一句话定义：多智能体辩论（Multi-Agent Debate）是让多个模型实例围绕同一个问题各自给出答案和理由，然后互相阅读、互相挑错，经过若干轮交锋后收敛，或由裁判汇总出最终答案的方法。
打个生活化的比方。公司要定一个方案，你不会只找一个人拍板，而是让三个人分别写一版：一个偏保守、一个偏激进、一个只看成本。写完不是简单投票，而是把三份都发下去，让他们逐条指出别人哪里错了、自己哪里需要改。第二轮再交。几轮之后，多数时候那些明显的漏洞会被挑出来，剩下的分歧也会变得清晰。多智能体辩论做的就是这件事，只不过“同事”换成了模型实例。
它的关键不在“多”，而在“被迫回应”。单次提问时，模型给出一个看似通顺的答案就结束了；辩论中，它必须面对别人指出的反例、遗漏前提和逻辑跳跃，要么修正，要么给出更强的理由。这种对抗压力会逼出更细的检查。参与辩论的可以是同一个模型的不同副本（靠不同的提示词或角色设定制造差异），也可以是不同模型。最后通常有一个裁判角色，负责判断哪一方论证更站得住，而不是简单数票。
和几个相邻概念的区别：
| 方法 | 多次生成 | 实例间交互 | 特点 |
|---|---|---|---|
| 思维链（AI 词典：Chain-of-Thought">Chain-of-Thought） | 否 | 否 | 一条推理链走到底 |
| 自洽性投票（Self-Consistency） | 是 | 否 | 各自独立作答，取多数 |
| 集成/投票（Ensemble） | 是 | 弱 | 并行汇总，缺少反驳 |
| 多智能体协作（Multi-Agent Collaboration） | 是 | 是 | 偏分工合作，而非刻意对立 |
| 多智能体辩论 | 是 | 是，且刻意对立 | 靠互相攻击暴露问题 |
对从业者来说，它适合那些“错一次代价高、且答案可验证”的任务：事实核查、代码审查、合同条款比对、方案风险评审。代价也很直接：token 消耗和响应时间会成倍上涨，而且如果所有实例共享同样的盲区，辩论可能只是“同质化的吵架”，越吵越自信。所以实践中通常会设置裁判、限制轮数、要求每轮必须给出可检验的证据，而不是只表达态度。
对普通职场人，这个方法可以照搬到自己的决策里：重要判断别只问一遍，先让一方给结论，再强行让另一方扮演反方挑刺，最后自己当裁判。多花的那点时间，往往比事后返工便宜。具体产品支持哪种辩论形态、怎么配置角色，以官方页面为准。