一、我們走過的彎路
我們曾以為，只要 Prompt 寫得夠精準，一個足夠強大的 Agent 就能處理一切。
簡單任務上這個假設成立。寫一封客氣的拒絕信、翻譯一段技術文件、整理會議紀要，單一 Agent 表現得相當稱職。但複雜度一上升，它就開始出問題。
過去半年，我們在內部嘗試用 AI 處理投資備忘錄撰寫。起初我們和市場主流一樣，追求更長的上下文長度、更強的單一模型。這個模型不夠用？等更大的版本。上下文長度不夠？換更長的。我們期待一個超級實習生能讀完所有財報、總經數據、產業報告，然後吐出一份完美的分析。
結果通常是災難性的。
把公司名字搞錯、把數字抄反。那種錯誤反而好處理，一眼就能看出來。真正危險的是那種邏輯看起來通順，但前提假設錯誤的情況。
舉個例子。我們曾經請一個 Agent 分析某家公司的現金流狀況。它在開頭做了一個微小的假設錯誤，把營運現金流的計算基準搞混了。但它沒有停下來質疑自己。相反地，它用一本正經的語氣，花了三千字來論證這個錯誤假設為什麼是對的。它引用了真實的財報數字，搭配看起來合理的邏輯推演，最後得出一個完全相反的結論。
如果你不是專家，你根本看不出問題在哪。它不是在分析，它只是在想辦法湊出一個看似合理的解釋。
學術界有個術語來描述這個現象，叫做思維退化，Degeneration of Thought。有研究指出，LLM 在推理過程中一旦形成某種自信，即使你要求它自我反思，它還是不會自我修正推理錯誤（Huang et al., 2023）。這不是模型不夠強的問題。這是架構設計的問題。
當多數人都在等待下一代更強的模型，我們開始思考一個不同的問題：也許瓶頸不在模型算力，而在系統架構？
二、三個平庸 Agent 勝過一個天才
為了解決這個問題，我們做了一個實驗。
我們不再要求一個 Agent 寫出完美的分析文章，而是把任務分成三個角色。
第一個是寫作 Agent。它的工作很單純，根據我們提供的數據和方向產出初稿。我們不要求它完美，只要求它把東西寫出來。
第二個是審查 Agent。我們在 Prompt 裡把它設定成一個挑剔到近乎刻薄的編輯。它的唯一任務是找碴：邏輯有沒有跳躍？前後有沒有矛盾？有沒有過度自信的結論？它不負責修改，只負責標記問題。
第三個是數據 Agent。它專門負責驗證數字來源。這個數字是哪份財報的？那個百分比是怎麼算出來的？它不管文章寫得好不好，只管數字對不對。
結果讓我們驚訝。
三個用的都是同一個基礎模型，沒有用更貴的版本，沒有什麼特殊的微調。但協作產出的品質，遠勝一個頂級模型的單打獨鬥。
更重要的是，這個系統的錯誤變得可預測、可追蹤。當審查 Agent 標記出一個邏輯問題，我們可以清楚看到是寫作 Agent 在哪一步出了差錯。當數據 Agent 發現一個數字來源有問題，我們可以直接回溯修正，而不是整篇重寫。
這其實不是什麼革命性的發現。事後回想，這其實是常識。但有時候，你需要走過彎路才能真正體會。
三、來自 IC 設計的直覺
對工程師背景的人來說，這個發現其實是一種再發現。
在積體電路設計產業，這就是標準的作業流程。負責邏輯設計的 Designer 和負責驗證的 Verification Engineer，永遠必須是不同的人。不只是不同的人，通常還屬於不同的部門，向不同的主管報告。
為什麼要這樣設計？因為人類有一個根深蒂固的認知偏誤，就是我們很難客觀審視自己的作品。
當你花了三個月設計一顆晶片的某個模組，你的大腦已經形成了路徑依賴。你知道自己的設計邏輯，你熟悉每一個決策的來龍去脈。這種熟悉感讓你在檢查的時候，下意識會跳過那些設計死角。你不是故意的，但你的潛意識會保護你的自尊心。
Verification Engineer 的存在，就是為了打破這個盲點。他不需要知道你當初為什麼這樣設計，他只需要想盡辦法證明你是錯的。他的 KPI 不是證明晶片能用，而是找出晶片會壞掉的所有可能性。
這種敵對視角，是品質保證的核心機制。
AI Agent 也是一樣。當你讓一個 Agent 既寫文章又審查自己，它會陷入和人類一樣的困境。它記得自己為什麼這樣寫，它會下意識維護自己的邏輯。你需要另一個 Agent，一個完全不知道前因後果、只被設定來找碴的 Agent，才能打破這個循環。
四、我們後來去翻資料，發現學界早就玩過這套
