用途:该技能用于防御多代理评审会特有的失效模式。多个模型共享训练数据、倾向顺从、彼此信任,正是迎合、群体思维和提示注入利用的入口。四类失效集群归因于同一根源:相关性。技能负责命名失效、给出对应防御,并提醒用户提出的修复本身可能是已知死路。
适用情形:模型/代理/评审者异常频繁地趋同,共识“感觉很假”;辩论永不收敛(挂起)或瞬间收敛(疑似被锚定);某代理的自信或说服力把其他人拖向一致;提示注入似乎在一个管道中从一个代理蔓延到其他代理;判断监督/裁判/主席层是否真正提供独立审查,还是只盖章。用户未提“评审会”时也可触发。
不适用:成员构成(见 llm-council-members);聚合数学如投票方案、权重(见 llm-council-aggregation);单代理越狱加固;普通聊天机器人对用户的迎合;Web 应用安全(认证、SQL 注入、XSS);管道拓扑设计(见 llm-council-architecture)。
工作方式:先命名失效集群再给修复,指出四类均源于相关性。相关误差/认知单一文化:共享训练数据的模型给出同一错误答案的频率远高于独立预测,且模型更强时更糟;建议在自有评估集上测量共失败与同错一致性,禁止从面板规模假设独立性;高风险运行关闭“共识即早停”;混合供应商可降低相关性但不消除,仍需持续测量。迎合/群体思维:建议在见到任何同伴输出前独立起草(最高杠杆);评审中匿名作者、指定必须举证的反方角色、硬性轮次上限(≤3);引入只看最终产物、不看辩论历史的新鲜视角评审者;将快速收敛(>70%)视为可疑而非安心,转入强制反事实轮;避免“永远反对”的粗暴提示,任何反迎合干预须先在外部基准验证;不要引用无法核实的“54–73pp”异议者效应数字。提示注入放大:视为权限/架构失败而非文本过滤问题;分离建议与授权,成员可起草但不可执行;审议成员不配文件/Shell/网络工具,按工具调用而非按代理授权,避免一个被污染输出继承管道全部权限;把所有代理间消息当不可信输入;对模糊指令来源失败关闭;纠正“让代理对模糊输入提问澄清”这一做法——已被测量会显著提高注入成功率;说明提示注入目前没有任何防御能完全解决,应使用纵深防御栈。治理表演:反对“加了裁判层就安全”的前提,同族模型或对齐配方构建的监督层共享盲点;用同一共失败测量审计裁判层本身;建立持续监控(共失败率、同错一致性、迎合产出探针、轮次分布、注入金丝雀),模型更换或提示编辑后重测。
输出规范:完整回答需点名具体失效集群,说明相关性根源,给出对应具体防御,标出用户方案中的反直觉死路,并指向 references/defenses.md 获取完整引用。
限制:不涉及收费、价格、平台等信息,暂未提供。技能明确排除单代理场景、Web 应用安全与管道拓扑设计。