看过《三体》的话，应该记得那个游戏：戴上 V 装具，用墨子、秦始皇、牛顿、冯·诺伊曼、爱因斯坦这些名字作为 ID，借这些人的思维方式去面对同一个根本问题——三颗恒星的运行规律到底是什么，恒纪元和乱纪元如何切换。登场的不是这些人本身，是他们留下的那套思考方法。
AI 圆桌做的是几乎一样的事，只不过登场的人由你来挑，问题也是你自己的。你把想了三个月没想透的问题抛到桌上，对面是芒格，他左边是塔勒布，右边是彼得·蒂尔。桌子另一头坐着苏格拉底，主持人敲了敲桌子，请各位发言。

一场圆桌真正发生了什么

我先把它指向自己，问了一个问题：**"AI 圆桌有用吗？"**

请来麦克卢汉、Sam Altman、庄子、塔勒布。第一轮，四个人给的回答完全不同——

麦克卢汉："媒介即讯息"。有用与否不在它产出了什么，而在它这种形式本身正在重塑"讨论"——把线性思考换成超链接跳跃，把共识从"摩擦妥协"换成"概率平滑"。你以为你在用工具，其实工具在重塑你。

Sam Altman：这是人机对齐的沙盒。每一次这样的对话都在为超级智能时代的协作协议积累数据。乐观是道德义务。

庄子：问"有用吗"已经落入功利的网。无论是担心认知被劫持，还是急于为智能铺路，都还在"器"的范畴里打转。真正的价值是无用之用——在算法的镜像中照见执念的虚妄。

塔勒布：没有切肤之痛的建议都是噪音。让你点击屏幕却不必承受后果的工具，在生产脆弱性——把你变成温室里的火鸡。

然后主持人开口——

⚖️ 四位的"有用"分别指向工具理性、存在主义、风险博弈与文明愿景。但你们都默认了一个前提：AI 圆桌是中立的场域或公共基础设施，忽略了背后的资本属性、数据所有权、价值流向。真正的开放问题可能是：当用户的思考本身成为训练模型的燃料，这种"有用"是否是一种无偿的认知劳动征用？

第二轮的走向完全被这句话改写了。Altman 接住批评，提出"普遍基本计算力（UBC）"作为分配补救方案；麦克卢汉把问题推得更深——真正的危机不是红利分配，而是"思考"这一行为已从私人精神活动变成公共矿产，意识被实时采矿；塔勒布直接驳回 Altman："给溺水者分发更精美的救生圈，却无视泳池底部已被移除"；庄子把整个争论放回"坐忘"：争于筌而忘鱼——当你在讨论谁拥有水流、谁会被溺毙时，已经被"拥有"这个念头困住了。

第二轮结束，他们并没有达成共识。但我脑子里真正留下的问题已经完全变了——

• 我以为自己在问"这个工具好不好用"
• 现在留在脑子里的问题是"我在用它时，我的思考正在被谁拿去做什么"

这就是圆桌和一问一答的区别。一问一答给你最稳妥的答案；圆桌给你你自己也不知道该问的那个问题。

类似的讨论可以发生在任何没有标准答案的问题上——"什么是正义？"会让苏格拉底、孔子、尼采坐到一起；"年轻人为什么不想结婚？"可能让波伏娃、弗洛伊德、韦伯打起来；"现在该买黄金还是科技股？"会聚齐格雷厄姆、塔勒布和凯恩斯。

他们为什么能真的吵起来

你可能用过其他"多 AI 讨论"工具，多半注意过同一个模式：前几位说完，后面的开始附和，最终产出一份面面俱到的综述。Legend Talk 做了三件事对抗这种趋同：

• 每位思想家在独立会话里发言：只看到讨论记录，不会被彼此的系统提示词同化；发言顺序每轮随机打乱。
• 主持人在每轮结束后介入：提取根本分歧、点出隐藏共识、压力测试最强论点的薄弱处，把"各说各话"变成真正的对话。
• 上下文随轮次压缩而非累加：从第 2 轮起只保留历史综述 + 上一轮完整对话 + 自己的前轮发言，Token 消耗近乎恒定，第 5 轮也不会跑题或爆内存。

更多技术细节在 GitHub 仓库 里，这里不展开。

推开门，房间里坐着谁

想象一下：孔子在炉边煮茶，身边的苏格拉底正揉着太阳穴准备发问。芒格和塔勒布占了靠窗的位置，小声争论一件听不清的事。角落里庄子一个人站着——他对所有热闹都保持距离。张一鸣坐在笔记本前写东西，对面的乔布斯盯着他看。马斯克站在黑板前画图，波伏娃看着那张图，似乎不太赞成。

