当多个模型参与时，AI代理感觉更加可靠

我在尝试代理风格工作流时注意到一件事：依赖单一模型往往会带来隐藏的置信度问题。一个回复可能听起来非常令人信服，直到另一个模型以完全不同的推理方式处理完全相同的任务。因此，我一直在尝试使用askNestr作为轻量级多模型层，在更深层次编排之前。让我惊讶的是，模型之间的分歧往往比最终合成的答案更能提供信息，因为它们立即揭示了不确定性和推理差距。这让我思考，未来的代理系统是否会更多地依赖跨模型共识和分歧检测，而不是孤立的单模型链。好奇这里是否有人在构建代理工作流时看到了类似的模式。