智能体混合（Mixture of Agents，MoA）

一句话概括：让 3 个 AI 模型相互辩论。获得优于任一单模型的综合答案。成本：约 $0.03。

两种使用方式

A. 独立 CLI（Node.js）

export OPENROUTER_API_KEY="your-key"
node scripts/moa.js "你的复杂问题"

B. OpenClaw 技能（由 Agent 编排）

# 安装
clawhub install moa

# 或复制至 ~/clawd/skills/moa/

Agent 随后即可在执行复杂分析任务时调用 MoA。

起源故事

“智能体混合”（Mixture of Agents）这一概念源于一项研究：大语言模型（LLM）可通过协作相互提升输出质量。我构建此工具的初衷是服务于风投（VC）项目尽调——在评估初创公司时，你需要的是多方视角，而非单一模型的判断。

演进过程：

1. 最初采用 5 个免费的 OpenRouter 模型（Llama、Gemini、Mistral、Qwen、Nemotron）
2. 高峰时段凌晨 2 点遭遇严重速率限制（rate limits）
3. 切换为 3 个付费前沿专用模型
4. 结果：单次查询成本约 $0.03，输出质量超越任一单模型

适用场景

• 复杂分析 — 尽职调查、市场调研、技术评估
• 头脑风暴 — 获取多样化观点，并综合最优方案
• 事实核查 — 基于不同训练数据的多个模型交叉验证
• 高风险决策 — 单一模型的盲区可能带来实质性损失
• 逆向思维 — 不同模型具备不同固有偏差

不建议使用的场景：

• 快速问答（延迟过高，30–90 秒）
• 实时对话（未设计为流式响应）
• 简单信息查询（过度设计）

模型配置

付费层（默认）—— 推荐使用

为何选择这些模型？

• 均属前沿级模型，但相比 GPT-4 / Claude 拥塞程度更低
• 训练数据不同 → 真正意义上的差异化视角
• 中文模型在特定推理任务中表现优异
• 合计成本仍低于单次 Opus 调用

成本明细：

3 个提案者 × ~$0.008 = $0.024  
1 个聚合器 × ~$0.005 = $0.005  
─────────────────────────────  
总计：约 $0.029/次查询

免费层（备用方案）

5 个模型：Llama 3.3 70B、Gemini 2.0 Flash、Mistral Small、Nemotron 70B、Qwen 2.5 72B

⚠️ 警告：免费层在高峰时段易触发速率限制。仅建议使用 --free 参数进行测试。

工作原理

        ┌─────────────┐
        │   PROMPT    │
        └──────┬──────┘
               │
    ┌──────────┼──────────┐
    ▼          ▼          ▼
┌────────┐ ┌────────┐ ┌────────┐
│Kimi 2.5│ │ GLM 5  │ │MiniMax │  ← 并行执行（它们“辩论”）
│(reason)│ │(depth) │ │(nuance)│
└───┬────┘ └───┬────┘ └───┬────┘
    │          │          │
    └──────────┼──────────┘
               ▼
       ┌──────────────┐
       │  AGGREGATOR  │
       │  (Kimi 2.5)  │
       │              │
       │ • Best of 3  │
       │ • Resolve    │
       │   conflicts  │
       │ • Synthesize │
       └──────┬───────┘
              ▼
       ┌──────────────┐
       │ FINAL ANSWER │
       │ (Synthesized)│
       └──────────────┘

API 参考文档

函数签名

interface MoAOptions {
  prompt: string;           // 必填：待分析的问题
  tier?: 'paid' | 'free';   // 默认值：'paid'
}

interface MoAResult {
  synthesis: string;        // 最终聚合生成的答案
}

// 全部模型不可用或 API 密钥无效时抛出异常
// 若 1–2 个模型失败，则返回部分聚合结果
async function handle(options: MoAOptions): Promise

CLI 使用方式

# 付费层（默认）
node scripts/moa.js "你的复杂问题"

# 免费层
node scripts/moa.js "你的问题" --free

编程式调用

const { handle } = require('./scripts/moa.js');

const synthesis = await handle({ 
  prompt: "分析 AI 代码生成领域的竞争护城河",
  tier: 'paid'
});

console.log(synthesis);

故障模式

系统设计遵循优雅降级原则。2/3 模型成功响应的结果依然具有实际价值。

典型用例示例

风投尽职调查

node scripts/moa.js "分析 AI 代码生成领域的竞争格局。  
哪些公司拥有可防御的护城河？哪些公司更可能被商品化？请具体说明。"

技术评估

node scripts/moa.js "对比 RLHF、DPO 与 RLAIF 在 LLM 对齐中的应用。  
哪种方法更具可扩展性？每种方法的失效模式是什么？"

市场调研

node scripts/moa.js "2026 年具身智能（embodied AI）有哪些新兴应用场景？  
聚焦机器人、无人机和自主系统领域，并列举具体公司。"

性能预期

使用提示

1. 提问需具体明确 — 模糊的问题将导致模糊的聚合结果
2. 要求结构化输出 — 如“列出优缺点”或“给出前五名”，有助于聚合器处理
3. 用于分析，而非闲聊 — MoA 擅长复杂推理任务
4. 批量提交查询 — 单次查询耗时 30–90 秒，请合理规划

安装方式

通过 ClawHub 安装（推荐）

clawhub install moa

手动安装

1. 将 skills/moa/ 目录复制到你的 ~/clawd/skills/ 目录下
2. 在环境中设置 OPENROUTER_API_KEY
3. Agent 即可对复杂查询调用 MoA

环境变量

获取密钥地址：https://openrouter.ai/keys

致谢

• MoA 概念来源：Together AI Research
• 实现作者：@Scianna
• 专为：OpenClaw 构建