三个臭皮匠，顶个诸葛亮：让便宜模型协同工作

我思考 AI 架构时，经常回到一句中文老话：

三个臭皮匠，顶个诸葛亮

字面意思是，三个普通皮匠加起来可以顶一个诸葛亮。诸葛亮是三国时期的传奇谋士，后来几乎成了”超凡智慧”的代称。这句话真正讲的不是皮匠，而是视角汇聚。三个普通人如果协调得好，可以和一个天才竞争。

当 token 成本成为架构讨论的一部分后，这句话突然变得非常实际。

很长一段时间里，遇到困难 AI 工作流，默认答案很简单：用你负担得起的最强模型。跑 Sonnet，跑 Opus，跑最好的 GPT。如果输出漏东西，就加更多指令。最后提示词变成一大团：需求、示例、边界情况、日志、约束，还有一堆“请小心”全塞进一个请求里。

它看起来合理。但这也是便宜模型开始撑不住的地方。

巨大提示词陷阱

Haiku 级别的小模型很有用。它们快，便宜到可以反复调用，也擅长窄任务。但它们不是缩小版的 Opus。

和 Sonnet 相比，小模型更容易漏掉长提示词里的第二、第三个约束。它可能遵守主指令，却忘掉例外。和 Opus 相比，差距更明显：长线规划、冲突解决和自检能力都弱一些。当它犯下一个看似合理的错误时，它常常会把错误包装得更像回事，而不是发现错误。

这并不意外。错误不在于 Haiku 会漏东西，而在于我们把工作流设计得好像它不该漏。

第一步改进：把任务和规则分开

我学到的第一个修正非常简单：不要把所有东西都塞进用户提示词。

清晰的系统提示词会改变任务形状。系统提示词定义角色、优先级、约束、输出规范和评估标准。用户提示词承载具体的任务内容。这个分离很重要，因为模型不必再猜哪些是永久规则，哪些是一次性数据。

对弱模型来说，这个差别很大。聚焦的系统提示词像护栏一样先限定判断方式。例如：“你是需求审计者。只检查缺失的验收标准。以 JSON 返回发现的问题。”这比在一段很长的提示词第十二段里写“也请像需求审计者一样工作”更容易执行。

原因很具体：小模型同时处理指令的带宽更小。当规则、示例、数据和期望输出混在一起时，模型必须把注意力摊开。系统提示词先锚定行为，再让任务数据流过它。

这不会让弱模型突然变聪明，但会让任务变窄。

真正的架构：三个皮匠

专业答案不是“写一个更好的巨大提示词”，而是“别让一个会话同时扮演所有职业”。

把工作拆开。

一个会话检查需求，另一个找边界情况，第三个抽取事实，下一个找矛盾，最后一个重写语气。每个会话都有自己的系统提示词和窄任务提示词。它们不需要都是诸葛亮，只需要在自己负责的小角落足够可靠。

然后用一个最终综合会话合并结果。

这就是谚语变成架构的地方。三个职责明确的小模型，可以覆盖比一个过载模型更大的表面积。提升不是来自假装弱模型很强，而是减少每个模型可能忘掉的事情数量。

当子任务相互独立时，并行很有用：安全评审、UX 评审、成本评审、事实抽取。当一个输出会变成下一个输入时，链式处理更合适：分类、抽取、验证、总结。不管哪种方式，关键动作都一样：把一个宽泛判断，换成多个狭窄判断。

中心辐射式版本

还有一个我喜欢的模式：中心辐射式。

一个会话担任编排器。它不直接解决整个问题，而是决定哪个专门智能体应该检查哪一部分。它只传递相关上下文，收集回复，并在输出冲突时追问。最后再综合答案。

当工作不是干净流水线时，这个模式很有用。真实任务很乱。审查智能体可能发现缺失需求，缺失需求又需要回到规划智能体。成本智能体可能反对当前架构。编排器让状态继续流动，而不要求每个专门智能体理解整个世界。

诀窍是保持编排器诚实。它应该传结构化摘要，而不是含糊感觉。它应该保留分歧，而不是把分歧掩盖过去。当外围智能体给出冲突答案时，最终综合应该说出来，或者升级给更强模型。

便宜模型在这里有用，因为它们变成传感器。每个模型从一个特定角度观察。编排器不需要它们完美，只需要足够的覆盖面，让重要遗漏更不容易发生。

最后一个旋钮：温度

温度不能治好弱推理，但它是让流水线少一点混乱的最简单旋钮之一。

对于抽取、验证、分类、综合和评审，我希望温度低。可预测性比新奇更重要。如果相同输入每次产生不同模式或不同判断，工作流会很难调试。

对于创意工作，我会调高它。命名、头脑风暴、比喻、初稿文案、视觉想法，这些任务受益于变化。我不希望模型每次都返回最安全的平均答案。

错误在于所有地方都用同一个温度。架构任务需要不同模式。检查合规的专门智能体应该无聊；提出博客标题的专门智能体可以松一点；编排器通常应该保守。

这就是我反复学到的课：不要把所有精力放在寻找一次完美模型调用上。设计工作，让不完美的调用仍然有用。

三个皮匠不会神奇地变成诸葛亮。但如果每个人都知道自己该看什么，并且有一个冷静的角色把结果合起来，系统就可以惊人地接近。