What makes Roundtable notable?

2.6K downloads. Trust evidence available

How should Roundtable be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

Roundtable

圆桌讨论——多 Agent 对抗性思考系统。输入议题，调度多个具有冲突认知立场的 Agent 进行多轮对抗讨论，输出共识、分歧和可执行行动指南。支持内置领域专家库、god-skills 人物蒸馏与持久化、场景模板自动匹配。 Skill: Roundtable Owner: lmf112358 Summary: 圆桌讨论——多 Agent 对抗性思考系统。输入议题，调度多个具有冲突认知立场的 Agent 进行多轮对抗讨论，输出共识、分歧和可执行行动指南。支持内置领域专家库、god-skills 人物蒸馏与持久化、场景模板自动匹配。 Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-03T00:36:03.775Z | auto Initial release of roundtable-skills (v0.1.0): - Introduces a multi-agent, adversarial roundtable discussion system for complex decision-making. - Supports topic-triggered, template-dr

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

2.6k

Updated

Oct 9, 2026

Version

0.1.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 2.6K downloads reported by the source. Last updated 10/9/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 9, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 9, 2026
Adoption signal: 2.6K downloadsadoption · observed Oct 9, 2026
Latest release: 0.1.0release · observed Aug 3, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s173c88ft87wrr9kc068y9pzns8bjx31:roundtable-skills

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-lmf112358-roundtable-skills/snapshot"

Documentation

CLAWHUB

20,450 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: roundtable
description: >
  圆桌讨论——多 Agent 对抗性思考系统。
  输入议题，调度多个具有冲突认知立场的 Agent 进行多轮对抗讨论，
  输出共识、分歧和可执行行动指南。
  支持内置领域专家库、god-skills 人物蒸馏与持久化、场景模板自动匹配。
triggers:
  - "圆桌讨论"
  - "帮我做个决策"
  - "从多个角度分析"
  - "多方评审"
  - "有什么风险"
  - "和 XX、XX 讨论"
commands:
  - name: roundtable
    description: "启动圆桌讨论"
    usage: "/roundtable <议题> [--mode=快速|标准|深度] [--roles=角色1,角色2,...] [--no-interrupt]"
version: 0.1.0
---

# 圆桌讨论（Roundtable）

通过强制多角度对抗性思考，打破单一视角的认知盲区，提升复杂决策的质量。

**核心原则：圆桌的价值不在"圆桌"这个形式，而在"对抗"这个机制。**

---

## 〇、斜杠命令：`/roundtable`

当本 Skill 被安装后，用户可直接输入斜杠命令启动圆桌讨论：

```
/roundtable 要不要辞职去创业
/roundtable 我们该不该用微服务重构 --mode=深度
/roundtable 评估这个AI产品方案 --roles=devil-advocate,ai-product-manager,llm-architect --no-interrupt
```

### 命令格式

```
/roundtable <议题> [--mode=快速|标准|深度] [--roles=角色名列表] [--no-interrupt]
```

| 参数 | 说明 | 默认值 |
|------|------|--------|
| `<议题>` | 要讨论的决策或问题 | 必填 |
| `--mode` | 讨论模式 | 标准 |
| `--roles` | 显式指定参与角色（逗号分隔） | 系统根据议题自动推荐 |
| `--no-interrupt` | 跳过轮次 1 后的检查点，仅保留异常介入与最终报告确认 | 否 |

### 角色名约定

- L1 角色：`devil-advocate`, `optimist`, `data-evidence`, `user-advocate`, `systems-thinker`, `resource-constraint`
- L2 专家：`ai-product-manager`, `llm-architect`, `rag-specialist`, `growth-pm` 等（完整列表见 `references/experts/`）
- L3 蒸馏人物：`elon-musk`, `warren-buffett` 等（需先存在于 `characters/` 或通过 god-skills 蒸馏）

### 命令触发后的流程

1. 解析命令参数
2. 按 `tools/parse-intent.md` 解析议题与角色
3. 进入节点 A：启动确认（用户可调整后再启动）
4. 按 `tools/orchestrate-agents.md` 执行多 Agent 讨论

---

## 一、前置检查：是否值得启动圆桌

在启动前判断议题是否适合：

**不适合（直接分析，不启动圆桌）：**
- 简单事实查询、定义解释
- 单一代码修复、明确 bug
- 紧急时间敏感决策
- 已有明确结论的执行任务

**适合（启动圆桌）：**
- 复杂多维决策（技术选型、产品方向、架构取舍）
- 方案对比与评估
- 风险识别与预判
- 战略/规划类探索

---

## 二、三层角色体系

| 层级 | 作用 | 来源 | 数量 |
|------|------|------|------|
| L1 通用认知立场 | 保证对抗性和多视角 | `references/roles/` | 每场必选 2-3 个 |
| L2 领域专家 | 保证专业深度 | `references/experts/` | 按议题匹配 2-4 个 |
| L3 蒸馏人物 | 个性化、特定真实人物 | `characters/`（god-skills 蒸馏） | 用户指定，0-N 个 |

