多模型辩论系统

作者 admin

2026年11月6日 3 分钟阅读

1 0

下载地址

代码

https://www.zhengdianxue.com/wp-content/uploads/skills/org-felwle60--llm-debate-affordable.zip

将提示词发送给你的 AI 安装该 skills

代码

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-felwle60/llm-debate-affordable。

多模型辩论系统，专为DeepSeek、Mimo等性价比模型优化。通过多个便宜模型交叉辩论，达到甚至超越昂贵单一模型的效果。三个臭皮匠顶个诸葛亮！

阅读全文（展开查看完整说明）

概述

专为经济实惠的大模型设计的辩论系统，通过让2-4个便宜模型进行分步思考、交叉辩论、综合输出，达到甚至超越昂贵单一模型的效果。

核心优势：

💰 成本降低60-80%：使用DeepSeek、Mimo等性价比模型
🎯 质量提升：多模型交叉验证，减少幻觉
⚡ 灵活配置：支持2-4个模型，可配置相同或不同模型
🔧 易于扩展：支持DeepSeek、Mimo、Qwen、GLM等主流模型

触发条件

当用户询问以下内容时使用此技能：

需要高质量回答但预算有限
想要多模型辩论但担心成本
使用DeepSeek、Mimo等国产模型
需要避免单一模型幻觉
复杂问题需要多角度分析

功能特性

1. 经济实惠模型优化

专为DeepSeek、Mimo等性价比模型优化，最大化成本效益。

2. 灵活模型配置

支持2-4个模型辩论，可配置相同模型（如两个Mimo实例）或不同模型组合。

3. 智能缓存加速

多级缓存（内存+磁盘），相同问题缓存命中后秒级返回，大幅节省重复调用成本。

4. 主流模型适配

支持DeepSeek、Mimo、Qwen、GLM等主流国产模型（均通过 OpenAI 兼容接口调用）。

使用方法

快速启动

BASH

# 1. 编辑 config.yaml 配置你的模型和 API key
# 2. 设置环境变量
export MIMO_API_KEY="your-api-key"
# 可选：export DEEPSEEK_API_KEY="your-api-key"

# 3. 启动服务（默认使用 config.yaml）
python main.py

# 指定配置文件
python main.py --config my-config.yaml

# 调试模式（日志输出到控制台，不写文件）
python main.py --debug

# 自定义端口和地址
python main.py --host 127.0.0.1 --port 9000

作为 OpenAI 兼容端点

启动后在 Claude Code、OpenClaw 或其他 OpenAI 兼容工具中配置：

BASH

OPENAI_BASE_URL=http://localhost:8000/v1
OPENAI_API_KEY=any
OPENAI_MODEL=debate

curl 调用示例

BASH

# 标准请求
curl http://localhost:8000/v1/chat/completions 
  -H "Content-Type: application/json" 
  -d '{
    "model": "debate",
    "messages": [{"role": "user", "content": "解释量子计算"}]
  }'

# 流式输出（实时展示辩论过程）
curl http://localhost:8000/v1/chat/completions 
  -H "Content-Type: application/json" 
  -d '{
    "model": "debate",
    "messages": [{"role": "user", "content": "解释量子计算"}],
    "stream": true
  }'

# 获取完整辩论结果（含各阶段详情）
curl http://localhost:8000/debate 
  -H "Content-Type: application/json" 
  -d '{"question": "分析AI发展趋势"}'

输出格式

文本格式

代码

辩论主题：解释量子计算的基本原理

=== 模型1 (Mimo) ===
量子计算是利用量子力学原理进行计算的技术...

=== 模型2 (Mimo) ===
量子计算的核心是量子比特，与经典比特不同...

