LLM Council — 6-Role Decision Framework

模拟人类专家委员会决策流程：5位审议角色并行分析 → 决策者整合输出。

触发条件

使用此技能当用户：

• 提出需要多角度分析的决策问题（"帮我评估这个方案"）
• 使用触发词：议会、council、多角色分析、帮我审议、唱反调、决策框架
• 问题涉及架构选型、策略评估、风险评估等需要审慎判断的场景

用户问题示例：

• "我们该用微服务还是单体架构？"
• "这个广告出价方案有什么风险？"
• "帮我审议一下要不要做这个功能"

角色与模型变体分配

从 references/council_roles.json 加载角色定义。关键映射：

| 角色 | 模型变体 | 原因 |

|------|----------|------|

| 第一性原理思考者 | reasoning | 需要深度逻辑推理 |

| 决策者 | reasoning | 需要综合判断力 |

| 扩张主义者 | default | 均衡创意 |

| 局外人 | default | 常识视角 |

| 执行者 | default | 结构化执行 |

| 唱反调者 | lite | 快速挑刺 |

工作流（严格按此执行）

Phase 1 — 并行审议

同时启动5个 Agent，每个使用对应角色的 System Prompt 和模型变体：

使用 council.py 生成各角色的完整 Prompt：

python scripts/council.py "用户的问题"

然后对每个角色（除决策者外），使用 Agent 工具并行调用：

Agent(
  subagent_type="general-purpose",
  model="reasoning|default|lite",  # 按上表选择
  prompt="[SYSTEM]\n{角色的system_prompt}\n[/SYSTEM]\n\n[USER]\n## 议题\n\n{用户问题}\n\n请按你的角色定位进行分析。[/USER]"
)

关键约束：

• 5个 Agent 必须并行启动（同一轮发送5个 Agent 调用），不能串行
• 每个 Agent 只扮演一个角色
• 禁止 Agent 之间相互交流，各自独立分析

Phase 2 — 决策者整合

等待 Phase 1 所有5个 Agent 返回后：

1. 收集所有输出，按角色归类
2. 使用 council.py 的 format_decision_maker_prompt() 生成决策者 Prompt
3. 启动决策者 Agent（reasoning 变体），传入包含所有角色输出的整合 Prompt
4. 将决策者的输出作为最终结果展示给用户

Phase 3 — 报告生成

可选：如果用户要求生成报告，使用 council.py 生成 Markdown 或 HTML 报告：

from scripts.council import CouncilManager
cm = CouncilManager()
# 生成 Markdown 报告
md = cm.generate_markdown_report(question, responses, final_judgment)
# 或 HTML 报告
html = cm.generate_html_report(question, responses, final_judgment)

HTML 报告用 preview_url 预览，Markdown 报告直接输出。

Prompt 管理

所有角色 Prompt 定义在 references/council_roles.json。关键函数：

• cm.format_role_prompt(role_key, question) — 生成单角色完整 Prompt
• cm.format_decision_maker_prompt(question, responses) — 生成决策者整合 Prompt

工具脚本

• scripts/council.py — 主管理脚本，支持：
• 交互模式：python scripts/council.py -i
• 列出角色：python scripts/council.py -l
• 生成 Prompt：python scripts/council.py "问题"
• 报告生成：generate_markdown_report() / generate_html_report()

注意事项

1. 只对真正的决策问题启动 Council。简单的事实查询、代码生成、翻译等不需要。
2. Phase 1 必须并行，串行会破坏独立审议的效果。
3. 角色 System Prompt 不得修改（除非用户要求），它们是精心设计的。
4. 决策者输出即最终答案，不要额外解释或补充。
5. 如果某个角色返回过短/质量差，不要重试——直接交给决策者，由决策者判断信息充分性。