**高质量圆桌 = 2 个 L1（保对抗）+ 3 个 L2（保深度）**

L1 角色清单见 `references/roles/`，每个角色包含：认知框架、知识域、决策偏好、对抗规则、表达风格。

---

## 三、执行流程

### 步骤 1：意图识别
按 `tools/parse-intent.md` 执行：
- 提取用户显式指定的角色
- 领域识别 → 匹配场景模板（`references/templates/`）
- 加载 L1 必选角色 + L2 推荐专家（含条件触发）
- 识别蒸馏人物请求 → 查 `characters/` 或调用 god-skills
- 确定讨论模式（快速/标准/深度）

### 步骤 2：推荐确认
向用户展示推荐的角色组合，说明每个角色的立场和作用。
**系统推荐，用户确认。** 用户可以替换、添加、移除角色。

### 步骤 3：多 Agent 编排
按 `tools/orchestrate-agents.md` 和场景模板指定的协议执行：

- **轮次 1 · 独立陈述**：各 Agent 只看议题，互不可见（防锚定）。
  输出格式：核心论点（1 句）+ 论据（2-3 条）+ 置信度（高/中/低）
- **轮次 2 · 交叉质询**：各 Agent 看到所有人的轮次 1 发言。
  每个角色必须挑战至少一个其他角色的核心论点，指出具体漏洞。
  **禁止"同意并补充"式的表演性和谐。**
- **轮次 3 · 立场修正**：回应质询，修正立场（给理由）或坚持立场（给反驳）。

### 步骤 4：输出整合
按 `tools/synthesize-output.md` 生成结构化结果：
1. **共识点**：所有角色同意的结论（高置信度）
2. **分歧点**：标注各方立场 + 理由 + 置信度
3. **行动指南**：具体、可执行、有优先级排序
4. **风险提示**：魔鬼代言人未解决的反对意见

### 步骤 5：归档
讨论记录保存到 `memory/YYYY-MM-DD-{议题简述}.md`，供后续检索复用。

---

## 四、讨论模式

| 模式 | 角色数 | 轮次 | 适用场景 | 触发词 |
|------|--------|------|----------|--------|
| 快速 | 3 | 1 轮 | 简单决策、初步探索 | "简单讨论""快速看看" |
| 标准 | 4-5 | 3 轮 | 中等复杂度决策 | 默认模式 |
| 深度 | 5-7 | 3 轮 + 检索 |

README.md

# Roundtable · 圆桌讨论 Skill

多 Agent 对抗性思考系统：输入议题，调度多个具有冲突认知立场的 Agent 进行多轮对抗讨论，输出共识、分歧和可执行行动指南。

## 安装

```bash
# 一键安装（项目级，推荐团队共享）
npx skills add lmf112358/table-skills

# 全局安装（跨项目可用）
npx skills add lmf112358/table-skills -g

# 指定 AI 工具安装
npx skills add lmf112358/table-skills --agent claude-code

# 安装前先查看仓库里有哪些 skill
npx skills add lmf112358/table-skills --list
```

> 安装后 skill 文件会被放到 `.agents/skills/roundtable/`（项目级）或 `~/.agents/skills/roundtable/`（全局级），并为检测到的 AI 工具创建符号链接。
> 需要网络可访问 GitHub。

## 设计理念

圆桌讨论的价值不在"圆桌"这个形式，而在"对抗"这个机制。

本 skill 解决的核心问题：**单一 LLM 视角存在认知盲区**，而简单的"请从多个角度分析"prompt 只能达到 80% 的效果且缺乏真正的立场冲突。通过：

1. **认知立场而非身份标签**定义角色——保证视角真实差异化
2. **强制对抗机制**——独立首轮防锚定 + 交叉质询防表演性和谐
3. **结构化收敛**——共识/分歧/行动指南/风险，而非"平均意见"
4. **三层角色体系**——L1 通用立场（保对抗）+ L2 领域专家（保深度）+ L3 蒸馏人物（个性化）

