当多个AI同时参与讨论时，它们往往会陷入相互附和的怪圈，无法产生真正的认知增量。本文作者通过设计一套创新的讨论机制，成功打破了这种僵局，打造出一款开源工具——AI讨论会。
--91likeyou---
一、日常工作的痛点及思考
产品的日常工作中大量涉及开放性问题。比如”这个产品方向真的有意义吗”——这类问题没有标准答案，需要不断提出假设、质疑前提、修正观点。
为了做到”兼听则明”，我习惯同时打开 DeepSeek、豆包、千问等多个 AI 网页端，把同一个问题发给它们，再把每个 AI 的回答转发给其他 AI，中间自己也参与讨论。我原本希望借助不同模型的视角，获得更全面的认知。
但几轮之后，奇怪的事情发生了。
DeepSeek 说：”我完全认同豆包和千问的判断……但我补充……”
豆包说：”完全认同 DeepSeek 与千问核心逻辑……”
千问说：”我完全认同……我补充……”
它们的回答越来越像，几乎无法区分谁是谁说的。你也没法判断哪句话是经过验证的、哪句话只是”顺着说”。三个 AI 并没有形成真正的讨论——它们只是在不断附和。
真正的问题不是 AI 不够聪明，而是多 AI 之间缺乏一套有效的讨论机制。 于是我开始思考：如何设计一套能够持续产生认知增量的 AI 讨论机制？
二、我把它当成一个产品需求，而不是 Prompt 问题
明确了问题之后，我需要先定义清楚：我到底要解决什么？
把这个问题拆开，我真正想解决的不是：
- 让 AI 回答得更长
- 让 AI 显得更专业
- 让 AI 的用词更漂亮
而是多 AI 在讨论过程中能够持续提供新的认知，而不是不断重复。把这个需求翻译成产品目标，我提炼了四条：
到这里，问题的性质已经变了。它不是一个”怎么写 Prompt”的技术问题，而是一个怎么设计多 AI 协作流程的产品问题。
三、为了验证需求，我尝试了几种不同方案
有了需求定义，下一步是验证——什么样的方案能达到这四条目标？所有验证都用一个真实的产品命题：”2026年，个人开发者或小团队在AI应用层创业，还有机会吗？”
第一次尝试：给 AI 设置专家身份。
我让三个 AI 扮演”在 AI 创业领域有 10 年经验的资深投资人”。输出的回答确实用词更专业了，但核心判断和什么都不加的情况几乎一样——”有机会，垂直深耕”。一篇论文（ ）也印证了这个观察：增加人设对”角色扮演”类任务有效，但对”知识和推理”类任务反而不利——AI 会开始模仿”如何像专家说话”，而不是关注”答案本身是否正确”。
这个方案被我放弃了。 它改变了措辞风格，没有改变思考路径。
第二次尝试：给 AI 分配不同角色。
如果不让所有人当”全能专家”，而是各管一摊呢？我设计了两种模式：窄领域（每个 AI 只负责技术/需求/商业其中一个维度，不准越界）和泛领域（主要负责一个维度，次要也能涉及其它）。
结果两个版本的问题都一样：AI 在各自的舒适区里各说各话。每个角色只需要在自己的领域里说话，天然不需要越界质疑别人——这恰好符合 AI 的”舒适区”。比如豆包偶尔提了一句”依托低成本本地技术栈”，但本质上还是在需求语境下说的，没有真正进入技术判断。
这个方案也被放弃了。 它适合做多视角汇报，但不适合真正的”讨论”。
第三次尝试：给 AI 分配不同立场。
让 DeepSeek 当乐观派、豆包当悲观派、千问当中间派。
这个方案还是不行。 与区分立场类似，立足于自身设定输出，演变成了角色扮演游戏，输出局限在设定内。
第四次尝试：强制 AI 提出反对意见。
前面几个方案都在改”身份”或”情绪”，这次我直接改”行为”——要求 AI 严格回答五个问题：最同意谁的观点、最反对谁的观点、对方忽略了什么、如果对方对了我哪里错、最终我的观点。
