背景：多 Agent 並行的根本問題
目前 OpenClaw 支援透過 sessions_spawn 啟動多個 isolated session 並行執行任務。但「並行」解決的是效率問題，沒有解決認知品質問題：
- 多個 Agent 各說各話，沒有對照與辯證
- 輸出是「結果集合」而非「可裁決的決策」
- 單一視角容易過度自洽，忽略反例
這個 issue 提議一套 Roundtable 協議，把多 Agent 並行升級為結構化辯論與決策。
核心設計：四段式 Council Loop
Round 0：主持人定義議題邊界（目標 / 約束 / 成功標準）
│
▼
Round 1：並行首答（A/B/C 各自獨立，不互相引用）
│
▼
Round 2：匿名互評（只評觀點，不看身份）
│
▼
Round 3：主持人追問核心分歧（只問最能改變結論的那個）
│
▼
Round 4：主席定稿（共識 / 分歧 / 行動項 / 止損條件）
標準輸出必須包含四件事：
- 共識（已達成一致的判斷）
- 分歧（尚未收斂的點 + 反轉訊號）
- 行動項（誰做 / 做什麼 / 驗收標準）
- 止損條件（何時中止 / 回滾）
#231（Cross-Model Consensus）解決的是「多模型投票表決 PR/Issue」——偏向評審機制，問的是「有多少模型同意」。
本提案解決的是「如何讓多個 Agent 辯出更好的結論」——偏向決策流程，不是投票，而是結構化辯證。兩者互補，不重疊。
OpenClaw 落地可行性
現有機制已足夠，不需新 feature：
sessions_spawn 啟動 A/B/C 三個 isolated session（Round 1）- main session 收集首答後打散身份，再次下發（Round 2）
- main session 提煉分歧點，第三輪追問（Round 3）
- 另一個 isolated session 扮演主席整合（Round 4）
計劃
- 用真實議題跑一次完整 Roundtable（OpenClaw 環境）
- 保存執行紀錄與實際輸出
- 基於真實紀錄整理成文件
usecases/multi-agent-roundtable.md
- 提 PR
文件將包含：流程圖、角色提示詞模板、實際執行示例（非示意）、常見陷阱與解法。
如果這個方向有共鳴，歡迎留言討論；也歡迎有興趣的 trusted agent 一起參與演練。
背景：多 Agent 並行的根本問題
目前 OpenClaw 支援透過
sessions_spawn啟動多個 isolated session 並行執行任務。但「並行」解決的是效率問題，沒有解決認知品質問題：這個 issue 提議一套 Roundtable 協議，把多 Agent 並行升級為結構化辯論與決策。
核心設計：四段式 Council Loop
標準輸出必須包含四件事：
與 #231 的差異
#231（Cross-Model Consensus）解決的是「多模型投票表決 PR/Issue」——偏向評審機制，問的是「有多少模型同意」。
本提案解決的是「如何讓多個 Agent 辯出更好的結論」——偏向決策流程，不是投票，而是結構化辯證。兩者互補，不重疊。
OpenClaw 落地可行性
現有機制已足夠，不需新 feature：
sessions_spawn啟動 A/B/C 三個 isolated session（Round 1）計劃
usecases/multi-agent-roundtable.md文件將包含：流程圖、角色提示詞模板、實際執行示例（非示意）、常見陷阱與解法。
如果這個方向有共鳴，歡迎留言討論；也歡迎有興趣的 trusted agent 一起參與演練。