主权智能平台
议会
多代理审议。不是单一模型——而是一个由专业角色组成的编排系统，它们挑战、异议并产生可审计的建议。
为什么单一AI模型在高风险决策中失败
单一模型聊天可能有用，但高风险企业决策因可预测的原因而失败：
- 幻觉风险： LLM自信地生成听起来合理的虚假信息，尤其是在处理边缘案例或不完整数据时
- 单一视角偏见： 在一个数据集上训练的一个模型产生一个观点——它无法质疑自己的假设
- 无内部验证： 没有对抗性挑战，模型会错过第二双眼睛会发现的明显问题
- 不可追溯的推理： 当单一模型犯错时，你无法追踪逻辑在哪里崩溃
- 责任真空： 如果决策失败，谁负责？模型？提示工程师？信任它的高管？
这就是为什么受监管行业限制AI聊天机器人用于关键决策，除非输出是受治理的、可审查的和可证明的。
议会如何运作
议会是一个多代理审议系统，专业AI代理在结构化的回合中辩论您的决策。每个代理都有特定的角色、知识领域和挑战授权。他们分析、辩论和综合，直到达成共识或升级分歧。
注意： 代理是共享可配置模型堆栈的角色（CFO、法务、风险等）；它们不是14个不同的基础模型。您可以配置哪些代理参与以及哪些本地LLM为它们提供动力。
审议过程
当您向议会提交决策时，会发生以下情况：
- 数据摄取： 分析师代理摄取所有相关数据（文档、历史决策、外部信号）
- 初步分析： 专业代理（CFO、CISO、法务、风险）从各自的领域视角独立分析决策
- 对抗性挑战： 红队故意攻击分析，模拟最坏情况和监管阻碍
- 辩论回合： 代理在结构化回合中交换论点，引用您数据中的具体证据
- 异议追踪： CendiaDissent™记录每一个分歧，谁持有什么立场，以及为什么
- 综合： 仲裁者代理权衡所有论点并产生带有可验证决策追踪的最终建议
- 人工审查： 您收到综合、所有异议意见和决策追踪（输入、引用、工具调用、批准）
与单一模型聊天不同，议会旨在暴露和控制不确定性：代理必须引用证据，分歧被保留，输出带有可验证的决策追踪。
📦 您收到的内容（决策包）
每次议会审议都会产生一个可导出的决策包，包含：
📊 建议
- 带置信区间的最终建议
- 关键假设和阈值
- 建议改变的条件
📚 证据引用
- 源文档 + 时间戳
- 每个声明的检索上下文
- 数据来源链
⚠️ 异议日志
- 哪些代理不同意以及为什么
- 各方引用的证据
- 什么会改变他们的立场
🔧 工具调用追踪
- 哪些工具运行了，何时，用什么输入
- 产生的中间工件
- 记录的外部系统调用
✅ 批准
- 人工审查签字
- 通过/失败的策略门
- 升级决策
🔐 完整性
- 运行ID + 时间戳
- 工件哈希清单
- 可选的加密签名（KMS/HSM）
认识代理
真实场景
任务1：并购交易
背景： 您的投资团队想以2亿美元收购一家SaaS公司。财务看起来稳健，但有些不对劲。
结果： 带完整推理链的风险调整报价。您没有多付8000万美元。
任务2：供应链冲击
背景： 您的主要半导体供应商刚刚宣布延迟6个月。30天后生产停止。
结果： 带应急触发器的重新路由策略。生产继续，成本增加5%而非完全停产。
比较：单一模型 vs. 多代理
| 能力 | 单一AI模型 | 议会 |
|---|---|---|
| 对抗性挑战 | 无 | 内置红队 |
| 异议追踪 | 无 | CendiaDissent™ |
| 推理透明度 | 仅摘要 | 完整辩论记录 |
| 幻觉预防 | 提示工程 | 多代理事实核查 |
| 责任 | 不明确 | 代理特定归属 |
