第七讲 — 5专家视角预判

L01 > L02 > L03 > L04 > L05 > L06 | [ L07 ] L08 > L09 > L10 > L11 > L12

"一个人的盲点，是另一个人的明显问题。" — 五个独立视角比一个全能视角更可靠。
本讲核心：/autoresearch:predict 如何用冷启动独立分析防止群体思维，以及为什么"少数意见"往往是最有价值的输出。

问题

大多数预先分析受到视角单一化困扰：一个人（或一个 AI 角色）从习惯角度评估变更。安全工程师看安全风险，性能工程师看延迟风险——但他们很少同时审视同一个变更。

结果：团队对有缺陷的方案达成共识，因为没有人从其他角度检验。

解决方案

待分析的变更/决策
        |
        v
+-------+-------+-------+-------+-------+
|  架构师  |  安全  | 性能  | 可靠  | 魔鬼  |
|        |  分析师 | 工程  | 工程  | 代言  |
|  系统   |  威胁  | 复杂  | 故障  |  人   |
|  设计   |  模型  | 度/   | 模式  | 反驳  |
|  耦合   |  攻击  | 内存  | 爆炸  | 假设  |
+-------+-------+-------+-------+-------+
   各自独立分析，互不可见（冷启动）
        |
        v
     合成阶段
  寻找分歧，不求共识
        |
   +----+----+
   |         |
4/5同意    仅1个提出
（高置信）  （少数意见）← 最有价值
              |
         两个矛盾
        （未解决张力）← 标记给人工决策

工作原理

5 个专家角色，各有专属视角

角色	分析重点
架构师	系统设计、耦合、未来可扩展性
安全分析师	威胁建模、攻击面、信任边界
性能工程师	计算复杂度、内存分配、高负载行为
可靠性工程师	故障模式、优雅降级、爆炸半径
魔鬼代言人	反驳最可能错误的假设、提出更简单的替代方案

冷启动独立分析

# 每个角色是一个全新的 agent 调用
# 不看其他角色的输出
# 防止锚定效应：第一个分析不会影响后续分析
# 防止从众：不会因为"其他人都这么说"而同意

合成阶段：寻找分歧

4/5 同意的发现    → 高置信度共识，可直接行动
仅 1 个提出       → 少数意见，最有价值，往往捕捉共识遗漏的信息
两个角色直接矛盾  → 未解决张力，标记给人工决策，不掩盖

链式到行动

bash

/autoresearch:predict                    # 分析风险
/autoresearch:predict --chain debug      # 发现导入调试假设列表
/autoresearch:predict --chain security   # 发现导入安全审计
/autoresearch:predict --chain fix        # 发现导入修复优先级

变更内容

方式	单视角分析	5专家独立分析
盲点	取决于分析者背景	被互补视角覆盖
群体思维	容易发生	冷启动防止
少数意见	被忽略	明确标记
不确定性	被掩盖	标记为"未解决张力"

试一试

运行五专家预判，观察不同视角如何发现不同问题：

cd docs/zh/lectures/lecture-07-five-expert-predict/code
python five_expert_predict.py

思考题：

找到输出中的"少数意见"。它捕捉到了什么其他角色没注意到的问题？
有没有两个角色直接矛盾的地方？矛盾的核心是什么？
如果五个角色都同意某个风险，你的置信度是多少？如果只有一个，呢？
在你即将做的一个决策上，哪个角色的视角是你平时最容易忽略的？

最适合使用 predict 的场景：大型重构前、合并大型 PR 前、生产部署前。

下一讲：第八讲 — 对抗性精炼

第七讲 — 5专家视角预判 ​

问题 ​

解决方案 ​

工作原理 ​

变更内容 ​

试一试 ​

第七讲 — 5专家视角预判

问题

解决方案

工作原理

变更内容

试一试