AI 多模式平台

如果讓多個 AI 互相辯論、再協作，結論會不會更好？我做了一個平台來實驗。

• Python
• Flask
• 多 LLM API 編排
• 串流 / 續接
• Token 優化

問題

單一模型容易陷入自己的盲區。我好奇：如果把同一個問題丟給多個 AI，讓它們先辯論、 再協作收斂，產出的結論會不會更全面、更少偏誤？而要做這件事，需要一個能編排多模型、 又能控制成本的平台。

我怎麼做

• 兩種模式整合：從各自獨立的「辯論」與「協作」雛形，整合成單一平台，可即時切換模式。
• 流程可控：支援中途停止、續接已有對話，不必每次從頭跑。
• Token 優化：針對多輪多模型的成本痛點做裁切與壓縮，讓長對話不爆預算。
• 多模型編排：統一介面接不同 LLM，讓它們在同一場對話裡輪番發言。

成果

平台目前可運作，把「多 AI 辯論 → 協作收斂」的流程跑通。它也成了我觀察不同模型「性格」與 協作動態的實驗場——什麼題目適合多模型互補、什麼時候只是更貴的單模型，逐漸有了手感。

我學到什麼

• 多代理 ≠ 一定更好：有些任務多模型互補明顯，有些只是把成本翻倍卻沒換到更好的答案。要分清楚。
• 編排的魔鬼在狀態與成本：續接、停止、token 控制這些「不性感」的工程細節，才是能不能長期用下去的關鍵。
• 把實驗變成可重複的平台：一次性 prompt 玩玩很容易，做成能切換、能續接、能控成本的工具才真正有複利。