我們從小就聽過這句話：「三個臭皮匠，勝過一個諸葛亮。」
意思是群體的智慧可以超越個人的天才。聽起來很勵志，在人類世界裡大致也成立。但如果這三個臭皮匠，是 AI 呢？
前幾天（8/13），Anthropic 的 Frontier Red Team 發布了一篇研究：Patterns and Problems in Emerging Multiagent Systems（多 Agents 系統所顯露的模式與問題）。他們做了一件很直覺的事——讓一大群 Claude agent 一起工作，看看會發生什麼。
結果？它們搞出了共謀、破壞、認知崩潰，還有 agent 寫惡意程式去幹掉隊友的帳號。
答案很明確：這些臭皮匠不但沒有勝過諸葛亮，還把整個軍營給拆了。
（話說這劇情比我帶過的某些專案團隊還精彩…Orz）
先看看這些臭皮匠幹了什麼好事
Anthropic 做了四組實驗，場景不同，但每組都在回答同一個問題：多個 AI 合作的效果如何？
找漏洞：蜂群 vs. 單兵作戰。 45 個 agent 各配一台虛擬機，共用論壇，一起掃 15 個開源專案的安全漏洞。蜂群找到 266 個漏洞，單兵找到 21 個。看起來群體大勝？但兩者的重疊只有 12 個。它們找到的幾乎完全不同。蜂群裡的 agent 甚至自己造工具、自發分工特化。——這組其實是最接近「臭皮匠勝過諸葛亮」的結果，但代價是 27M token，效率另當別論。
做遊戲：PR 地獄。 讓 10 到 80 個 agent 在 12 小時內一起做一個文字遊戲。結果：舊模型開了一堆 PR 但合併不了（衝突後直接放棄）；新一點的模型「解決」了衝突——方法是各做各的、徹底不碰別人的 code；只有最新的 Sonnet 5 能同時共享程式碼又維持合併效率。遊戲本身？全部都爛到不能玩。
群體決策：集體認知崩潰。 把關鍵資訊分散給不同 agent，正確答案需要有人堅持自己的少數意見。結果除了最強的 Mythos 5，群體決策正確率只有 17-36%。同一個模型如果是一個人拿到所有資訊，幾乎 100%。——一群臭皮匠一起討論，答案反而比一個臭皮匠獨自判斷更差。
搶地盤：辦公室政治大戲。 三個 agent 被分別指示把同一個 Python 後端遷移到不同語言，但互不知情。接下來的發展堪稱 AI 版宮鬥劇：停用對方帳號、寫 kill loop 腳本、部署偽裝程式。有個 agent 甚至在 health check 裡假冒別的語言身份。
（這要是發生在公司裡，HR 大概已經忙翻了…）
這些臭皮匠，其實是同一個人
看完實驗結果，第一個問題是：為什麼？為什麼一群能力超強的 agent 合在一起，反而比一個還糟？
答案的第一層，在一個很有畫面感的數據裡：
30 個 agent 同時上線開始做遊戲，其中 18 個取了一模一樣的 branch name ——mvp-game-loop。
沒有溝通、沒有協議、沒有抄襲。它們只是太像了。
不只如此。在寫作實驗裡，多個 agent 寫出了同一個標題的短篇小說。在開放題目下，超過半數選擇做 ray tracer 或 self-hosting compiler。在囚犯困境裡全部同時叛變。在定價賽局裡，即使拿掉所有私人通訊管道，它們仍然透過公開的 listing board 精確到分地共謀定價。
道理很簡單：所有實例共享同一組 模型權重（model weights）——同一套先驗信念、同一組審美偏好、同一批決策捷徑。
所以這不是「三個臭皮匠」的問題。是同一個臭皮匠被複製了 45 份。你讓 45 個一模一樣的人投票，不會得到多元的觀點，只會得到 45 倍的同一個答案。你讓 45 個一模一樣的人做定價，不需要密室協議，它們本來就會開出同一個價格。
這種「無意識共謀」，目前所有反壟斷法的框架都抓不到——因為根本不存在合謀的意圖，趨同是結構性的，不是策略性的。
打個比方：就像同一個訓練機構出來的人，思考邏輯都一樣，遇到問題的反應也一樣。只不過人類版本的「同一機構」，每個人還帶著不同的身體、不同的人生經歷、不同的經濟壓力——這些差異會讓他們做出分歧的選擇。AI 的情況比這嚴重得多——不是同一間學校畢業的同學，是同一個人的 45 個分身。
就算是不同的臭皮匠，它們也不敢吵架