坦白說，我們一開始是憑直覺在做。後來去翻資料才發現，原來學術界早有類似的探索，而且結論和我們的實踐經驗高度吻合。
2023 年有一篇論文叫 Improving Factuality and Reasoning in Language Models through Multiagent Debate，作者群來自 MIT 與 Google DeepMind（Du et al., 2023，arXiv:2305.14325）。他們做了一個很直接的實驗：同一個問題，讓多個模型實例各自給出答案，然後互相質疑、辯護、修正。經過幾輪辯論後，最終答案的準確率明顯超過單一模型直接回答。
這和我們的審查 Agent 邏輯是一樣的。引入一個挑剔的對手，不是浪費資源，而是消除系統性錯誤的必要手段。
另一個我們覺得有參考價值的是 MetaGPT（Hong et al., 2023，arXiv:2308.00352）。他們把標準作業程序編碼進 Agent 的 Prompt 裡。就像一家軟體公司不能只有工程師，還需要 PM 寫產品需求文件、架構師畫系統圖、測試工程師寫測試案例，他們讓不同的 Agent 扮演這些角色，按照固定的流程協作。結果是 AI 寫出的程式碼品質提升，Bug 數量下降。
還有一個來自 KAUST 的研究叫 CAMEL（Li et al., 2023，arXiv:2303.17760）。他們發現透過預設角色讓兩個 Agent 進行角色扮演，可以在幾乎不需要人類介入的情況下，自動協作完成複雜任務。
這些研究給了我們信心。我們不是在做什麼離經叛道的實驗，我們只是在資本配置的實踐中，驗證了一個正在成形的共識。
五、投資視角：容錯大於準確
這對資本配置有什麼用？
這讓我們重新思考準確的定義。
在投資這個領域，我們早就放棄追求每次都對。那是不可能的，任何宣稱自己能做到的人，不是在騙你就是在騙自己。我們追求的是另一件事：當判斷錯誤時，系統仍能存活。
這是 Miyama Capital 一直強調的容錯系統思維。我們不問這個策略的勝率是多少，我們問的是：如果這個策略錯了，我們會損失多少？損失是否在可承受範圍內？系統能不能在錯誤發生後自我修正？
Multi-Agent 架構提供的正是這種容錯性。
單一 Agent 追求一次做對。它沒有檢查機制，沒有冗餘設計，錯了就是錯了。但多個 Agent 協作的系統不一樣。寫作 Agent 可能會犯錯，但審查 Agent 會抓出來。數據 Agent 可能會遺漏，但整體系統還有其他防線。
這就像飛機的設計。商用客機不會只有一套液壓系統，它會有兩套甚至三套。不是因為設計師不相信每套系統的品質，而是因為在高風險環境下，冗餘是唯一可靠的安全保障。
⚠️ 這裡有一個容易被忽略的重點：冗餘不是浪費，而是投資。在 AI 系統中，多跑幾個 Agent 確實會增加運算成本。但如果這能避免一次重大錯誤，投資報酬率是正的。
六、思想實驗：東京不動產分析系統
讓我們做一個思想實驗，把這個架構應用到具體的投資場景。
假設我們要評估一棟東京的公寓是否值得投資。傳統做法是依賴一位全能的日本房產專家。你付他顧問費，他給你一份報告，告訴你該不該買。
但如果我們用 Multi-Agent 的邏輯重新設計這個流程，會長什麼樣子？
我們會需要一組虛擬專家團，每個 Agent 只專注於自己的領域。
第一個是物件估值師。它不看裝潢有多漂亮、格局有多方正，它只計算一件事：積算評價。這是日文 Sekisan Value 的直譯，也是日本銀行最看重的估值方式，算的是土地持分加上建物重置成本。它的眼裡只有冷冰冰的資產價值，不受市場情緒影響。
第二個是融資分析師。它專注於計算淨利差，也就是租金投報率減去借貸利率。它會研究銀行鑑價與實際成交價的落差，尋找槓桿空間。它還會分析不同銀行的貸款條件，找出最優的融資組合。
第三個是風險評估官。它只在意兩件事：這棟樓是否符合 1981 年後的新耐震基準，以及是否位於災害潛勢區。日本的銀行在放貸時，會要求建築物的 PML 值低於一定門檻（PML 是 Probable Maximum Loss，可能最大損失的意思，具體門檻因銀行而異）。風險官的工作就是確保我們不會買到一棟銀行不願意借錢的建築。