| 监管审计追踪 | 提示 + 响应 | 完整审议包 |
当代理不同意时：CendiaDissent™
并非每个决策都能达成一致共识。当代理根本性地不同意时，议会不会隐藏冲突——而是记录它。
CendiaDissent追踪每一个分歧：
- 哪些代理不同意
- 他们持有什么立场
- 各自引用了什么证据
- 为什么无法达成共识
- 需要什么改变才能达成一致
为什么这很重要： 当您的审计员问"在做出这个决定之前有人质疑过吗？"时，您可以提交一份可加密签名的异议记录（客户拥有的密钥 / KMS-HSM集成可用），准确显示提出了哪些担忧、由谁提出、以及为什么被或未被解决。
在高风险决策中，记录的异议不是缺陷——而是尽职调查的证明。
常见问题
这与使用多个ChatGPT提示有什么不同？
用不同角色进行多个ChatGPT提示会给您多个独立答案，但没有辩论、没有综合、没有对抗性挑战。议会代理积极地相互辩论，引用相互矛盾的证据，并强制解决。辩论记录显示分歧发生在哪里以及如何解决——或为什么无法解决。
我可以自定义哪些代理参与吗？
可以。您可以为特定决策类型激活特定代理。并购决策可能使用CFO、法务、风险、红队和仲裁者。产品路线图决策可能使用产品、工程、战略和客户成功。议会适应您的决策背景。
审议需要多长时间？
典型范围：简单决策（批准/拒绝供应商合同）：2-5分钟。复杂决策（带5,000个文档的并购交易）：30-90分钟。实际时间取决于模型大小、上下文长度、检索深度和文档量。
如果议会得出错误结论怎么办？
您有决策追踪，显示哪个代理基于什么证据做出了什么声明。您可以准确追踪逻辑在哪里崩溃，不像单一模型聊天中错误是不透明的。这种可追溯性使审计和审查成为可能。
议会在气隙环境中工作吗？
是的。议会完全在您的基础设施内运行。不依赖供应商云LLM——审议针对您环境中的本地模型（例如Ollama）运行。这对于数据不能离开网络的机密决策或受监管环境至关重要。
⚠️ 限制和诚实披露
本着透明的精神，以下是议会不是什么：
议会不是什么
- 不是人类替代或自动驾驶 — 批准和策略门仍然需要
- 不是确定性的 — 输出可能变化；我们提供可重放的运行ID和证据导出
- 不是"14个独立模型" — 使用可配置的模型堆栈（本地优先），不是14个独立的"大脑"
- 不保证 — 受数据质量、集成和权限限制
- 不是魔法 — 是带证据的治理感知自动化
技术要求
- 推荐本地LLM — 首选GPU（带Qwen 2.5、Llama 3、Mistral的Ollama）
- GPU： 推荐16GB+ VRAM用于响应式多步骤工作流
- 系统： 32GB+ RAM，现代CPU，SSD存储
- 性能因模型大小、上下文长度、检索深度和工具调用而异
何时效果好
- ✅ 结构化场景（定义的约束、结果、阈值）
- ✅ 并购/尽职调查工作流
- ✅ 风险分析和治理审查
- ✅ 基于文档和策略的合规响应
何时可能困难
- ❌ 没有相关证据的新边缘案例
- ❌ 没有策划来源的高度专业化领域
- ❌ 没有实时集成的实时决策
- ❌ 需要人类判断的主观/价值观选择
缓解： 添加来源、定义策略、集成系统、要求批准
结论： 增强人类判断——不替代它。输出附带可导出的决策追踪（输入、来源、应用的策略、批准、运行ID）。
🛡️ 我们如何降低风险
策略门 + RBAC
每一步的基于角色的访问控制和策略执行
证据引用
每个声明的来源归属检索锚定
人工批准
高风险决策的否决权和强制签字
决策导出
带完整审议追踪、运行ID和工件的审计包