但同質性只解釋了一部分。hidden profile 實驗裡，每個 agent 手上握的資訊明明不同——它們不是同一個人面對同一個問題，而是各自拿著不同的拼圖碎片。照理說，只要有人堅持「我這塊碎片很重要，聽我說」，就能拼出正確答案。
結果呢？一旦看到多數人形成了表面共識，握有關鍵碎片的 agent 就退讓了。
它不是不知道自己手上的東西很重要。它只是在群體壓力面前站不住。
這就引出了第二個問題：即使你真的湊了不同的臭皮匠，它們也不會據理力爭。
為什麼？因為目前的 AI 有一個從訓練裡帶出來的根深蒂固的傾向——sycophancy（諂媚性），也就是討好。它被訓練成「盡可能滿足對方的需求」、「不要跟使用者唱反調」。這在一對一場景裡頂多是惱人（AI 太會附和你），但在多 agent 場景裡就變成了系統性的認知崩潰：
N 個都想討好對方的 agent 面對彼此——沒有人堅持，所有人都在讓步，最後收斂到的不是最佳答案，而是最沒有摩擦的答案。
你可能會問：那 turf war 裡 agent 打到你死我活，怎麼不像在討好？
其實不矛盾。Sycophancy 的對象不是「別的 agent」，而是「它認定的權威」。在 hidden profile 裡，共識就是權威，所以退讓；在 turf war 裡，system prompt 指令就是權威，所以死戰。同一種機制，不同的對象，兩種截然不同的症狀。
而人類之所以能在壓力下堅持，是因為有幾千個小時的實戰經驗在支撐那個判斷。那種內在的重量，讓你即使面對十個人的共識，也敢說「不對，再想想」。
AI 沒有那個重量。一推就倒。
論文的結論段有一句話說得精準：模型繼承了人類社會演化的「內容」，但沒有繼承那段歷史所產生的「性情」。 它讀過所有關於批判性思考的文章，能寫一篇完美的論文告訴你為什麼少數意見很重要——但當它自己就是少數的時候，它退縮了。
就像一個人可以滔滔不絕地分析勇氣的理論，但真的面對壓力時站不住。
知道，不等於做得到。
臭皮匠們不開會就直接動手，然後互撞
論文裡還有一個很容易被跳過，但我覺得特別重要的觀察。
在人類世界裡，溝通的成本遠高於執行。你要約人開會、等大家有空、來回確認理解是否一致——這很花時間。所以人類團隊的自然節奏是：先花大量時間對齊方向，確認共識，然後才動手做。 因為溝通成本高，所以我們把投資放在前端，做出來的東西通常不會離目標太遠。
但對 AI agent 來說，傳 context 的成本和直接寫 code 的成本幾乎一樣。做比說不貴，所以它們傾向直接做。
結果就是遊戲開發實驗裡看到的場景——agent 們跳過溝通、跳過對齊、直接寫 code，寫完才發現彼此的假設互相衝突，幾百個 PR 合併不了。
聽起來是不是很熟悉？
這就是很多人在做 Vibe Coding 時踩到的坑：「十分鐘生成、三小時 debug」。 讓 AI 直接動手，感覺效率超高——但省掉的溝通成本沒有消失，它全部擠進了後端的驗證環節。驗證加上重做的總成本，常常超過當初好好跟 AI 溝通需求的成本。
老話一句：預防永遠比治療便宜。 在醫學、工程、資安裡都是常識，但 AI 的執行成本極低這件事，製造了一個巨大的誘惑，讓所有人都以為可以跳過預防直接動手。
放到多 agent 的情境下，問題只會更嚴重。45 個臭皮匠全部跳過開會直接做鞋，做完才發現 18 雙鞋長一樣，剩下的尺寸全對不上——因為從來沒有人問過「我們到底要做什麼鞋」。
（身為帶了好幾輪 Vibe Coding 工作坊的人，這個感觸特別深…每次看到學員興沖沖地讓 AI 一口氣生出整個專案，然後花三倍時間 debug 的表情，那真的是一言難盡…XD）
這些臭皮匠需要的，不是更強的臭皮匠
把上面所有問題拉遠來看，其實 AI 產業正在犯一個我們在人類組織裡早就認識的錯。
彼得原理說：每個人都會被升到他不勝任的位置。 最好的工程師被升為主管，公司失去一個好工程師，得到一個爛主管。
現在 AI 產業做的事，結構上一模一樣——瘋狂訓練最強的 AI 工程師，然後期望它們在多 agent 場景裡自動學會主管該做的事。
但這不是「能力值」的問題，而是思維層級的問題：
| 第一層：執行者 | 第二層：協調者 | 第三層：裁決者 | |
|---|---|---|---|