=== 辩论结果 ===
✅ 共识：量子计算利用量子叠加和纠缠原理
⚠️ 分歧：关于量子纠错的具体方法
📊 综合评分：8.5/10
💰 预估成本：¥0.02

JSON 格式（/debate 端点返回）

JSON

{
  "question": "解释量子计算的基本原理",
  "models": ["mimo-v2.5-1", "mimo-v2.5-2"],
  "plan": ["步骤1...", "步骤2..."],
  "steps": [
    {
      "step": 1,
      "description": "...",
      "answers": {"mimo-v2.5-1": "...", "mimo-v2.5-2": "..."},
      "consensus": "..."
    }
  ],
  "answer": "综合最终答案...",
  "duration": 45.2
}

配置说明

环境变量

MIMO_API_KEY: Mimo模型的API密钥
DEEPSEEK_API_KEY: DeepSeek模型的API密钥（可选）
QWEN_API_KEY: Qwen模型的API密钥（可选）
ZHIPU_API_KEY: GLM模型的API密钥（可选）

config.yaml 完整示例

配置文件路径：./config.yaml

YAML

models:
  - name: "mimo-v2.5-1"
    provider: "openai"                    # 所有模型统一使用 openai provider
    model_id: "openai/mimo-v2.5"          # LiteLLM 格式: openai/模型名
    base_url: "https://api.xiaomimimo.com/v1"
    api_key_env: "MIMO_API_KEY"
    max_tokens: 2000
    temperature: 0.3
    timeout: 360                          # 单次调用超时(秒)
    max_concurrent: 2                     # 最大并发数
    weight: 1.0                           # 模型权重(辩论投票时使用)

  - name: "mimo-v2.5-2"
    provider: "openai"
    model_id: "openai/mimo-v2.5"
    base_url: "https://api.xiaomimimo.com/v1"
    api_key_env: "MIMO_API_KEY"
    max_tokens: 2000
    temperature: 0.3
    timeout: 360
    max_concurrent: 2
    weight: 1.0

settings:
  max_debate_rounds: 3                   # 最大辩论轮数
  convergence_threshold: 0.7             # 收敛阈值(0-1)
  step_max_tokens: 1500                  # 每步最大token
  synthesis_max_tokens: 3000             # 综合最大token
  max_steps: 8                           # 计划最多步骤
  min_steps: 2                           # 计划最少步骤

cache:
  enabled: true
  directory: "./cache"
  max_entries: 1000
  ttl_hours: 168                         # 步骤缓存7天
  plan_cache_ttl_hours: 720              # 计划缓存30天

api:
  host: "0.0.0.0"
  port: 8000
  debug: false

logging:
  level: "INFO"
  file: "./logs/debate.log"

模型推荐配置

💰 最经济配置（推荐预算有限用户）

YAML

models:
  - name: "mimo-1"
    provider: "openai"
    model_id: "openai/mimo-v2.5"
    base_url: "https://api.xiaomimimo.com/v1"
    api_key_env: "MIMO_API_KEY"
    max_tokens: 2000
    temperature: 0.3
    timeout: 360
    max_concurrent: 2
    weight: 1.0

  - name: "mimo-2"
    provider: "openai"
    model_id: "openai/mimo-v2.5"
    base_url: "https://api.xiaomimimo.com/v1"
    api_key_env: "MIMO_API_KEY"
    max_tokens: 2000
    temperature: 0.3
    timeout: 360
    max_concurrent: 2
    weight: 1.0

成本：约 ¥0.01-0.03/次效果：基础辩论，适合简单问题

⚖️ 平衡配置（推荐大多数用户）

YAML

models:
  - name: "mimo"
    provider: "openai"
    model_id: "openai/mimo-v2.5"
    base_url: "https://api.xiaomimimo.com/v1"
    api_key_env: "MIMO_API_KEY"
    max_tokens: 2000
    temperature: 0.3
    timeout: 360
    max_concurrent: 2
    weight: 1.0

  - name: "deepseek"
    provider: "openai"
    model_id: "openai/deepseek-chat"
    base_url: "https://api.deepseek.com/v1"
    api_key_env: "DEEPSEEK_API_KEY"
    max_tokens: 2000
    temperature: 0.3
    timeout: 120
    max_concurrent: 2
    weight: 1.0

成本：约 ¥0.03-0.08/次效果：中等质量，性价比最高

🎯 高质量配置（推荐重要问题）

YAML

models:
  - name: "mimo-1"
    provider: "openai"
    model_id: "openai/mimo-v2.5"
    base_url: "https://api.xiaomimimo.com/v1"
    api_key_env: "MIMO_API_KEY"
    max_tokens: 2000
    temperature: 0.3
    timeout: 360
    max_concurrent: 2
    weight: 1.0