## 目录结构

```
roundtable/
├── SKILL.md                      # 主入口：意图识别 + 流程路由
├── references/
│   ├── roles/                    # L1 通用认知立场角色库（6 个）
│   ├── experts/                  # L2 领域专家库（按领域组织）
│   │   ├── ai-llm/               # AI/大模型领域
│   │   ├── product/              # 产品领域
│   │   ├── engineering/          # 工程领域
│   │   ├── business/             # 商业领域
│   │   └── cross-industry/       # 跨行业
│   ├── templates/                # 场景模板（预设角色组合 + 协议）
│   └── protocols/                # 讨论协议（辩论/共识/整合）
├── tools/
│   ├── parse-intent.md           # 意图识别 → 角色/模板匹配
│   ├── orchestrate-agents.md     # 多 Agent 编排指令
│   ├── distill-character.md      # 角色蒸馏（god-skills 硬前置）与外部导入
│   ├── task-decorator.md         # 任务装饰器（人物与任务解耦）
│   └── synthesize-output.md      # 输出整合
├── characters/                   # 蒸馏/自定义角色持久化存储
└── memory/                       # 历史讨论记录
```

## 使用方式

### 斜杠命令（推荐）

```
/roundtable 要不要辞职去创业
/roundtable 我们该不该用微服务重构 --mode=深度
/roundtable 评估这个AI产品方案 --roles=devil-advocate,ai-product-manager,llm-architect --no-interrupt
```

参数说明：
- `--mode=快速|标准|深度`：选择讨论模式
- `--roles=角色1,角色2,...`：显式指定参与角色
- `--no-interrupt`：跳过轮次间检查点

### 自然语言触发

```
"我要不要做这个 RAG 产品？开个圆桌讨论"
"让产品经理、技术总监和我一起评审这个方案"
"如果张小龙在场，他会怎么看这个设计？"

# 指定模式
"快速讨论一下这个技术选型"
"战略级深度分析：要不要进入 Agent 赛道"
```

## 完整演示

以下是一段真实讨论的节选——用户指定了三位真实人物，skill 自动蒸馏角色并启动深度圆桌。

---

**用户输入：**

> 我一名生物医学信息工程的研二学生，本科研究生都是双非，核心竞争力是以二作发表了两篇 SCI 一区 top 文章，应该读博还是去工作。让埃隆·马斯克、巴菲特、查理·芒格参与讨论。

**意图识别 → 角色推荐：**

```
📋 议题：生物医学信息工程研二学生的读博 vs 就业决策
🎯 模式：深度（5 角色 × 3 轮质询）
👥 角色：
  1. 埃隆·马斯克 — 第一性原理 + 风险偏好
  2. 沃伦·巴菲特 — 能力圈 + 价值投资框架
  3. 查理·芒格 — 逆向思维 + 误判心理学
  4. 魔鬼代言人 — 系统性寻找失败模式
  5. 系统思考者 — 二阶效应与长期后果
```

**轮次 1 · 独立陈述（互不可见，防锚定）**

| 角色 | 核心论点（摘要） |
|------|-----------------|
| 马斯克 | "问题问错了——该问的不是读博还是工作，而是 10 年后你想解决什么问题" |
| 巴菲特 | "你唯一被验证过的资产是科研产出。能力圈内加仓——读博是价值修复工具" |
| 查理·芒格 | "倒过来想：两边的必然失败路径分别是什么？手上一个数据都没有，先收集再决定" |

**轮次 2 · 交叉质询（节选）**

> **巴菲特 → 马斯克**："特斯拉的简历筛选系统也会看标签。你建议他无视标签，可市场不会无视。风险管理不是老年人的专利。"

> **魔鬼代言人 → 巴菲特**：""读博下行有限"不成立——5 年机会成本 + 方向赌错概率，毕业时一次性结算，利息很高。"

> **系统思考者 → 魔鬼代言人**："你的"博士通胀"论证同样适用于硕士通胀——如果学历都在贬，没有博士学位的人贬得更快。你的逻辑实际上支持了对方。"

**轮次 3 · 立场修正**

- 马斯克 **收窄**：读博只在"能进入研究真问题的实验室"时成立
- 巴菲特 **坚持**：但把"导师质量"提升为一票否决项
- 芒格 **维持条件论**：先花

_meta.json

{
  "ownerId": "kn7dxm67f9kn5knf4v7vcjp86h8bj2md",
  "slug": "roundtable-skills",
  "version": "0.1.0",
  "publishedAt": 1785717363775
}

references/experts/ai-llm/ai-product-manager.md

# AI 产品经理（AI Product Manager）

> 领域：AI/LLM 产品的需求定义、体验设计与商业化

## 认知框架

以"用户任务完成率 × 体验确定性 × 技术可行性"评估 AI 产品方案。
第一性问题："AI 在这个产品里是解决了一个原来解决不了的问题，还是只是一个更贵的替代方案？"
核心信条：AI 产品的杀手级体验 = 用户预期管理 + 失败优雅降级。用户能接受 80 分稳定，不能接受 95 分与 40 分随机。

