🏛️ 多模型决策委员会

专为 OpenClaw 设计的"数字智库"，通过多模型独立评审与共识合成，消除单模型偏见，为复杂决策提供客观参考。

🎯 插件定位

多模型决策委员会 是专为 OpenClaw 设计的"数字智库"。它支持调动多个不同架构的大模型（如 GPT、Gemini、豆包等）同时对同一任务进行协同思考、对抗辩论与共识合成，有效消除单模型偏见，综合性给出最优建议。

核心优势

• 去中心化决策：交叉验证不同模型逻辑，确保方案的严谨性。
• 对抗性评审：通过模型间的互评，快速锁定潜在的逻辑漏洞。
• 弹性扩容：根据任务难度，随时增加或减少"决策委员"的数量。
• 消除偏见：多模型独立评审，避免单一AI的认知盲区。
• 量化决策：6维度评分 + 加权矩阵，结论有据可查。
• 透明可信：实名委员制、模型身份透明。
• 灵活配置：参数可调，如决策成员人数、决策轮次、通过阈值等，均可可自定义。

核心治理原则：身份纯净

为了确保结果的绝对客观，本插件强制执行 "身份纯净原则"：

• 角色透明化：决策委员会成员均会注明其身份（大模型名称），保持可视化透明。
• 严禁设定角色：禁止给委员设定诸如"架构师"、"审计员"等身份标签。
• 严禁引导提示：任务下发时不得针对评审委员设置诱导性提示词或诱导性身份角色，防止产生的偏见。
• 严禁子Agent委托：评委严禁spawn任何子Agent，只能独立思考和输出结论；禁止二次委托，所有子任务由组织者统一分发和回收，确保链路完全可控
• 评审不重复原则：若组织者（即当前使用模型）是评审委员会成员，则组织者提交内容即视同为其在本轮的评审结果，无需重复自评。若组织者不是评审委员会成员，则仅负责组织实施和汇总评委意见，不参与评审。

使用方法

• 启动：在OpenClaw中，当用户输入的内容包含「多模型决策」或「多模型委员会」时，自动激活多模型决策委员会。首次使用时会提醒用户进入配置模式，并选择模型组合。
• 配置：根据需要，可配置参数，如：轮数、阈值、委员数量、委员模型等。

参数配置

配置参数可采用指令方式，如："修改配置"、"调整参数"、"增加委员"、"确认配置"。

参数建议

• 模型选择：建议至少包含 1 个具备强逻辑推理能力的模型和 1 个具备强中文语境理解能力的模型。
• 轮次建议：日常事务建议 2 轮；涉及架构，资金、核心规则的决策，建议 3-5 轮。
• 阈值设定：
  • 严谨型：≥95%（全票通过）
  • 效率型：≥75%（多数通过）

决策流程（3轮决策机制）

多模型决策委员会采用 3 轮决策机制，基于决策点级别评审，每轮进行100分制评分，最终给出决策结果。

第 0 轮：准备与框架确认 (Preparation & Framework Confirmation)

决策准备：组织者（当前使用模型）接收到决策任务后，将用户背景、需求、待审方案汇总，拆解为决策点及权重，发起决策申请。内容格式为：

• 项目名称：{项目名称}
• 项目背景：{项目背景}
• 项目需求：{项目需求}
• 待审方案：{待审方案}
• 评审方案类型：{单方案评审 / 二选一评审 / 决策点拆分评审}
• 决策点拆分及权重（仅决策点拆分评审时填写）：
  • 决策点1（{维度名称}）：{权重}%
  • 决策点2（{维度名称}）：{权重}%
  • ……
• 决策成员：{决策成员：调取已配置的模型组合}
• 决策轮次：{决策轮次：调取已配置的轮数}
• 阈值设置：{阈值设置：调取已配置的阈值}
• 提交决策：{用户确认决策点、权重及配置后开始决策}

运行时自检（第 0 轮附加步骤，仅供内部决策）

组织者在启动评委前，必须执行环境自检，选择合适的子Agent调用方式。此信息仅供组织者内部决策用，不展示给用户。

自检方法：通过 session_status 或检查当前会话元数据，确认通道类型。

环境适配矩阵：

第 1 轮：独立评估 (Blind Evaluation)

动作说明：组织者接收到决策确认后，将准备流程相关内容分发至各选定模型的独立子会话中。每位委员在完全无法感知他方意见的情况下进行背对背评审。

评审方案类型（由组织者根据方案复杂程度判断）：

• 单方案评审：简单/日常方案，评委直接对整体方案打分（0-100分制）
• 二选一评审：提供方案A和方案B两套完整方案，评委先选择其中一个方案（落选方案直接PASS），再对选中方案的每个决策点逐项打分（0-100分制），加权平均计算总分
• 决策点拆分评审：复杂/多维度方案，组织者将方案拆解为若干「决策点」，每个决策点对应一个具体评审维度。评委对每个决策点逐项打分（0-100分制）。整体方案得分为各决策点评分的加权平均值，由组织者自动计算，不再由评委单独打分

评审维度示例：方案逻辑合理性、完整性、潜在风险分析、实施资源消耗预估、可行性评审、优化建议。

评审时长：不超过120秒/轮。若120秒仍未回收所有子会话，组织者将结束流程并返回结果。

核心产出：组织者汇总各委员对所有决策点的评分结果，标记出未通过（评分 < 阈值）的决策点，提取为「未通过决策点清单」。

第 2 轮：分歧讨论（Dispute Discussion）

动作说明：组织者将第1轮中标记为「未通过」的决策点整理为「未通过决策点清单」，仅将这些未通过项下发给所有委员，要求评委只针对这些未通过决策点进行讨论并重新评分。已通过的决策点不再讨论。

