神經式編排：當多個 AI 像一支團隊互相討論

把多代理人系統想像成一場會議：架構師提方向、開發者寫代碼、審查員挑毛病。拆解 OpenClaw 如何讓四個 LLM 彼此對話，把交付週期從 12 小時壓縮到 15 分鐘。

為什麼是神經式？

傳統工程流程是一條流水線：產品 → 設計 → 工程 → 測試。每一段的輸出是下一段的輸入。問題很明顯 ——錯誤越晚發現，修正成本越貴。

而一支真正高效的團隊不是流水線，是一張神經網。四個人在同一張白板前，邊畫邊吵、邊吵邊改。我們把這種動態搬到 AI 代理人身上，讓四個 LLM 彼此之間可以即時對話、質疑、回退。

「神經式」不是比喻。每個代理人之間的訊息傳遞，都像突觸一樣雙向、可抑制、可強化。

四個代理人的職責

我們把一個功能從想法到上線所需的角色，壓縮成四個代理人：

• 架構師 (Architect) — 拆解需求、提出系統分層、產出 API 草稿。
• 設計師 (Designer) — 設計 prompt schema、資料格式、對話流程。
• 開發者 (Developer) — 產出 n8n workflow、調用外部 API、實際跑通。
• 審查員 (Reviewer) — 跑測試、找漏洞、做安全稽核。

審查員不是最後一關，而是持續在場。只要任何代理人產出內容，審查員就會低延遲地發出反饋。

代理人之間怎麼說話

每個代理人都維護自己的 context，透過一個中央 orchestrator 交換訊息：

{
  "from":    "DEVELOPER",
  "to":      "REVIEWER",
  "intent":  "request_review",
  "payload": { "code": "...", "test_ids": [12, 14] },
  "confidence": 0.82
}

特別注意 confidence 欄位。當代理人對自己的輸出不夠有信心，它會主動廣播給其它代理人徵詢意見。

實戰：從需求到部署

• 00:00 — 架構師收到需求，15 秒內提出三層架構草稿。
• 00:02 — 設計師並行產出 intent schema。
• 00:05 — 開發者拉起 n8n workflow，掛上 LINE trigger + Wren.ask() 節點。
• 00:09 — 審查員跑完 12 組真實提問，通過 11/12。
• 00:13 — 架構師接住 review 意見，補上 rate-limit。
• 00:15 — 所有代理人 ACK，部署上線。

踩過的五個坑

1. 代理人過度禮貌：LLM 預設會避免衝突。必須明確給審查員「質疑的義務」。
2. 上下文爆炸：四個代理人交叉對話會快速撐爆 token。解法：分層壓縮、只保留摘要。
3. 無限 loop：加了 max_iterations = 5 截止。
4. 幻覺互相說服：引入外部事實 retrieval 打破迴圈。
5. 人類看不懂決策路徑：寫了 orchestrator.log viewer，讓人類能回溯每一輪。

總結

神經式編排只是把「一個好團隊會怎麼運作」這件事，用結構化的方式寫進 LLM 的協作協定裡。結果就是：同樣的產出品質，用更少的人、更短的時間達成。