多方辩论模式（Multi-Agent Debate）

给定议题后，多个 Agent 被分配不同角色/立场（如「支持方」「反对方」「中立审查」）。它们轮流陈述、反驳、回应，形成多轮辩论。最后由裁判 Agent 或汇总者综合各方论点，提炼共识与未决分歧。

代表研究如「Large Language Models as Debate Partners」、CAMEL 的对抗设定。

单个模型的自我反思容易「自圆其说」（确认偏误）。引入持有异见的对抗者后，论证必须经受反向挑战，逻辑漏洞更易暴露，结论更稳健。这在风险评估、方案比选、争议分析中价值突出。

辩论轮次越多越 thorough，但 token 成本线性上升，且可能陷入无结论扯皮。需设最大轮次、收敛判据（如裁判认为已充分）与明确的汇总协议，把对抗能量收束为可交付结论。

辩论模式将嵌入通用 Agent 框架成为「质量开关」：对高利害决策自动启用多 Agent 对抗，对常规任务保持单流；并与人类陪审机制结合，形成人机混合裁决。