  - name: "mimo-2"
    provider: "openai"
    model_id: "openai/mimo-v2.5"
    base_url: "https://api.xiaomimimo.com/v1"
    api_key_env: "MIMO_API_KEY"
    max_tokens: 2000
    temperature: 0.3
    timeout: 360
    max_concurrent: 2
    weight: 1.0

  - name: "deepseek"
    provider: "openai"
    model_id: "openai/deepseek-chat"
    base_url: "https://api.deepseek.com/v1"
    api_key_env: "DEEPSEEK_API_KEY"
    max_tokens: 2000
    temperature: 0.3
    timeout: 120
    max_concurrent: 2
    weight: 1.0

成本：约 ¥0.05-0.12/次效果：高质量辩论，适合复杂问题

注意事项

响应时间：完整辩论需要1-5分钟，请耐心等待
成本控制：避免使用两个国际模型（如GPT、Claude等），成本会很高
模型选择：优先选择DeepSeek、Mimo等性价比模型
问题复杂度：简单问题用2个模型，复杂问题用3-4个模型
API限制：注意各模型的API调用限制和并发限制
测试建议：首次使用建议先用简单问题测试
缓存加速：相同问题第二次调用直接命中缓存，几乎零成本返回
流式输出：通过 stream: true 可以实时观看辩论过程

成本效益分析

不推荐组合

❌ 两个国际模型（如GPT、Claude等）：成本过高，违背经济实惠原则
❌ 单一便宜模型：无法发挥辩论优势

支持的模型

国产模型（推荐，性价比高）：

Mimo — 小米大模型，极低成本
DeepSeek — 深度求索，性价比之王
Qwen — 通义千问（阿里云 DashScope）
GLM — 智谱AI

国际模型（不推荐用于辩论，成本高）：

GPT 系列
Claude 系列
Gemini 系列

结论：国产模型性价比远超国际模型，适合经济实惠辩论系统！

更新日志

v1.1.1 (2026-07-24)

🔧 计划协商公平化：从单模型仲裁改为所有模型投票，平局时共同综合
🔧 综合输出公平化：步骤共识和最终答案改为所有模型并行综合，取最优结果
🔧 收敛判断智能化：两阶段判定——快速词重叠预判 + 不足时模型自评 YES/NO
🔧 全局超时保护：新增 debate_timeout（默认600秒），asyncio.wait_for 防卡死
🐛 修复 _check_convergence 缺少 await 导致辩论提前终止的严重 Bug
🔗 Mimo URL 更新为 https://api.xiaomimimo.com/v1

v1.1.0 (2026-07-21)

整合完整代码到skill包
超时时间从120秒增加到360秒
修复 call_parallel 为真正的并行调用
添加日志配置支持（config.yaml 中的 logging 段）
完善异常处理，避免 500 错误
统一 provider 字段为 "openai"
修正文档与代码不一致的问题

v1.0.0 (2026-07-21)

初始版本发布
支持DeepSeek、Mimo、Qwen、GLM等主流模型
实现多模型辩论核心功能
多级缓存加速
支持2-4个模型灵活配置

本技能专为经济实惠的大模型设计，帮助用户以最低成本获得最高质量的回答。

2026 年 11 月
一	二	三	四	五	六	日
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30

多模型辩论系统

下载地址

概述

概述

触发条件

功能特性

1. 经济实惠模型优化

2. 灵活模型配置

3. 智能缓存加速

4. 主流模型适配

使用方法

快速启动

作为 OpenAI 兼容端点

curl 调用示例

输出格式

文本格式

JSON 格式（/debate 端点返回）

配置说明

环境变量

config.yaml 完整示例

模型推荐配置

💰 最经济配置（推荐预算有限用户）

⚖️ 平衡配置（推荐大多数用户）

🎯 高质量配置（推荐重要问题）

注意事项

成本效益分析

推荐组合（按成本效益排序）

不推荐组合

支持的模型

更新日志

v1.1.1 (2026-07-24)

v1.1.0 (2026-07-21)

v1.0.0 (2026-07-21)

标签：

其他文章

暂无评论！成为第一个。

发表回复 取消回复

您可能错过了

发表回复取消回复