9 月 23 日的产品发布潮里，一个名为 Fez 的开源框架被摆上台面，定位很直接：让一组 AI 智能体像团队一样协作，并共同把决策定下来。同一天露面的还有不少智能体相关新品——WZRD 做 AI 原生文档、Clueso MCP 用对话剪视频、Plane Agents 把任务派给智能体如同派给同事、PixelCrew 是一支设计智能体小队、WeWeb MCP 让智能体搭应用、SereneDB 与 Anomalo 则分别补上面向智能体负载的数据库与数据质量。Fez 不算最热闹的那个，但它点出了一个被反复讨论、却少有开源实现的设计取向：多智能体集体决策。
Fez 的思路：先提案、再辩论、后共决
集体决策框架的骨架通常是这样：多个智能体各自拿出方案与依据，接着互相挑缺漏、亮反对点，然后按既定规则收敛成一个统一路径，最后落地并把经验回流。关键在「辩论」这一步——它把单一模型的临场判断，换成多视角的交叉质证。直觉上，这会缓解「一个模型自己拍板」时的盲区与过度自信，也更容易追溯：最终结论是怎么被争出来的，比一句「模型说行」要透明得多。
但代价同样清楚。协调多个智能体本身要消耗 token 与时间，复杂任务里还可能演化出群体盲从——大家都往同一个错误方向靠，辩论变成走过场。更麻烦的是责任归属：一个由集体定下的坏决策，到底算谁的？这些都不是把几个模型并排摆好就能解决的，需要在协议层把「何时投票、何时委托、何时请人」写清楚。
多智能体协作是一族设计选择，不是一种范式
把 Fez 放进更大的图谱里看，它会更清楚。SAT（斯坦福与 Together AI）走的是自组织协作剧本：用极少量样本学出可迁移的协作剧本并冻结，供多模型复用；GCCE（见本批 1381 篇）走的是竞争式演化：两组互评、胜者沉淀技能，用外部压力逼出盲区；Agensh 则尝试无中央编排器的涌现式协作，角色临场涌现。四种取向各有适用面：要稳用专人专线，要广用竞争互评，要自适应用自组织，要透明可追用集体辩论。
对想上手的人，务实建议是别先问「该选哪个框架」，先问「我的任务怕什么」。怕单一模型盲从，就上交叉质证；怕过早收敛，就上竞争机制；流程反复出现，就把它固化成剧本。Fez 当前仍处早期开源阶段，公开基准与大规模案例还不算多，把它当作一种「协作范式样板」来研究，比当作生产底座更合适。
也需要提醒，集体决策框架对提示词与辩论规则极其敏感。如果「辩论」只是让每个智能体各说各话、最终靠一个简单的多数票收口，它并不会自动比单个强模型更可靠，反而可能把 token 成本堆高、把责任稀释。真正有价值的设计，是让反对意见能被结构化记录、让收敛规则可审查——否则「团队决策」只是给单点失误换了一层更厚的包装。
对开发者而言，Fez 的价值不在于「几个模型一起答」这个噱头，而在于它把决策过程显式化了。当每一步提案、反对与收敛都被记录下来，调试智能体就不再是调一个黑箱，而是调一套可观察的协作流程。这恰恰是当下多智能体系统最缺的工程纪律。
值得肯定的是，Fez 把「多智能体如何做决定」这件事摆到了台前。过去年多智能体文章多盯着「怎么拆任务、怎么调工具」，决策环节常被默认成「模型自己定」。当智能体开始接手真金白银的动作，决策的可解释与可追责会变得和准确率一样重要。集体决策未必是终局答案，但它提醒行业：智能体的下一道坎，可能不在会不会干，而在怎么证明自己干得对、且说得出为什么。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。