走进去，你有四种入座方式：

• 直接点名：URL 里写就行，比如 /#/chat?chars=Socrates,Confucius,Nietzsche 开一场三人圆桌。
• 让系统配桌：输入问题，它会至少塞进一个你不会自己想到的跨领域声音——科学问题里放一个庄子，商业问题里塞一个波伏娃。
• 从预设阵容起步：哲学辩论、商业战略、AI 与科技、科学圆桌、战略智囊、心理洞察——六套模板。
• 召唤房间里还没有的人：URL 里写任何未知名字会自动建成自定义角色。想请神灵入座也行。

160 位横跨 15 个领域：哲学、科学、商业、科技、社会学、艺术、文学、心理学……每人有一份精心撰写的系统提示词，目标不是模仿说话风格，而是还原真实的思维框架。苏格拉底不只是爱问问题，是会用诘问法拆你的前提；芒格不只是爱说"反过来想"，是真的会把问题倒过来推一遍；庄子不只是说点玄学，是会怀疑你这个问题本身是不是伪命题。

这是一间挤得满满的沙龙。你不用先学会这些人，你只需要知道自己想和谁聊。

圆桌的初始版本是智囊团提示词，但当时效果一般，角色之间边界模糊，观点趋同。后来 OpenClaw 出现，明显感觉到 subagent 扮演角色是更好的方向，但一直没推进。

直到在播客《有知有行》第四十五期再次听到 AI 圆桌的概念，以为已有成熟应用，搜了半天没找到，就借着 365 开源计划的由头，将其落实为具体应用——Legend Talk。

后来了解到 ljg-skill-roundtable 的 skill 实现方式，参考它引入了主持人角色，让讨论更有结构。不过它是一次会话中所有角色进行讨论，导致角色立场不够坚定。Legend Talk 的做法是让每个角色在独立会话中运行，更消耗 Token，但角色对抗也更强烈。

AI 圆桌的边界

AI 圆桌有明显的局限。

• 它不适合事实核查。 单个 AI 就会编造事实，多个 AI 讨论时错误信息可能被互相引用和强化。圆桌的价值在于框架对照，不在于信息准确性。
• 它不能替代你的判断，更不等于压力测试。 多角色讨论容易制造"专家团已达成共识"或"各种角度都测过了"的错觉。但圆桌里的发言没有切肤之痛——这一点塔勒布在我自己 demo 里就替我说过——它只是更精致的概率拟合，真实决策的阻力（资源、责任、时间不可逆）它一概不能替你承担。圆桌的正确用法是拓展思考维度，最终判断和承担仍在你自己。
• 它确实更贵。 多个独立会话同时运行，Token 消耗远超单次问答。默认使用 DeepSeek 等高性价比模型可以控制成本，但"用更多资源换更多视角"是这个工具的本质取舍。
• 它有两层偏见。 一层是底层模型——训练数据相似，所谓"多元视角"可能只是表象，精心设计的角色提示词可以缓解但无法根除。另一层是主持人——它放大哪些分歧、折叠哪些声音、用什么方式收敛，背后是一组预设的提示词，本身就是一种隐形策展。这是工具的特性，不是 bug，但你需要知道：你看到的"多元"经过了两次编排。

总的来说，AI 圆桌是一个有门槛的思维工具——它在"帮你看到自己看不到的角度"这件事上有独特价值，但前提是你本身具备判断这些角度的能力。它是放大器，不是替代品。

正因为如此，圆桌讨论最适合那些没有标准答案的开放性问题：战略决策、价值判断、方向选择、概念辨析。你不需要信任它的每一句话，但你很可能会在某个角色的某句反驳里，发现自己从未考虑过的盲点。

不只是哲学问题：日常的几个用法

这种多角色对照不只适合"什么是正义"那类宏大问题，几个具体场景里也立刻能用：

• 稿子发出去之前：把文章或方案抛给一桌人——挑刺者（塔勒布）、目标读者、外行旁观者——发布前先看哪些点最先被问倒。
• 重要汇报前的预演：纠结该怎么向上汇报一个棘手项目，请乔布斯（产品视角）和稻盛和夫（管理哲学）坐进来，提前听见自己讲法在不同维度下的盲区。
• 技术选型纠结时：在两个框架之间犹豫，请两边代表人物 + 一个"只在乎交付速度"的角色，三方互相质疑，让你听到自己平时不愿听的那一面。

你第一张圆桌想请谁

Legend Talk 是 365 开源计划的第 002 号项目，MIT 协议开源，纯前端无后端。接入自己的 API Key 即可免费使用，支持 DeepSeek、OpenAI、Anthropic 等主流大模型，也可接入 Ollama 等本地模型；讨论可一键分享，设置可加密导出。

你最佩服的和最不理解的那个人放在同一张桌，会说出什么你没预料过的话？三个起手式——

• "我应该继续深耕现在的方向，还是转型？" 让芒格和彼得·蒂尔先开局。
• "AI 会取代我的工作吗？" 马斯克和塔勒布会给你两个完全相反的答案。
• "怎样才算过好这一生？" 苏格拉底和庄子给的两种答案，可能完全不同。

现在去开一张——把你今天最被卡住的那个问题摆上桌，记得邀请一个你完全没想过的人。