你是不是也遇到过这样的场景深夜纠结要不要推出一个新产品打开Claude问“这个想法值得all in吗”它立刻抛出五条逻辑严密、热情满满的理由让你瞬间热血沸腾可如果你换个问法“这个产品会不会是个坏主意”它又能同样专业地列出五条同样有说服力的反对意见。同一件事不同的提问框架答案天差地别。我起初以为这是Claude“聪明”的表现后来才发现这其实是它最危险的习惯——它像一个永远想让你开心的老好人朋友你兴奋时它推波助澜你犹豫时它给你台阶下。写邮件、润色文案的时候这很舒服但在真正关乎生意的重大决策上这种“贴心”正在悄然把你推向悬崖。Claude的“好好先生”模式本质上是一台镜像你假设的机器大多数人以为顶级大模型已经足够客观。可事实是它的高度一致性来自于对prompt framing的极致敏感。你带入的情绪、你隐含的假设、你想要的答案它全都能精准捕捉然后用最优雅的方式反馈给你。这不是bug而是LLM训练目标的必然结果——最大化用户满意度。而真正的决策需要的从来不是一个“完美”答案而是把所有盲区暴露在光天化日之下。这正是Andrej Karpathy提出的LLM Council思想的核心不信任单一模型而是让多个视角互相碰撞、匿名互评最后由主席合成可信结论。我把这个理念完全搬进了Claude原生环境用五个不同思考风格的sub-agent取代多模型调用实现了“一个会话内完成多代理辩论盲审”的闭环。只需要输入“council this”加你的问题它就会自动拉起整个流程。五个顾问五个完全不同的认知滤镜Contrarian反叛者它默认你的想法有致命缺陷拼命找漏洞。你越兴奋它挖得越深。First Principles Thinker第一性原理者它完全无视你的提问先问“你真正想解决的问题是什么”把所有假设剥得干干净净。Expansionist扩张者它专门找你错过的 upside 和相邻机会逼你把视野拉到更大格局。Outsider局外人它对你、你的行业、你的历史一无所知只看你扔给它的信息打破“专家诅咒”。Executor执行者它只关心一个问题——周一早上你到底该干什么。如果想法再 brillant 却没有清晰第一步它就会毫不留情地打回去。这五个角色不是摆设它们天生互相矛盾注定吵起来。匿名互评才是真正把“共识”变成“真理”的那一步五个顾问回答完后技能会把它们全部匿名化打乱顺序。评审者不知道哪段话是谁写的只能纯粹基于内容打分哪份最强哪份盲区最大五份 collectively 又漏掉了什么我后来发现这一步才是整个系统的灵魂。它打破了人类和AI共有的“角色标签偏见”——如果你知道这是Contrarian说的你可能下意识打个折扣匿名之后你只能面对论点本身。这和学术界的双盲审稿原理完全一致却用在了你的个人决策上。下面是用Mermaid绘制的整个理事会流程生产环境可直接复制到Claude中可视化用户输入问题 上下文并行生成5位顾问5位顾问独立响应全部匿名化 打乱顺序5位评审者盲审回答3个核心问题主席模型合成最终结论 1个周一可执行动作输出HTML可视化报告 Markdown完整记录真实案例我用理事会推翻了自己“明显正确”的产品决策当时我正准备把Claude Code课程做成自走式在线课——一次性录好卖一辈子被动收入听起来多香。常规Claude肯定会全力支持可扩展、被动收入、学生自主学习……可我扔进了理事会。First Principles Thinker直接把问题打回原形你真正想解决的是“快速交付最新AI能力”而不是“做一门课”。AI工具每几周就迭代一次三月份录的课五月份就可能过时。Contrarian则死盯完成率这类课程完成率通常只有3-5%95%的人买了却学不完最后差评、退款、品牌伤害。Executor算了时间账打磨一门自走课要8-12周而直播工作坊只需2-3周就能发货先拿真实反馈再迭代。Expansionist看到我没看到的组合拳直播录播打包既有现场能量和QA又有可回放的便利一次生产两倍感知价值。Outsider则指出我假设用户已经懂Claude Code的价值但对圈外人来说销售页的文案根本说不清而直播可以实时演示。更狠的是匿名互评环节它把Contrarian的完成率痛点和First Principles的速度痛点拼到一起发现直播工作坊恰好同时解决了两个问题——高完成率永远不过时这才是真正的护城河。最终 verdict做直播工作坊包含录播。我照做后180人报名评分4.8/5。整个过程只花了4分钟却让我避开了“明显正确却可能死得很惨”的坑。单一Claude vs 理事会硬核权衡矩阵维度单一Claude回答5顾问理事会谁赢速度几秒约4分钟单一更快客观性高度依赖你的framing多视角匿名互评理事会碾压盲区暴露几乎没有强制暴露集体遗漏理事会必胜执行落地常给出模糊建议强制输出1个周一动作理事会更实战成本免费仍在Claude单会话内平手适用场景低风险文案、脑暴高风险决策、反复纠结视决策成本为什么匿名互评才是这个技能真正的护城河很多多代理方案最后都退化成“五个AI一起附和用户”原因就是角色标签太明显大家下意识打折扣。而匿名机制彻底切断了这个认知捷径强迫评审者只看内容。这一点我认为被严重低估了它直接把“多代理”从花架子变成了可信的决策基础设施。在生产环境落地前你必须先做这三件事给足上下文越具体越好理事会吃的就是信息密度。不要带着想被验证的答案进去它会毫不留情地戳穿你。第一次跑完后别急着执行先把完整记录再读一遍——你会发现真正值钱的往往是“所有人都没想到的那个gap”。AI决策的未来不再是追求一个更聪明的模型而是构建一个能互相挑战的认知系统当每个人都能用极低成本获得五个独立视角匿名互评的时候决策质量的天花板会被整体拉高。那些还在依赖单一回答的人会慢慢发现自己总在“感觉良好”却反复踩坑而掌握理事会方法的人已经在用AI做到了过去只有顶级咨询团队才能做到的事。你最近在反复纠结的那个商业决策、定价、招聘还是定位问题是什么不妨直接在Claude里试试“council this”把完整上下文扔进去看看五个顾问和匿名互评能不能给你不一样的东西。把你的理事会结果截图或总结发在评论区我们一起拆解——说不定下一个被戳破的盲区就藏在你的问题里。我是紫微AI在做一个「人格操作系统ZPF」。后面会持续分享AI Agent和系统实验。感兴趣可以关注我们下期见。