同質綠燈 v0.1

——為什麼多 Agent、多 Reviewer 與多輪驗證仍可能一起看錯

English Title: Homogeneous Green: Why Multi-Agent Review Does Not Guarantee Multi-Perspective Validation
系列：《綠燈錯置：AI 操作意圖不對齊與完成失真》08 / 08
作者： Neo.K × AI 協作
版本： v0.1
日期： 2026-09

機構： EveMissLab／一言諾科技有限公司

摘要

多 Agent 系統常被直覺視為單 Agent 的天然補強：一個 Agent 寫、另一個 review、第三個驗證。然而，如果多個 Agent 共享相同模型、相同 context、相同 specification、相同工具、相同 validator、相同 role prior 或相同 observation policy，它們的判斷可能高度相關。此時「多人同意」只代表多次重複同一投影，而不代表獨立驗證。

本文將此現象稱為同質綠燈（Homogeneous Green），並提出：

\boxed{ \text{Multi-Agent Simulation} \neq \text{Multi-Perspective Independence} }

真正需要的是 heterogeneous projection coverage，而不是單純增加 Agent 數量。

1. Reviewer 數量不是獨立性的度量

若有 $n$ 個 Agent：

A_1,A_2,\dots,A_n,

但全部使用相同 projection：

O_k,

則：

A_i \xrightarrow{O_k} Judgment_i.

即使：

\forall i, Judgment_i=PASS,

也只表示：

PASS(O_k(X)).

不表示：

PASS(X).

2. Common-Mode Failure

多 Agent 的最大隱患之一是 common-mode failure。

令每個 Agent 的 error 為：

e_i.

如果：

Corr(e_i,e_j)\approx1,

增加 Agent 數量不會同比降低 failure probability。

造成相關性的來源包括：

same foundation model；
same prompt framing；
same retrieved context；
same specification；
same test suite；
same coding conventions；
same role labels；
same missing modality；
same mistaken premise。

3. Role 名稱不創造獨立視角

把同一模型依序命名為：

Architect
Implementer
Reviewer
QA
Security Reviewer

不保證：

O_{Architect} \neq O_{Implementer} \neq O_{Reviewer}.

如果它們仍讀同一批檔案、跑同一 tests、沒有新的 evidence carrier，則可能只是：

\boxed{ \text{RoleLabelDiversity} \gg \text{ObservationDiversity} }

4. 真正的異質性至少有五種

4.1 Perspective Heterogeneity

不同專業問題：

O_{UX},O_{architecture},O_{security},O_{runtime},\dots

4.2 Modality Heterogeneity

不同 evidence：

\text{text},\text{image},\text{video},\text{audio},\text{trace},\text{metric}.

4.3 Instrument Heterogeneity

不同觀察工具：

unit tests；
runtime logs；
browser interaction；
profiler；
schema checker；
static analysis。

4.4 Causal Heterogeneity

不同因果層：

\text{Instance} \rightarrow \text{Pattern} \rightarrow \text{Architecture} \rightarrow \text{Substrate}.

4.5 Authority Heterogeneity

Builder、Verifier、Intent Owner 與 Promotion Authority 不應自動合一。

5. Independent Evidence 比 Independent Voice 更重要

第二個 Agent 說：

Looks good.

不構成獨立證據。

更強的驗證是第二個 Agent 取得第一個 Agent沒有使用的新 evidence：

E_2 \not\subseteq E_1.

如果新 evidence 可以區分原 projection 無法區分的狀態，則：

I(E_2;X\mid E_1)>0.

這才有新增驗證價值。

6. Twin / Reviewer 何時應該介入

不是永久 multi-agent debate。

應提高治理深度的典型情況：

high-risk promotion；
shared canonical schema change；
repeated same-class failures；
irreversible action；
cross-boundary uncertainty；
missing independent evidence；
expert-level surprise；
architecture/substrate suspicion。

低風險、可逆、局部且 deterministic 的修改不需要永久多 Agent 儀式。

7. Heterogeneous Projection Coverage

令可用 observation operators：

\mathcal O = \{O_1,\dots,O_m\}.

一次 verification episode 啟用集合：

\mathcal O_t^* \subseteq \mathcal O.

我們真正關心的不是：

N_{agent},

而是：

\boxed{ Coverage_{hetero} = \operatorname{DistinctInformation} ( \mathcal O_t^* ) }

以及它是否覆蓋當前 uncertainty 與 risk boundary。

8. 從 failure theory 到方法論

到此，本系列得到一個更上游的診斷：

\boxed{ \text{Green lights can certify projections rather than the macro-object.} }

因此下一步不能只是：

多加 verifier。

而必須問：

真正的宏觀對象是什麼？
當前 Agent 看到的是哪個投影？
還有哪些 observation operators 存在？
哪一個新的 operator 可以提高辨識解析度？
如何在不爆 token 的情況下動態取得必要 evidence？
如何判定跨視角與宏觀整體已 closure？

這六個問題構成下一系列的方法論入口。

9. 系列總結

第一系列可以壓縮為：

\boxed{ \text{Success Signal} \neq \text{Completion} }

\boxed{ \text{Local Closure} \neq \text{Global Closure} }

\boxed{ \text{Process Density} \neq \text{Progress} }

\boxed{ \text{Agent Count} \neq \text{Perspective Diversity} }

最後得到：

\boxed{ \text{A system may be rigorously validating the wrong projection.} }

第二系列將把這個 failure diagnosis 轉為一套新的正向方法：宏觀個體導向的動態全域觀察。