Smart
先起草，再由专家裁定。
一个模型生成初始答案。第二个模型对这份草稿进行追问，纠正容易误导的事实，补充推理、示例、类比和不易察觉的洞见，然后亲自撰写最终答案。
初始答案专家审阅最终答案
AI Collaboration
由 AI 团队共同打磨的答案。
单个模型可能说得头头是道，却漏掉了关键。MultipleChat 让每个答案都经过一套团队流程：一个模型先展开推理，另一个模型提出质疑，收集证据，把分歧从正文中单独拎出来，直到薄弱环节都暴露出来，才生成最终答案。
呈现分歧
来源对比
团队推理
最终综合
我的团队
点击模型来分配角色。顺序决定工作流程。
ChatGPT
Claude
Gemini
Grok
协作方式
Smart
Conversation
Ensemble
Co-operative
Debate
Simulation
Expert
Research
ChatGPT -> Claude · Smart
Gemini 负责核实事实，Grok 负责处理分歧。
核心创新
分歧不是需要掩盖的问题，它恰恰就是信号。
单一模型的 AI 往往即使错了，听起来也信心十足。MultipleChat 让分歧变得有价值：提取相互冲突的论断，揭示来源之间的不一致，把推理漏洞从最终答案中分离出来，并且综合阶段必须先正面处理这些冲突，才能得出结论。
事实冲突
模型之间的说法对不上时，把冲突挑出来。
后端会解析分歧块，矛盾不会被埋没在流畅的文字里。
前提冲突
隐藏的不同前提浮出水面。
Debate、Simulation 和 Expert 模式会在最终答案出来之前，暴露出站不住脚的前提。
来源不一致
Research 模式比较的是证据，而不是措辞。
各模型分别独立研究，再以更扎实的来源为依据理清矛盾。
最终裁定
结果不是取平均，而是一个明确的结论。
MultipleChat 在经过质疑、核实和冲突检测之后才进行综合，因此最终答案更值得信赖。
推理层
AI Collaboration 不是一个更好看的聊天窗口，而是为严肃答案打造的全新界面。
是协议，不是提示词
Smart、Research、Debate、Ensemble、Simulation 各自运行在不同的后端流水线上。
感知冲突
分歧、来源、草稿、反馈和轮次，全部一目了然。
一个结论
你得到的是一个经过质疑、证据收集和综合之后形成的最终答案。
为什么团队给出的答案更好
必须经得起另一种智能检验的答案，会变得更好。
如果一个 AI 可能漏掉来源、藏着前提，或者明明错了却很笃定，那么更好的界面就不是更大的输入框，而是一套工作流：在你读到最终答案之前，就让另一个模型把错误揪出来。
光有流畅还不够
单个 AI 只为“给出答案”而优化。
团队工作流则为“经得起质疑的答案”而优化。一旦出错要付出真实代价，这个差别就至关重要。
每个模型的盲点各不相同
多样性本身就是一种质量控制。
模型之间意见分歧的地方，恰好指出了哪里需要更多证据、更清晰的推理和更可靠的前提。
冲突产生信号
最好的答案很少是第一版草稿。
MultipleChat 把第一个答案当作素材，而不是终点。经过起草、评审、核实与综合，结果会更加扎实。
一个答案，更缜密的审查
你得到的依然是一个简洁清晰的最终答案。
不必同时管理五个标签页。MultipleChat 负责整个团队流程，并尽可能附上来源和分歧，交给你一个明确的结论。
实际发生了什么
AI Collaboration 不是把同一条提示词发两遍，而是一套推理系统。
每种模式的编排方式都不同：有的让模型并行运行，有的把一个模型的草稿交给另一个模型，有的让模型相互质疑。Research 模式会让两个模型分别去搜索，比较其中的矛盾，再综合成一个有更扎实依据支撑的答案。
01
选择模型
挑选参与的 AI 模型。每个角色都可能影响下一步，所以顺序很重要。
02
分配角色
在 AI Config 表中决定由谁起草、谁提出质疑、谁来协调、谁负责润色得更自然、谁来核实、谁来提取分歧。
03
选择模式
Smart、Conversation、Ensemble、Co-operative、Debate、Humanize、Simulation、Expert、Research，每一种都会以不同方式改变工作流程。
04
查看结果
最终答案、各模型的回答、来源列表，以及系统揭示的分歧，全部可供查看。
工作原理
后端不只是调用两个模型，而是在执行一套协议。
AI Collaboration 使用按模式划分的异步流水线。界面会把有用的回答文本流式呈现给你，而隐藏的来源块和分歧块会先从实时回复中过滤掉，待完成后再解析，以结构化证据的形式展示。
01
模式决定流水线
Smart、Ensemble、Co-operative、Debate、Simulation、Expert、Humanize、Research 各自调用不同的处理函数，并有各自独特的执行顺序。
