智能体结果共识核验工作流

智能体结果共识核验工作流

4个实用技能 · 4步完成 · 每一步都能单独使用
面向并行智能体和 fan-out/fan-in 流程：把分支结果整理成信封，识别同一主体的冲突，核验多数或加权策略，最后在没有无歧义结果时交给人工闸门；只处理脱敏 JSON，不把投票结果当成事实证明，也不执行外部动作。
4个可下载技能 · 每个技能可单独运行

4步自动化工作流

🔵 1 智能体结果信封整理

技能文件：agent-result-envelope-normalizer
解决什么： 并行智能体常用不同字段表达候选结论，缺少主体、证据、置信度和权重时无法比较。
你会得到： agent-result-envelope.json、规范化结果、字段发现和 envelope_hash。
↓ 本步结果自动进入下一步

🟢 2 智能体结果冲突核验

技能文件：agent-result-conflict-auditor
解决什么： 同一主体出现相互冲突的值时，阻止聚合器静默抹平差异。
你会得到： agent-result-conflict.json、冲突主体、候选值、来源结果和单源提醒。
↓ 本步结果自动进入下一步

🟠 3 智能体共识策略核验

技能文件：agent-consensus-policy-auditor
解决什么： 检查多数、加权或人工复核策略的票数、分数差距和阈值是否明确。
你会得到： agent-consensus-policy.json、候选分数、票数、差距和策略状态。
↓ 本步结果自动进入下一步

🟣 4 智能体共识人工闸门

技能文件：agent-consensus-review-gate
解决什么： 汇总上游报告，要求冲突清零、策略通过且人工批准后才允许继续消费聚合结果。
你会得到： agent-consensus-review-gate.json、blockers、review_queue、人工决定和 external_action_executed=false。
↓ 本步结果形成最终交付

实际示例

脱敏样例中，三个智能体对 claim-1 给出 high、low、high。第一步整理三个结果信封，第二步发现同一主体有冲突，第三步计算加权候选但因差距不足保留 REVIEW，第四步因未决冲突和 human_decision=PENDING 输出 READY_FOR_HUMAN_REVIEW、consensus_allowed=false。该结果是本地测试事实，不代表真实事实或客户成果。

适合谁

• 使用并行研究、评审、客服分流或风控多智能体的工程团队

• 需要处理 fan-out/fan-in、投票、加权候选和矛盾声明的平台负责人

• 不希望“多数模型同意”直接变成业务事实的安全、质量和审计团队

• 需要把聚合结果交给人工复核而不是自动写回业务系统的自动化实施人员

买家只需提供

• 脱敏的 agent result、subject_ref、claim、value 和 evidence_refs

• confidence、weight、最小票数、允许的差距和共识模式

• 冲突、单源结果、人工批准和业务写回的验收规则

使用方式

1. 解压四个技能目录，使用 Python 3.10 或更高版本。

2. 依次运行信封整理、冲突核验、策略核验和人工闸门，也可单独运行任一步。

3. 在测试环境注入冲突、票数不足和未批准情境，通过验收后再由负责人接入自己的聚合器。

交付与验收

• 四个独立技能目录，含元数据、agents/openai.yaml、SKILL.md、README.md、标准库脚本和脱敏 examples。

• 最小样例应识别同一主体的不同 value、单源结果、票数/差距不足和人工 PENDING。

• 任一冲突未解决、策略未知、票数不足或人工决定未批准时，闸门必须拒绝继续消费结果并生成 review_queue。

• 不包含模型调用、事实核查、消息队列、数据库写入、投票执行、业务审批或人工值守服务。

服务说明

本包是离线 JSON 结果共识与冲突核验工具，公开社区讨论和官方编排文档只用于需求、模式和风险参考，未复制其代码、付费模板或私有流程。多数或加权候选不等于事实证明，不承诺正确率、零冲突、绝对合规、固定节省比例或业务结果；正式写回前必须由有权限的负责人核对证据与领域规则。