大語言模型驅動之多代理人系統與群體決策機制
本段落深入探討如何利用大型語言模型（LLM）建構具備高階認知與協作能力的多代理人（Multi-Agent）系統。課程首先介紹多代理人架構的核心優勢，說明如何透過角色扮演（Role-playing）與任務分工，將複雜的巨型任務拆解給多個專屬代理人共同協作完成。接著，課程聚焦於提升群體決策品質的前沿技術，詳細解析「思維鏈（Chain of Thought, CoT）」、多視角思維與辯論機制（Debate/Discussion），展示代理人之間如何透過質疑、修正與共識整合，克服單一模型容易產生的幻覺與偏見。最後，本章節將引導學員認識當前主流的開源開發工具與協作框架（如 AutoGen、CrewAI 等），並思辨多代理人系統在實際布署時所面臨的 Token 消耗成本、無限迴圈瓶頸與多任務調度挑戰，為建構自動化智慧工作流奠定深厚基礎。