两个 AI 团队怎么搭

一句话结论：

大多数活，用“1 个总调度 + 2～3 个专才 + 1 个验收员”最划算；算价格、算风险别让 AI 讨论，直接上专业计算软件；只有少数“输不起”的判断，才让看多和看空两边辩论，再由风险负责人拍板。两个团队分两个工作区、两把钥匙、两个记忆库，互不串门。

一、我干了什么

• 查了 10 篇真论文，都是 AI 领域最认的会议论文
• 比较了 5 种组队方式：自由群聊、双人角色扮演、流水线分工、多空辩论、分层投票。
• 选出了最划算的一种，并把它落到金融衍生品交易。
• 设计了两支队伍：A 队管“省钱”，B 队管“猜市场”。

二、为什么选“总调度 + 专才 + 验收员”

可以把一个团队想成一个小装修队：

• 总调度：接活、分活、控制预算、最后汇总。不亲自刷墙。
• 专才：各管一摊，比如宏观、波动率、数据、定价。
• 验收员：独立检查，不能自己批自己。

为什么不搞“全员大会”？因为人多嘴杂：容易重复干活、跑题、聊着聊着忘了目标，最后还很贵。论文里多 AI 系统的失败率高达 41%～86.7%，常见毛病就是“重复步骤、说的和做的不一致、不知道什么时候停、没人验收”。

几个关键数字：

• MetaGPT 把流程分成 4 个岗位，比只用一个岗位只贵 51%，但人工返修从 10 次降到 2.5 次。
• ChatDev 用流水线做一个小软件，平均约 0.3 美元。
• ACL 2025 发现“集中管理 + 有序流程 + 摘要”最省，最多省 93% 的调用量。
• 多空辩论确实能提高判断准确率，但成本大约 6～10 倍，而且 1～2 轮就够了，聊多了没用。

三、10 篇论文，分别用一句话概括其内容

1. CAMEL：两个 AI 可以角色扮演自己聊，但要设“停”，不然会绕圈。
2. MetaGPT：把公司流程写成说明书，4 个岗位分工；多几个岗位不贵，返修少。
3. ChatDev：像软件公司流水线，设计、写码、测试；小软件约 0.3 美元。
4. AutoGen：搭多 AI 聊天的通用工具箱；灵活，但不管预算容易烧钱。
5. AgentVerse：AI 团队能自己招人、干活、评估；也会出现跟风、拆台。
6. Du 的辩论：3 个 AI 辩论 2 轮，数学和推理更好，但成本约 6 倍。
7. Khan 的辩论：2 个 AI 辩论 + 一个裁判，裁判准确率从 48%/60% 提到 76%/88%；1～2 轮最好。
8. 调用规模律：不是 AI 叫得越多越好，到一定程度反而变差。
9. MAST 失败分析：多 AI 系统失败率 41%～86.7%；常见毛病是重复、跑题、不知道停、没人验收。
10. ACL 2025 协作策略：集中管理 + 有序流程 + 摘要最省；最多省 93% 的调用量。

四、我们要怎么把它应用于金融

场景	建议	大白话理由
定价、Greeks、保证金	专业软件算，AI 只解释，另一个程序复核	有标准答案，辩论没用
风险、限额、压力测试	流水线 + 独立复核 + 规则否决	要能查账、能复现
交易观点、事件解读	小组研究；必要时多空辩论 1 轮；风险负责人否决	没有标准答案，但输不起
高频、做市、下单	传统算法，不用 AI 聊天	慢一秒就亏钱
合规、报告、审计	AI 写初稿，规则检查	要留痕、能追责
一堆 AI 自由群聊	不建议	贵、乱、查不清

五、所以我按照需求分成了两只队伍

	A 队：省钱队	B 队：猜市场队
干啥	日常定价、风险、研究、报告	少数大判断、事件、尾部风险
怎么干	总调度 + 2～3 个专才 + 验收员	独立分析 + 多空辩论 1～2 轮 + 裁判 + 风险官
花多少	大约 1 倍变 2～4 倍	大约 1 倍变 6～10 倍
对外窗口	/v1/run，端口 8101	/v1/forecast，端口 8102
记忆	自己的本地数据库	自己的本地数据库
规矩	不编数字、不下单	不无限辩论、不算 Greeks、不下单

怎么保证不串记忆？

• 两个文件夹
• 两把大模型钥匙，分别放在各自的 .env 里。
• 两个本地数据库、两个日志、两个端口。
• 不共享缓存和数据库，也不互相调用。
• 模型调用不带历史记忆，每次只带本次任务。
• 禁止外部智能体干预一线

六、我犯下的错误

在读其他论文之后，我自己构建了一套多智能体协作方案：

用户输入——生成2个智能体讨论，求同存异——同者抄录，异处计为选项和问题——得x个问题，每个问题n个选项——x个问题并发处理，每个问题由一个智能体集合处理（此处以其中一个问题为例阐述这套模型）——智能体集合内生成2n+1个智能体——针对n个选项，2n+1个智能体进行投票，形成一个｛a : b : c…(共计n项)}的一个票数比——@若产生了某个选项大于等于2n，则取该选项，若无——接下来进行质询和答复，（轮次+1）选择相同选项的智能体进行内部出具对其它选项团队的质询——各团队出具对自己团队质询的答复稿。纪录在案——若此时轮次大于等于5，则统计5轮各选项总得票数，取最高票。若轮次小于5——根据本轮的质询和答质询内容，各智能体返回@处

在已测任务上，没有证据表明这个的多智能体协作提升了决策质量，反而有强证据表明它显
著增加了 token 成本和延迟。当前最值得改进的是门控/自适应协作，而不是继续增加 agent 数或强制
轮次。

七、其他事项

这只是一个探索版本的预告和初期构想，不代表成品