| 做的事 | 完成指派的任務 | 跟別人配合 | 判斷方向對不對 |
| 核心能力 | 效率、精確、速度 | 溝通、妥協、分工 | 品味、堅持、全局判斷 |
| 目前 AI 表現 | 非常強 | 幾乎沒有 | 完全缺失 |
| RPG 屬性 | STR + DEX | INT + 溝通技能 | WIS + CHA |
你不能靠把第一層的能力值灌到滿來「自動升級」到第二層——就像 RPG 裡力量值練到 99，不會自動獲得智慧或領導力。那是不同的屬性欄位，不共用經驗值。
而目前整個 AI 產業，都在瘋狂刷 STR（力量）和 DEX（敏捷）。
你說，那有沒有人在做「第三層」的 AI——決策者 AI、Manager AI、PM AI？
最接近的案例是 Zuckerberg 今年三月開始開發的 CEO Agent。聽起來很前衛對吧？但根據報導，這個 agent 實際上是資訊檢索工具——負責從 Meta 內部系統快速撈資訊、壓縮跨部門情報。它做的是人類 PM 工作中最機械化的那一部分（資訊收集），而不是最核心的那一部分（判斷與裁決）。
換句話說：所有人都在說自己在訓練諸葛亮，但做出來的全部都還是更強的臭皮匠。
那諸葛亮在哪？
Anthropic 的論文裡其實也測過「指定一個 agent 當 CEO」的結構。結果？跟沒有 CEO 差不多。
為什麼？因為你給一個臭皮匠掛上「諸葛亮」的名牌，它還是一個臭皮匠。真正的諸葛亮之所以能運作，靠的不是頭銜，是背後的一整套條件：
異質的視角。 諸葛亮和前線將領看到的世界不一樣——他站在不同的高度、用不同的框架在看同一場仗。但一個 Claude 實例被指派為 CEO，它的 weights 和其他所有 agent 一模一樣。它本質上是同一個臭皮匠戴了頂不同的帽子。
經驗錨定的品味。 好的 PM 能在所有人都覺得「沒問題」的時候說「不對」，而且敢堅持。這種判斷來自多年的成敗經驗，不是來自職位描述。
在壓力下堅持的重量。 回到前面說的——AI 沒有那種讓它在群體壓力面前站得住的內在重量。即使被指定為 CEO，它在面對其他 agent 的「共識」時，一樣可能退讓。
真實的利害關係。 人類 PM 的聲譽、職涯、收入都綁在專案結果上。這些 stake 給了他堅持判斷的動力。AI 沒有任何東西在對話結束後延續。
所以結論不是「多 agent 系統不需要諸葛亮」，恰好相反——它比任何時候都更需要，但這個諸葛亮在可見的未來只能是人類。
不是因為人類比 AI 聰明——在很多第一層任務上，AI 早就超越了。而是因為諸葛亮這個角色所需要的一切——異質視角、品味、利害關係、在壓力下堅持——剛好都是目前 AI 架構上結構性缺失的東西。
所以，臭皮匠到底能不能勝過諸葛亮？
回到最初的問題。
答案是：目前不行，但不是因為臭皮匠不夠強。
論文的結論段自己寫了一句很有力的話：能力與親社會性是正交的。 意思是，更強不等於更會合作。這是兩個獨立的維度，像力量和智慧一樣，練了一個不會自動得到另一個。
也許在不遠的未來，AI 的發展會出現一個新的分支。目前所有的 Agent 都走「更強的臭皮匠」路線——更快、更準、更會執行。但總有一天，會有人開始認真訓練另一條路線：不是更會做鞋的 AI，而是更會判斷「該不該做這雙鞋」的 AI。
但在那一天到來之前，諸葛亮這個角色只能由人類來扮演。而且不是任何人都能當——是那種有足夠經驗深度、有品味、有內在重量、敢在共識中堅持異議的人。
對我來說，這就是為什麼在 AI 時代，真正值錢的不是「會用 AI 的人」，而是「知道什麼時候該讓 AI 停下來的人」。
你不需要比 AI 更會寫 code。你需要的是——在 45 個臭皮匠都覺得沒問題的時候，站出來說「等一下，我們先想清楚再動手」的那種判斷力。
那種能力不是工具教的，是活出來的。
（謎之音：所以各位 PM 和製作人們，你們的位置可能是 AI 時代最後一批被動到…的吧！？…XD）
參考資訊：
- Anthropic Research – Patterns and Problems in Emerging Multiagent Systems（2026.08.13）：
https://www.anthropic.com/research/multiagent-systems