第四個是稅務架構師。它思考的是持有結構對應的法定耐用年限。日本的折舊規則很特別，木造與鋼筋混凝土的年限差很多（具體數字依日本稅法規定），這會直接影響稅務規劃。它還要考慮跨境持有的 CFC 風險、未來的遺產稅安排。
每個 Agent 只需要在自己的領域做到極致。物件估值師不需要懂稅法，稅務架構師不需要懂耐震結構。但它們的產出會彙整成一份決策矩陣，讓我們看到每個角度的評估結果。
這和傳統的全能顧問模式有什麼差別？
差別在於透明度和可追溯性。當全能顧問給你一個建議說可以買，你很難知道他是怎麼得出這個結論的。他的腦袋是黑箱。但在 Multi-Agent 系統裡，每個 Agent 的分析都是獨立的、可檢驗的。如果最後決定不買，你可以清楚知道是因為耐震結構不合格、還是因為稅務架構有風險。
這種透明度，對於需要向 LP 解釋決策邏輯的投資公司來說，價值非常大。
七、邊界問題：協調成本與資訊損耗
但這裡有一個真實世界的問題，也是學術界較少探討的：當角色分得越細，Agent 之間的溝通成本就越高。
這和管理一家公司沒有兩樣。
經濟學家 Ronald Coase 在 1937 年發表了一篇文章 The Nature of the Firm，問了一個問題：為什麼企業會存在？如果市場這麼有效率，為什麼不是每個人都當自由工作者，透過市場交易來協作？
他的答案是交易成本。在市場上找到合適的合作對象、談判條件、簽訂合約、監督執行，這些都需要成本。當這些交易成本高於企業內部的協調成本時，把人聚在一起組成公司就有意義。
反過來說，當企業內部的協調成本高於外部交易成本時，企業就會開始外包、縮編。
Multi-Agent 系統面臨一樣的邊界問題。
每增加一個 Agent，資訊在傳遞過程中就會產生損耗。物件估值師的分析要傳給稅務架構師，稅務架構師的建議要傳給融資分析師。每一次傳遞，原始的細節、前後文、不確定性，會逐漸流失。
比如說，物件估值師在分析時可能注意到某個數字有點奇怪，但因為不影響結論就沒特別標記。這個細節傳到下一個 Agent 時就消失了。等到最後出問題，你回頭追查才發現，關鍵線索早就被丟掉了。
更麻煩的是衝突。稅務架構師可能建議用某種持有結構來節稅，但這個結構可能讓融資分析師借不到錢。風險官可能因為一個小瑕疵建議放棄整個案子，但這個瑕疵在物件估值師看來根本不影響長期價值。
當每個 Agent 都只優化自己的目標函數，整體系統可能陷入癱瘓。這和真實公司裡的部門衝突是一樣的道理。
⚠️ 所以問題不是越多 Agent 越好。問題是：最適分工的邊界在哪裡？
這個甜蜜點不是固定的。它取決於任務的複雜度、可用的資源、對錯誤的容忍程度。一個簡單的任務可能用單一 Agent 就夠了，硬要分開反而增加不必要的複雜性。一個高風險的決策可能需要更多的檢查機制，即使協調成本很高也值得。
八、情境推演：這套系統什麼時候會壞？
既然我們在談容錯，就應該誠實面對這個系統可能失效的情境。
Base Case：正常運作
任務複雜度中等，Agent 數量控制在 3-5 個，每個角色的邊界清楚。審查 Agent 能抓出大部分邏輯錯誤，數據 Agent 能驗證關鍵數字。協調成本存在但可控，整體產出品質穩定優於單一 Agent。
這是我們目前大部分時候的狀態。
Stress Case：協調成本開始吃掉效益
當任務複雜度上升，我們本能地想加更多 Agent。但加到某個臨界點後，Agent 之間的資訊傳遞開始出問題。審查 Agent 收到的版本和寫作 Agent 產出的版本有落差，數據 Agent 驗證的數字和最終文章裡的數字對不上。
我們花在協調上的時間開始超過實際產出的時間。這時候應該停下來，重新思考分工邏輯，而不是繼續加 Agent。
Failure Case：系統性盲點
最危險的情況是：所有 Agent 都犯了同一個錯誤，但因為它們用的是同一個基礎模型、讀的是同一批資料，沒有任何一個 Agent 能發現問題。
比如說，如果原始資料本身就是錯的，三個 Agent 都會基於錯誤的前提去推論。審查 Agent 會認為邏輯沒問題（因為在錯誤前提下邏輯確實合理），數據 Agent 會認為數字沒問題（因為它驗證的是錯誤資料的內部一致性）。
這種系統性盲點，只有人類介入才能打破。這也是為什麼我們堅持最終決策權在人。
九、配置備忘錄：我們怎麼分配資源
