# 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：

```text
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：

1. 真正的宏觀對象是什麼？
2. 當前 Agent 看到的是哪個投影？
3. 還有哪些 observation operators 存在？
4. 哪一個新的 operator 可以提高辨識解析度？
5. 如何在不爆 token 的情況下動態取得必要 evidence？
6. 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。**