多模型投票决策

技能简介

该技能通过协调多个大语言模型（LLM）组成评审委员会，对同一问题分别生成回答后进行投票汇总，输出经过交叉验证的共识结论。适用于需要降低单一模型幻觉风险、提升答案可靠性的金融分析场景。

业务背景

金融决策中单一AI模型可能产生幻觉或偏见，导致投资判断失误。本技能通过多模型交叉验证机制，将多个大语言模型组成评审委员会，对同一问题进行独立分析并投票汇总，有效识别共识观点与分歧点，显著提升关键业务结论的可信度与稳健性。

落地案例：某券商研究所需对上市公司财报进行风险解读，分析师启用三模型投票技能：分别调用GPT-4、Claude和本地部署模型同步生成分析报告，系统自动比对三者观点一致性。当两个模型均提示

能做什么

• 同时调用多个LLM对同一查询生成独立回答
• 自动比对各模型输出并提取一致性观点
• 标记存在分歧的内容供人工复核
• 支持自定义模型组合与投票权重

使用说明

安装指令：原始文档未提供具体安装命令，需手动将技能文件部署至agents配置目录。

配置步骤：

1. 优先检查是否存在已有的agents配置文件
2. 在配置文件中定义参与投票的LLM列表及对应API端点
3. 设置共识阈值（如超过60%模型同意即视为通过）
4. 启动服务后发送待分析内容至 council 端点

输入与输出

见下方输入与输出表格。

风险提示

• 所有模型可能共享相似训练数据，导致系统性偏差无法通过投票消除
• 响应延迟随模型数量线性增加，实时性要求高的场景慎用
• API成本为单模型的N倍，需评估投入产出比
• 配置文件若未妥善保管可能造成密钥泄露

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/am-will/llm-council/SKILL.md
来源类型：GitHub仓库