02
第一个模型产出工作素材
根据模式不同，这可能是初稿、一份独立回答、一个立场、一个场景设定，或一个研究步骤。
03
另一个模型施加压力
下一个模型可以质疑事实、补充深度、给出反馈、反驳立场、核实论断，或独立开展研究。
04
解析隐藏的证据
来源块和分歧块会从实时流中分离出来，在模型回答完毕后解析为清晰的来源列表和冲突列表。
05
来源自动去重
多个模型返回的来源会按 URL 合并并去重，让最终答案留下更清晰的证据记录。
06
综合出最终答案
最终答案不是对过程的照搬记录，而是经过起草、质疑、证据收集、冲突处理以及按模式综合之后得出的最佳答案。
模式
在运行模型之前，先选择推理协议。
模式不只是一个标签。它会改变答案背后真正的处理流程：起草、质疑、核实、辩论、模拟、研究，直到综合。
Conversation
在草稿基础上加以改进。
第一个模型撰写草稿。第二个模型补足漏洞、清晰度、结构、缺失的细节、示例，以及你指定的协作说明。
Ensemble
并行作答，统一裁定。
两个模型同时独立作答。综合阶段会比较其中最出色的部分，呈现分歧，然后整合成一个答案。
Co-operative
A → B → A 修订。
模型 A 撰写草稿，模型 B 给出具体反馈，模型 A 再吸收最好的建议，修订成最终答案。
Debate
立论、反驳、辩护、结论。
一个模型亮明立场，另一个模型提出反驳。最初的模型可以进行辩护，也可以让步。最终答案采用辩论中最有说服力的论点。
Simulation
先跑场景轮次，再下结论。
模型依次经历设定、反应、结果和收尾阶段，然后把模拟中获得的洞见转化为一个打磨好的答案。
Expert
深度、权衡与影响。
把初步分析扩展到专家级深度，涵盖技术细节、战略影响、实际权衡、来源，以及相关时的分歧。
Humanize
意思不变，文风更像真人。
改写你选中的文本，在保留事实和含义的同时，减少机械化的表达、套路化的结构和千篇一律的 AI 句式节奏。
Research
独立网络研究、矛盾核查、基于来源的结论。
两个模型分别通过网页搜索独立研究。比较阶段找出有来源支撑的真实矛盾。综合阶段以更扎实的来源为依据理清分歧，生成附带引用的最终答案。
并行搜索结果对比理清矛盾附来源的答案
审计追踪
答案送达时，连同产生它的信号一起。
MultipleChat 会保留结论背后的依据。隐藏的来源块会被解析为来源列表，分歧块会从实时流中分离出来单独显示，各模型的回答也可以展开查看。
来源
汇总引用并去重。
Research 和 Expert 流程会从两个模型收集来源，并合并唯一的 URL。
分歧
冲突会被解析出来，而不是被埋没。
模型意见不一时，MultipleChat 会把事实冲突、站不住脚的前提和推理漏洞从最终答案中分离出来展示给你。
追踪
展开查看各模型的回答。
草稿、反馈、辩论立场、模拟轮次和研究结果都可以保存，并在弹窗中查看。
什么时候使用
重要工作，默认使用多模型推理。
单一模型聊天快速、流畅，却容易过度自信，那是过去的标准。AI Collaboration 是更值得信赖的界面，适用于准确性、推理、视角、语气、决策、研究和技术工作。
艰难的决策
要揭示权衡、二阶效应和站不住脚的前提，请使用 Debate 或 Simulation。
研究工作
当时效性和有来源支撑的论断比速度更重要时，请使用 Research。
技术工作
需要审查代码、架构、边缘情况和实现细节时，请使用 Expert 或 Co-operative。
撰写定稿
用 Smart 充实内容；需要自然的节奏和文风时，再用 Humanize。
常见问题
关于 AI Collaboration 的常见问题。
AI Collaboration 和 Compare AIs 有什么不同？
Compare AIs 会把多个回答并排逐一展示。AI Collaboration 则为模型分配角色和推理协议，然后交给你一个整理好的答案，并附上模型记录、来源，以及在可能的情况下呈现的分歧。
模型总是并行运行吗？
不是。Ensemble 和 Research 会并行调用模型。Smart、Conversation、Expert、Co-operative、Debate、Simulation 采用分步流程，一个模型的结果会影响下一步。
能看到每个模型分别贡献了什么吗？
可以。系统会保存草稿、反馈、辩论立场、模拟轮次、独立研究结果等中间回答，供你查看。
应该从哪种模式开始？
大多数任务可以从 Smart 开始。最新事实用 Research，做决策用 Debate，推演场景用 Simulation，追求深度用 Expert，反复改进用 Co-operative，润色文风用 Humanize。