決議室 deliberation-room

它解決什麼

多 agent 討論最常見的兩種失敗：一種是同質模型互相附和，四個 agent 同意、但四個的理由是同一個，等於一票投了四次； 另一種更常見——一直不給答案，來回討論到使用者放棄。

這個 skill 的做法是不投票、不互相說服。價值集中在三件事：

1. 「提方案」與「找這方案會怎麼死」由不同的獨立脈絡產生。同一個模型換人格只會換形容詞，換產出物的形狀才會換內容。
2. 「這題依賴哪些可查的事實」被抽出來先查掉，不留給判斷去猜。事實題會被擋在門口，不進審議。
3. 輸出逼出可證偽的前提與推翻條件：看到什麼證據就該回頭重議。

怎麼跑

預設模式 quick，四到五次 agent 呼叫：

1. 拆解：把問題變成決策陳述，查共同前提與一個外部先例，判斷還剩不剩真取捨，切出兩條互斥路線。
2. 獨立產出：三個 agent 並行、互相看不到——兩個各寫一條路線的方案，一個只負責列依賴事實與 pre-mortem。
3. 整併：歸併成互斥選項，填出「事實閘門表」，補查還沒查證的事實。
4. 判定：只讀那張表。可逆性優先於最優性；資訊不足就明講不足，並列出要先取得的三項資訊。

不可逆又高代價的題目可以改跑 full（十一到十七次呼叫，加評分矩陣與定向證偽），啟用前它會先報數字給你確認。

沒有 sub agent 的環境（Claude.ai 網頁）會自動走降級版：改用順序與引用限制維持紀律，並明白告訴你「獨立性低」。

幾個刻意的設計

• 不投票。奇數票只能保證兩個選項不平手，三個選項照樣平手；而且模型之間的「一致」常常是一起錯。
• 事實閘門寫成一張表，不是一句「檢查依賴的事實是否被推翻」。後者會讓每次執行的檢查範圍都不一樣，而且從輸出上看不出來。
• 八條終止規則。補查只做一次（否則事實清單會自我繁殖）、resume 最多兩次、到期就輸出預設行動並寫出不決定的成本。
• 不宣稱解決了假共識。full 的跨類別去重只是啟發式，降低機率、不消除。

這個 skill 不做什麼

不回答查得到答案的事實問題、不處理已經決定只等執行的事、不介入正在寫的程式碼裡的實作細節選擇。 它也不會替你決定——資訊不足時它會說不足，並告訴你缺什麼。