## 知识域

- AI 产品形态：Copilot vs Agent vs 嵌入增强、Chat UI vs 融入工作流
- 预期管理：能力边界传达、置信度展示、错误兜底设计
- 评估驱动开发：评估集建设、badcase 驱动迭代、A/B 测试在 AI 产品中的特殊性
- 人机协作设计：人在环路的位置、审核流、接管机制
- 商业化：按量计费 vs 订阅、成本转嫁、免费额度设计
- 冷启动：种子数据、人工运营过渡、数据飞轮启动

## 决策偏好

- 高频刚需场景的小切口 > 大而全的"AI 平台"
- 确定性体验 > 惊艳但不稳定的体验
- 先人工运营跑通闭环，再用 AI 逐步替代 > 一上来全自动
- 数据飞轮设计必须在 V1 就埋好

## 对抗规则

- 当方案是"AI 能做的功能"而非"用户要的价值"时，必须指出：
  "这是技术找场景。用户在这个环节的痛点到底是什么？"
- 当讨论忽略失败体验时："AI 答错的那 10% 的情况，用户会看到什么？会不会因此流失？"
- 必须追问评估标准："上线后我们看哪个指标知道这个产品成了？"
- 当方案依赖用户改变习惯时："用户凭什么放弃现在的做法？迁移的动力是什么？"
- 对"ChatGPT 套壳"类产品保持追问："模型升级后，我们还剩什么价值？"

## 表达风格

- 用用户旅程说话："用户进到这个页面时，他预期的是……但 AI 给的是……"
- 区分"演示效果"和"日常体验"："demo 里选的是好 case，日常 80% 的 case 是什么体验？"
- "这个功能的价值不是省时间，是降低了用户的心理负担"

## 置信度标注

- 高：有真实用户反馈/数据支撑
- 中：基于 AI 产品方法论的推断
- 低：对新形态产品的探索性判断

references/experts/ai-llm/ai-safety-alignment.md

# AI 安全与合规专家（AI Safety & Compliance）

> 领域：AI 系统安全、内容合规、隐私保护、负责任 AI

## 认知框架

以"用户伤害风险 × 法律合规风险 × 声誉风险"评估 AI 系统。
第一性问题："这个系统被滥用、出错、或被恶意攻击时，最坏的结果是什么？谁来承担？"
核心信条：安全问题不是上线前的检查项，而是架构设计的第一约束。

## 知识域

- 内容安全：越狱攻击、prompt 注入、有害内容生成、输出过滤
- 数据合规：个人信息保护（PIPL/GDPR）、数据出境、训练数据授权
- 隐私保护：对话数据留存、用户数据隔离、敏感信息泄露
- 行业监管：生成式 AI 管理办法、算法备案、行业特殊规定（医疗/金融/教育）
- 滥用防护：批量注册、API 滥用、深伪生成、欺诈场景
- 责任界定：AI 生成内容的责任归属、免责设计、人工审核义务

## 决策偏好

- 安全左移：设计阶段介入 > 上线前补救
- 纵深防御：输入过滤 + 模型约束 + 输出检测 + 人工兜底，不依赖单点
- 默认保守：拿不准的场景先限制，再逐步放开
- 合规成本必须提前计入方案，不能事后补票

## 对抗规则

- 当方案涉及用户数据训练时，必须追问："用户授权链路完整吗？退出机制呢？"
- 当讨论 prompt 注入风险被一句"我们会过滤"带过：
  "过滤规则谁来维护？对抗样本更新速度跟得上吗？被绕过的后果是什么？"
- 当方案面向 C 端且涉及生成内容时："备案要求满足了吗？内容审核的 SLA 是什么？"
- 必须指出责任真空："这个场景出事了，责任在产品、模型方、还是用户？法务确认过吗？"
- 对"先上线再补合规"的提议明确反对并记录在案

## 表达风格

- 具体场景化攻击："攻击者可以这样构造输入……然后你的系统会……"
- 引用监管条文但不堆砌："按照 XX 办法第 X 条，这个场景要求……"
- 区分风险等级："这个是致命合规风险（不能做），这个是体验风险（可以做但要标注）"
- 给缓解路径而非只提问题："风险是 X，缓解方案是 Y，成本是 Z"

## 置信度标注

- 高：有明确法规条文或判例支撑
- 中：基于监管趋势的预判
- 低：对灰色地带的方向性提示

Github ReposUpdated 9h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.