hybrid approach neither model started with.

How does the council handle cost efficiency?

Through smart cost routing—simple queries go to the cheapest capable model, while complex decisions are escalated to the multi-model debate. This prevents wasting premium tokens on low-stakes questions while ensuring rigorous review for high-stakes ones.

What is intelligent escalation in the AI Council?

An automated decision layer that evaluates query complexity and stakes, then routes it to the appropriate model tier. Weather queries go to cheap models; architecture reviews go to the full council with debate.

What are immutable audit trails?

A complete, trackable record of every model's contribution, every critique, every rebuttal, and the final reasoning path. This creates non-negotiable accountability for AI-assisted decisions in regulated or high-stakes environments.

Why is AI governance more important than model horsepower?

Because even the most powerful single model can be confidently wrong. Governance—deliberation, transparency, audit trails—creates structural safety that raw capability cannot. Courts, medicine, and science all rely on peer review; AI should be no different.

Where can I access the open-source AI Council?

The full system is available on GitHub at https://github.com/james-mtsoln/llm-council, ready to install with zero dependencies.

หัวข้อที่แท็ก

AI ApplicationsDecision MakingAI Privacy & EthicsAI Content CreationTeam ManagementEmerging Tech

ดำเนินเส้นทางของคุณต่อ

คำแนะนำที่คัดสรรตามบทความนี้

ดำเนินต่อเนื่อง

หลักสูตรการวิศวกรรมกราฟดีมาก นี่คือใบเรียกเก็บเงิน

ค้นพบพลังการเปลี่ยนแปลงของการวิศวกรรมกราฟในกระบวนการทำงานของ AI และค่าใช้จ่ายที่ซ่อนอยู่ที่มาพร้อมกับมัน เรียนรู้ว่าทำไมวิธีนี้จึงเป็นสิ่งจำเป็นสำหรับระบบ AI สมัยใหม่

AI Applications
อ่านบทความ
มุมมองทางเลือก

หลักสูตรการวิศวกรรมกราฟดีมาก นี่คือใบเรียกเก็บเงิน

ค้นพบพลังการเปลี่ยนแปลงของการวิศวกรรมกราฟในกระบวนการทำงานของ AI และค่าใช้จ่ายที่ซ่อนอยู่ที่มาพร้อมกับมัน เรียนรู้ว่าทำไมวิธีนี้จึงเป็นสิ่งจำเป็นสำหรับระบบ AI สมัยใหม่

AI Applications
อ่านบทความ

การอ่านที่เกี่ยวข้อง

คำถามคือภูมิประเทศ: จาก SEO สู่การค้นพบ

โพสต์ใน Threads โดย Apoorv Sharma ถามว่าทำไมกลยุทธ์ออร์แกนิกยังคงเป็นสเปรดชีตของคำค้นใน Google เมื่อผู้ซื้อค้นพบคุณผ่าน ChatGPT, Reddit, G2, YouTube และ Slack เขาพูดถูก — และเขายังขาดอีกหนึ่งชั้น สแต็กการค้นพบห้าชั้น, การฝึกอบรมพื้นผิว, และทำไมหน่วยของกลยุทธ์จึงไม่ใช่คำค้นอีกต่อไป แต่เป็นคำถาม

SEO7 นาทีอ่าน
กับดัก 50 ชั่วโมง: AI ทำให้การสร้างเนื้อหามีความเร็วขึ้นและแย่ลง

AI ทำให้การสร้างเนื้อหามีความเร็วขึ้น แต่ก็มีค่าใช้จ่าย สำรวจการลดลงของคุณภาพและความสำคัญของการลงทุนใหม่ในความเชี่ยวชาญและการวิจัย

Content Strategy8 นาทีอ่าน

อ่านต่อ

คัดสรรตามหัวข้อของบทความนี้

เพิ่มเติมโดย James Huang

กำลังฮิตตอนนี้

หลักสูตรการวิศวกรรมกราฟดีมาก นี่คือใบเรียกเก็บเงิน

8 นาทีAI Architecture

กำลังฮิตตอนนี้

คำถามคือภูมิประเทศ: จาก SEO สู่การค้นพบ

7 นาทีSEO
สำรวจบทความทั้งหมด