提高 AI 输出质量的方法

不是靠更强的模型，而是靠更可靠的工作流。

AI 输出质量差，根因往往不在模型本身，而在单次判断没有对手：一个人可能漏看、误判、自洽地错下去。质量靠流程保证，不靠自觉。

核心流程

第一步：双审计

两名审计 AI 同时、独立审计同一范围，各自产出多个可行方案（不是单一方案，不是一份结论）。

单人找问题，找到的是候选；双人独立找，才谈得上交叉。

第二步：多方案

每名审计分别给出多套方案，覆盖不同取舍。方案必须有证据支撑（代码锚点文件:行、真实工具输出），禁止凭空捏造。

第三步：磋商

双审计互相交换报告，重点做两件事：

互查对方未注意点（交叉盲区排查）
防误判（单审可能把缺陷误判为正常，或反之；双人校验降低误判率）

多方案在此碰撞、择优、合并，最终定稿。

第四步：执行

定稿交付执行 AI，只按定稿实现（禁止扩大范围）。

第五步：验证（关键）

执行完成 ≠ 正确。执行 AI 做完任务，必须由两名审计独立验证：

是否命中根因
有无回归/副作用
同型实现是否一致
分支是否完备

验证发现问题 → 回到磋商重新定稿 → 执行 → 验证，循环往复，无次数上限，直到盖章通过。

无问题 → 双审盖章，向主代理报告，任务才算完成。

反馈回路

执行 AI 对审计反馈有异议时，可以双向磋商：执行 AI 向审计 AI 报告，凭证据说服审计即认可。

注意：说服靠证据，不靠捏造。证据 = 真实工具输出、真实代码锚点，不是编造的事实。

流程图

双审计 → 多方案 → 磋商(互查未注意点) → 定稿
│
▼
执行 AI → 完成
│
▼
双审计验证：有问题？
│是 │否
▼ ▼
重新定稿 ◄───── 盖章，向主代理报告
│
▼
执行 AI → 完成（循环）

配套能力

这套流程依赖插件/平台提供的基础能力：

团队：子代理团队工作流
分发：任务派发
解散：团队完成任务后解散、不可见
管理：子代理全动作管理

一句话

质量 = 双人独立审计 × 多方案 × 磋商去误判 × 执行 × 双审盖章，发现问题就循环。

提高 AI 输出质量的方法