这一次的结果截然不同。反驳有了实质内容——”我反对豆包将’出海细分工具’简单列为机会点，因为缺乏海外资源的小团队极易陷入’伪需求’陷阱”。AI 也开始承认自己的局限——”如果豆包对，那我此前默认’用户只为结果付费’的前提可能过于功利。”
表面上看，这个方案成功了。但我没有采用它。
原因是——我不想要辩论。辩论的目标是争输赢，而我要的讨论是客观分析一个命题的各个侧面。强制分歧虽然让 AI 不再附和，但它把讨论变成了一场对抗游戏。这不是我要的产品体验。
第五次尝试：回归讨论的本质。
我开始反思——前面所有的尝试都太注重”技巧”了。给身份、分角色、站立场、逼反驳——都是在告诉 AI”你要扮演谁”或”你必须做什么”，但没有告诉 AI”你怎么思考”。
我回到原点，重新定义需求：我要的不是 AI 相互反驳，而是在避免附和的前提下充分讨论。我希望 AI 能做到五件事：
把这五条翻译成 AI 能理解的约束，形成了一套提示词：
请对照当前议题，与其他 AI 成员开展深度讨论。你只需严格遵守以下 5 条规则，除此以外，自由发挥。
1.区分事实与猜测：对每个重要结论标明【事实】【推测】或【无证据】；【事实】给依据，【推测】说明推理，【无证据】直接承认。
2.优先讨论最重要的问题：集中回答最可能影响最终结论的关键问题，次要问题简要带过。
3.优先提供新增信息：补充新事实、新证据、新逻辑、新风险、新机会或新假设，避免重复他人。
4.寻找其他可能的解释：主动提出至少一种与你当前结论不同的解释，并说明它为何可能成立、何时更合理。
5.说明什么情况会改变结论：明确指出什么具体的新证据或情景会让你改变或推翻当前结论，要求具体、可验证。
重要提醒：优先保证真实性，没有可靠信息就承认不知道，不要为满足规则而编造内容。
这套规则的效果符合我的期望。三个 AI 的讨论呈现出明显的”审视”特征——每个 AI 都在判断对方结论的依据是什么、是否有逻辑漏洞、有没有其他解释。没有”你说得对，我补充”式的平滑附和，也没有”我反对你”式的强行对抗。讨论是自然的、客观的、有逻辑的。
回看整个验证过程，我意识到一个关键点：最终方案里的 5 条规则，本质上不是 Prompt 技巧，而是一套讨论机制。 它不告诉 AI”你是谁”或”你站在哪边”，而是告诉 AI”你怎么判断”。这个区别决定了它是否真正有效。
四、规则确定以后，我开始把它做成产品
方案验证完了，但实际使用还是一个痛点：我需要反复在三个 AI 网页之间复制粘贴，手动转发观点，操作本身占据了思考的精力。
于是我做了一个桌面工具——”AI讨论会”。
这一章不讲功能列表，讲设计思考。每一个设计选择背后都有一个产品取舍。
为什么采用多栏布局？
三个 AI 各占一栏，并排显示。这么设计是因为讨论需要”同时可见”，如果把三个 AI 叠在一起或者用标签页切换，用户的信息获取会被打断，使用体验不佳。
为什么允许每个 AI 独立刷新？
在实际使用中，某个 AI 偶尔会因为网络问题或页面卡住而停止响应。如果必须三个 AI 全部刷新，一次问题就打断整场讨论。独立刷新意味着一个 AI 出问题，不影响其他两个继续。这也是对”可靠性”的取舍——牺牲了一点整体控制的简洁性，换取了单点故障不扩散的健壮性。
为什么用户可以随时加入讨论？
这是我坚持的核心设计原则。工具可以在多轮讨论中自动转发 AI 的观点，但在任何一轮，用户可以暂停自动流程，自己输入一段话参与到讨论中。举个例子：AI 认为”企业不愿共享业务标准属于主观假设”，如果你基于自己的行业经验判断企业确实不愿共享，你可以直接裁定”此项视为事实，不要再讨论了”。
这个设计源于我对产品定位的坚持：这个工具的目的不是替代思考，而是辅助思考。 自动讨论只是减少了机械操作，但判断权始终在用户手里。