基於過去半年的實驗，我們內部對 AI 輔助系統的資源配置有幾個原則。
一、簡單任務不分工。如果一個任務用單一 Agent 就能做好，不要為了用新方法而硬切成多個角色。分工有成本，不是免費的。
二、高風險決策必須有獨立審查。任何會影響資金配置的分析，至少要有一個審查角色。這個審查 Agent 的 Prompt 要和寫作 Agent 完全不同，最好連語氣都設定成對立的。
三、控制 Agent 數量在 3-5 個。超過這個數字，協調成本會急劇上升。如果任務複雜到需要更多角色，應該考慮把任務本身切成幾個獨立的子任務，而不是在同一個流程裡塞更多 Agent。
四、保留人類檢查點。不是每一步都需要人介入，但關鍵節點必須有。我們的做法是在初稿完成後、最終定稿前各設一個人類檢查點。
五、定期檢視失敗案例。每個月回顧一次系統錯誤，分析是哪個環節出了問題，然後調整 Prompt 或流程。這是持續改善的關鍵。
六、運算成本當作保險費。多跑幾個 Agent 確實會增加成本，但我們把這筆錢當作保險費而不是浪費。一次重大錯誤造成的損失，遠超過幾個月的運算費用。
十、最後的防線：人機協作
最後一點，也是最重要的一點。
無論系統多精密，我們始終相信最終決策權在人。
AI 的角色是壓縮資訊、標記盲點、提供不同角度的挑戰。在那個東京公寓的例子裡，AI 可以告訴我們積算價格被低估了、耐震結構有疑慮、稅務架構有優化空間。但它無法替我們決定承擔這個風險是否值得。
這不是技術限制。以現在的技術，我們完全可以讓 AI 自動做出最終決策。但我們選擇不這樣做。
原因很簡單。當你管理的是自己的錢、LP 的錢、家族的錢，你需要能夠為每一個決策負責。當市場崩盤、當投資虧損、當需要向人解釋為什麼這樣做時，你不能說這是 AI 決定的。
按下按鈕的，永遠是人。這不是技術限制，而是身為資本配置者的責任。
AI 是工具，是非常強大的工具，但它終究是工具。好的工具讓你的判斷更精準、讓你的盲點更少、讓你犯錯的代價更低。但判斷本身，那個在不確定性中做出選擇的行為，永遠是人的工作。
十一、我們還在探索
這些想法還很粗糙。
我們不確定現在的架構是不是最優解。我們不確定分工的邊界畫得對不對。我們不確定協調成本的問題有沒有更好的解法。
但有一件事我們比較確定：追求一個超級 AI 來解決所有問題，這條路走不通。不是因為模型不夠強，而是因為這個思路本身就有問題。
複雜問題需要複雜系統來處理。而複雜系統的設計，不是堆砌更多算力，而是建構合理的架構、分工、檢查機制。
這和投資的道理是一樣的。我們不追求找到那一個完美的標的，我們追求建構一個即使判斷錯誤也能存活的系統。我們不追求預測準確率，我們追求容錯能力。
最適分工的邊界在哪裡？我們還沒有標準答案。
但至少，我們開始問對問題了。
五年後回頭看這篇筆記，應該會很有意思。
本內容為內部技術筆記，不構成投資建議。文中東京不動產分析為思想實驗，非實際產品或服務。
參考資料
1. Du, Y., Li, S., Torralba, A., Tenenbaum, J.B., & Mordatch, I. (2023). Improving Factuality and Reasoning in Language Models through Multiagent Debate. arXiv:2305.14325
2. Hong, S., et al. (2023). MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework. arXiv:2308.00352
3. Li, G., et al. (2023). CAMEL: Communicative Agents for “Mind” Exploration of Large Language Model Society. arXiv:2303.17760
4. Coase, R.H. (1937). The Nature of the Firm. Economica, 4(16), 386-405.
5. Huang, J., et al. (2023). Large Language Models Cannot Self-Correct Reasoning Yet. arXiv:2310.01798
