七個AI代理先辯論再下結論 黑客松團隊降低加密市場分析偏誤

臺灣生成式AI應用黑客松競賽隊伍「草莓舒芙蕾教徒」，設計7個AI代理共同審查的分析系統，勇奪「HOYA BIT：智慧交易」組優勝。DIGITIMES攝

加密貨幣市場全天候運作，價格波動快速，相關資訊也散布於新聞、社群平台、交易數據與各類研究報告。使用者若只依賴單一人工智慧代理進行分析，可能因資料不足、推論偏誤或模型幻覺，得到看似完整、實際上卻缺乏查證的結論。參加由數位發展部數位產業署指導、DIGITIMES主辦、Amazon Web Services（AWS）擔任國際AI技術支持的「2026雲湧智生：臺灣生成式AI應用黑客松競賽」【HOYA BIT智慧交易】組的「草莓舒芙蕾教徒」團隊，設計由七個AI代理共同審查的分析系統，讓不同模型彼此質疑、提出證據並形成共識，再輸出加密市場分析報告。

七代理交叉辯論  形成可追溯的共識

團隊認為，單一AI代理即使具備龐大的知識與推理能力，仍可能只依循一套分析路徑，忽略相反資訊。這項風險在加密貨幣市場尤其明顯，同一則政策、資金流向或市場消息，可能同時存在利多與利空解讀；若模型過早選定立場，後續分析也容易被原先結論牽引。因此團隊引入多方審查機制，讓AI在產出答案前先經歷一輪辯論，降低單一模型自行推論所造成的偏差。

系統運作時，主分析模型會先針對指定的加密貨幣或市場議題提出初步判斷，其他代理再分別從不同角度交叉檢查。團隊以Claude等模型為例，各代理會檢視主模型的推論、質疑證據是否充分，也可提出相反觀點；當某項消息被判定為利多時，其他代理仍須尋找可能的負面因素，並要求原模型提出資料來源或補充論證。若各方看法不同，系統會持續討論，直到形成可被多數代理接受的共識。

這項設計的重點，在於建立代理之間的審查流程：團隊導入Loop Engineering與Graph Engineering概念，讓不同代理依既定節點與關係反覆檢查答案，每個模型不只負責生成內容，也扮演審查者與反方角色，最終報告則整理各代理提出的證據、爭議點與共同判斷，使用者能看見結論背後的推理脈絡，而非只取得一句買進、賣出或看多、看空的建議。

以AWS服務加速開發

為了在有限時間內完成多代理架構，團隊運用既有AI開發工具與協作框架進行客製化改寫。團隊表示，若以一般開發方式建構模型調用、代理分工、資料傳遞與共識機制，可能需要一至兩週；此次透過既有工具加速開發，在一天內完成主要功能。

雲端架構則使用Amazon Web Services（AWS）的全託管生成式AI 服務Amazon Bedrock調用模型，並搭配無伺服器運算服務AWS Lambda執行後端工作、Amazon S3儲存資料，以及AWS Amplify建置應用服務。競賽初期，團隊先釐清題目與比賽規則，在與現場工作人員溝通後，將問題聚焦於「如何提高AI分析報告的可信度」，接著快速建立多代理辯論架構。

不過，多個模型取得共識，仍不代表結論必然正確。團隊認為，若系統未來要供企業或投資人使用，還需加入歷史數據回測機制，檢驗模型過去提出的判斷與市場實際走勢是否一致；透過不同期間、幣種與市場狀況的回測，才能比較多代理共識與單一模型分析的差異，也能找出系統在哪些情境下容易誤判。

資料來源與資訊安全同樣需要補強，現階段系統已有初步篩選機制，避免引用異常網站或可信度不足的內容，未來仍須建立更完整的消息來源分級、交叉查證與異常資料排除方式；畢竟加密市場充斥未經證實的消息，若多個代理都讀取相同錯誤資訊，即使彼此達成共識，也可能只是共同接受錯誤前提。

團隊表示，這次競賽讓他們實際完成多模型協作架構，也更熟悉Amazon Bedrock、AWS Lambda、S3與Amplify等AWS服務；現階段最需要補強的，仍是歷史數據回測、資訊來源篩選與交叉驗證機制，這些能力能否建立，將直接影響多代理共識在真實市場環境中的可信度。