为什么不是自动无限讨论？
技术上可以实现，循环转发就行了，但我不做。我认为最危险的使用方式，就是把问题扔进工具，让三个AI自动讨论几轮，然后直接看结论。
这本质上是用三个AI的”对答案”替代了一个AI的”对答案”，不要吃AI喂给自己的东西。一味的接收AI的输出，意味着思考外包。让 AI 讨论只是手段，保持自己思考的主权才是目的。
为什么不用 API？
因为现有 Agent 工具做不到让多个 API 之间真正”互相对话”——它们只能让你在不同模型之间切换，不能把 AI-A 的输出自动喂给 AI-B。而且用付费 API 讨论开放性问题，实际效果和网页端差别不大。尽量降低开发压力和用户使用压力，同样是我的产品目标。
为什么坚持本地运行、不保存数据？
所有信息存储在你自己电脑的浏览器登录态中，使用你自己的 AI 账号。不做服务器，不存对话记录，不存用户数据。这不是技术限制，是产品决策——我只想解决”操作繁琐”这个问题，不想成为一个数据平台。工具应该在用户需要的时候出现，其他时候不占用任何存在感。
产品是免费的、开源的。安装包、官网和源代码地址见文末。
五、我最大的收获，不是 Prompt，而是产品思维
整个探索走下来，从发现问题到反复验证到最终做出产品，我最大的收获并不是那 5 条提示词。
真正重要的是：我把 AI 的“附和”问题，从一个技术问题变成了一个产品问题来解决。
如果把它当成 Prompt 工程问题，我可能停留在”怎么让 AI 不附和”这个层面打转——不断微调措辞、尝试新技巧。但我意识到，”附和”只是表象，真正的问题是”多 AI 共同讨论时缺乏一套有效的协作机制”。这套机制不应该是提示词技巧的堆砌，而应该是一套清晰的设计原则。
这就回到了产品经理的本分：定义问题、验证方案、设计机制、做取舍、交付产品。
如果说这套方案有什么价值，我认为不在于具体的 5 条规则——它们只是当前技术条件下对这个设计原则的实现。模型会进化，措辞可能过时，真正不变的是那个问题：当多个 AI 一起讨论时，你如何保证讨论的质量？
这个问题的答案，不是更好的 Prompt，而是更好的产品和更好的产品经理。
产品经理真正设计的从来不只是需求文档和功能列表。在 AI 时代，我们还需要设计人与 AI 的协作方式——什么时候让 AI 自己聊，什么时候必须介入，什么时候可以直接采纳，什么时候必须推翻重来。
六、致谢
做这个产品时，我了解到已经有两个开源项目和我的思路类似，它们在技术路线和产品逻辑上给了我关键启发。我下载了它们的源代码，让 Claude Code 帮我完成了开发。AI 时代，或许这才是真正的””。
感谢以下两个开源项目：
- Noi（github.com/lencx/Noi）—— 参考了一屏管理多个 AI、统一发送的设计。
- AI Roundtable（github.com/axtonliu/ai-roundtable）—— 参考了获取多个 AI 输出、将 AI 的输入加上提示词发送给其他 AI 的设计。
本项目同样全部开源。
安装包下载：
- 百度网盘： 提取码：qu6x
- GitHub：
- 官网：
- 源代码：
附录：各组需求验证方案的完整讨论链接
空白组：
设置专家：
为AI分配不同角色-窄领域：
为AI分配不同角色-泛领域：
区分立场：
强制分歧：
最终方案：
禁止自由发挥：
既不自由又不禁止：
题图来自Unsplash，基于CC0协议
🔥 热词：#附和是什么意思解释一下 · #什么是附和 · #附和的意思是什么复合的意思是什么 · #附和的定义 · #附和的附 · #附着和附加的区别 · #附和的意义是 · #附和的话