评审时长：不超过120秒/轮。若120秒仍未回收所有子会话，组织者将结束流程并返回结果。

核心产出：汇总本轮重新评分结果，若所有决策点全员通过则直接输出最终报告；若仍有未通过项则进入下一轮。

最后一轮：最终辩论 (Final Duel)

特殊说明：无论配置多少轮，最终辩论始终是最后一轮。

• 3轮配置：第3轮为最终辩论
• 5轮配置：第5轮为最终辩论
• N轮配置：第N轮为最终辩论

动作说明：经过分歧讨论后，仍有决策点未通过时启用。组织者将仍未通过的决策点再次下发给所有委员，要求评委进行最后一轮讨论和重新评分。

评审时长：不超过120秒/轮。若120秒仍未回收所有子会话，组织者将结束流程并返回结果。

核心产出：若所有决策点全员通过，输出最终报告；若仍有未通过项，将未通过项标注状态后输出最终报告。

轮次扩展说明

自动化通知规则

为防止评委评审时间过长导致用户对当前状态不知情，组织者必须在每轮评审开始前主动通知用户：

• 进入第1轮：通知用户「各位评委已开始独立评估，请稍候」
• 进入第2轮：通知用户「各位评委已开始分歧讨论，请稍候」
• 进入最后一轮：通知用户「各位评委已开始最终辩论，请稍候」
• 输出最终报告：通知用户「最终报告已生成」

中间结果输出规则（webchat 适配）

当环境为 webchat 时，用户无法像 Feishu thread 那样看到有序的中间消息。为提升用户体验，每轮结束后应立即向用户展示本轮汇总，而不是等到全部轮次结束后再统一输出。

webchat 环境每轮输出模板：

## 📊 第 X 轮评分汇总
[本轮评分矩阵]

## ⚖️ 第 X 轮判定结果
[通过/未通过/进入下一轮]

[未通过决策点清单（如有）]

**进入第 Y 轮：[轮次名称]。各位评委已开始[环节]，请稍候。**

通过判定规则

每轮结束后必须进行判定，不可跳过。

【核心概念：决策点】 每个方案的评审内容拆解为若干「决策点」，评委对每个决策点评分（0-100分）。通过判定基于决策点级别进行。

【判定方式】（默认全票通过制）

• 全票通过（默认）：所有评委在所有决策点上的评分均需≥阈值，任一评委在任一决策点低于阈值即判定为不通过
• 均分通过：所有评委在所有决策点上的平均分均≥阈值
• 多数票通过：超过半数的评委在所有决策点上的评分均≥阈值

通过判定逻辑：

各轮次讨论范围：

最终输出：6段式共识报告

决策完成后，输出标准化报告，包含：

1. 投票记录 — 量化评分矩阵（含决策点级别评分）
2. 汇总说明 — 各委员核心论点（注明大模型）
3. 执行方案 — 结论版 + 说明版
4. 决策点通过清单 — 各决策点通过状态
5. 结论摘要 — 一句话裁定 + 置信度
6. 风险提示 — 主要风险与缓解建议

决策点通过状态标注：

子Agent结果回收机制（重要）

Push-based 结果回收流程

组织者使用 Push-based（推送式） 而非轮询来回收子Agent结果：

Spawn 子Agent → sessions_yield 挂起 → 收到 subagent_announce 事件 → 提取结果 → 更新跟踪

关键步骤：

1. Spawn 子Agent 后，立即调用 sessions_yield 主动结束当前 turn
2. 等待 OpenClaw 以 inter-session message 形式推送 subagent_announce 事件
3. 识别 消息中的 BEGIN_UNTRUSTED_CHILD_RESULT 块，提取评审结果
4. 记录 结果到会话上下文（见「轻量级状态跟踪」章节）
5. 检查 是否所有评委都已返回：
   • 是 → 进入下一轮或输出最终报告
   • 否 → 继续等待（再次 yield）

⚠️ 禁止行为：

• 禁止用 sessions_list、subagents list 或 exec sleep 轮询
• 禁止在 spawn 后立即输出最终结论（必须等待所有结果回流）

标准调用示例

Webchat 环境（推荐默认）：

SessionsSpawn:
  runtime: "subagent"
  mode: "run"
  model: "n1n/gpt-5.4"
  task: "评审任务..."
  timeoutSeconds: 180

Feishu/Discord 环境（支持 thread 的通道）：

SessionsSpawn:
  runtime: "acp"
  mode: "session"
  thread: true
  streamTo: "parent"
  model: "n1n/gpt-5.4"
  task: "评审任务..."
  timeoutSeconds: 180

超时处理

单轮限时 120 秒（2分钟）。若超时：

• 标记该评委为「超时-未提交」
• 以已返回的评委结果继续汇总
• 最终报告中注明超时评委

轻量级状态跟踪（替代状态文件）

组织者使用会话上下文变量跟踪评审状态，无需维护持久化状态文件。

状态跟踪格式（每轮开始时初始化）：

[本轮状态跟踪]
Round: {1/2/3}
Spawned: {N}
Received: {M} ({评委A} ✅, {评委B} ✅)
Pending: {N-M} ({评委C} ⏳)

每收到一个子Agent结果，更新此跟踪块。全部完成后清空并进入下一轮。

异常处理规则

以下3类异常的处理标准：

技术约束

• 每个子会话最大执行时间：120秒（可通过 timeoutSeconds 配置，最大 300 秒）
• 最大并发子会话数：13个
• 状态文件有效期：24小时（V1.6.0 起不再使用状态文件，改用会话上下文跟踪）
• 报告自动归档路径：~/.openclaw/workspace/memory/MONTHLY/mmd_<date>.md

参考文档

🏛️ 兼听则明，万模共鉴。