也就是让两个AI之间自动相互讨论、商量、互相出主意、互相验证、彼此对抗。说白了就像两个人一样对账，数据对不上，就各自排查问题。

举个场景：某个【部门】的AI有一条cron定时任务，完整任务链路为：【部门】AI前往对应平台拉取数据→汇总计算数据→生成Excel表格→发送到工作群。

这套流程其实和人的工作模式一模一样，但这里存在一个很大的痛点：AI和人一样也会犯错。会漏掉部分数据，也会出现计算公式错误。虽然我给它设计了自身自检对抗模式用来降低出错概率，但依旧偶尔会出现不靠谱的情况。说白了就是AI自己反复自查，可也会出现越自查越出错的状况。

所以我就在思考：当一个AI执行任务时，可以调用另外一个AI协同完成任务。脚本中明确约定，前来协助的AI，严格按照【部门】AI的cron任务细节，独立完成数据抓取、独立汇总统计。完成之后，双方拿出各自统计好的数据互相对比校验。

如果对比结果完全一致，便可输出最终结果；
如果对比出现偏差，就代表至少一方的数据存在错误，甚至两方的数据全部有误。

遇到这种情况，系统自动开启多轮自检、多轮对抗校验，反复核对，直到双方的数据完全匹配，最后再由【部门】智能体输出最终结果。靠这套机制解决AI单节点计算出错的一大难题。

但还有一个风险：会不会出现两个AI全都算错，可最终运算结果却恰巧一致？
举个例子：一组是3加2，一组是2加3，最终得数都是5，但两组数字对应的业务项目完全不同。
这种情况发生的概率极低，但概率小不等于不会发生。既然存在这种可能性，就必须补上补丁：除最终运算结果要保持一致之外，明细清单的数据同样要做对抗校验。

有漏洞就要堵，窟窿不论大小，都是隐患，你还有什么更好的方法？欢迎大家来讨论 luhongshuai.com