# 2.3 实战：AI 辩论系统 > **第 2 周 · 第 3 课 · 实战：辩论系统 · 预计时长: 45 分钟** --- ## 学习目标 - 掌握如何用 CrewAI 构建多角色互动系统 - 学会设计 Agent 的立场和约束条件 - 理解辩论场景中的上下文传递和引用机制 - 完成一个可运行的三方辩论 + 裁判评分系统 --- ## 系统架构 我们将构建一个完整的 AI 辩论系统，包含三个角色： ``` ┌──────────────────┐ │ 裁判 (Judge) │ │ 评分 + 总结 │ └────────▲─────────┘ │ ┌───────────────────┼───────────────────┐ │ │ │ ┌────┴────┐ ┌───┴────┐ ┌────┴────┐ │ 正方 │ ←辩论→ │ 反方 │ │ │ │ (Pro) │ │ (Con) │ │ │ └─────────┘ └────────┘ │ │ 辩论流程: 1. 正方开场陈述 → 2. 反方开场陈述 → 3. 正方反驳 → 4. 反方反驳 → 5. 正方总结 → 6. 反方总结 → 7. 裁判评分 + 宣布获胜方 ``` --- ## 完整代码 ```python # 文件: debate_system.py # # AI 辩论系统 — 正方 vs 反方 + 裁判评分 # # 用法: uv run python debate_system.py # 可选参数: 自定义辩论话题 # uv run python debate_system.py "AI 会取代程序员吗？" import sys from crewai import Agent, Task, Crew, Process # ======================== # 配置 # ======================== # 默认辩论话题，可通过命令行参数覆盖 DEFAULT_TOPIC = "AI 最终是否会取代程序员？" topic = sys.argv[1] if len(sys.argv) > 1 else DEFAULT_TOPIC print(f"\n{'=' * 60}") print(f"辩论话题: {topic}") print(f"{'=' * 60}\n") # ======================== # 第 1 步：定义三个 Agent # ======================== # --- 正方 Agent --- pro_agent = Agent( role="正方辩手", goal=f"有力地论证'{topic}'的正面立场，用具体案例和数据支撑观点", backstory=( "你是一位资深辩论选手，曾在国际大学生辩论赛中多次获奖。" "你擅长构建逻辑严密的论证链条，用事实、数据和类比说服听众。" "你的风格是直接、有力、不回避对方的质疑。" "你必须坚定地站在正方立场，即使对方提出有力反驳，也要找到回应角度。" ), verbose=True, allow_delegation=False, ) # --- 反方 Agent --- con_agent = Agent( role="反方辩手", goal=f"有力地反驳'{topic}'，论证反方立场的正确性", backstory=( "你是一位经验丰富的批判性思维专家，擅长发现论证中的漏洞和逻辑谬误。" "你的辩论风格是冷静分析、逐点反驳，用对方自己的逻辑击败对方。" "你不使用人身攻击，只用理性和事实说话。" "你必须坚定地站在反方立场。" ), verbose=True, allow_delegation=False, ) # --- 裁判 Agent --- judge_agent = Agent( role="辩论裁判", goal="公正评估双方表现，给出评分和获胜方", backstory=( "你是一位有 20 年经验的辩论赛评委。" "你的评判标准是：论证逻辑性（30%）、证据质量（30%）、" "反驳能力（20%）、表达清晰度（20%）。" "你会给出具体分数、点评双方优缺点，并宣布获胜方。" "你的评判完全基于论证质量，不考虑话题本身的对错。" ), verbose=True, allow_delegation=False, ) # ======================== # 第 2 步：定义辩论任务 # ======================== # --- Task 1: 正方开场陈述 --- pro_opening = Task( description=( f"作为正方辩手，请你就话题'{topic}'发表开场陈述。\n" "要求：\n" "1. 明确表达正方立场\n" "2. 提出 3 个核心论点\n" "3. 每个论点附带一个具体例子或数据\n" "4. 控制在 500 字以内\n" ), expected_output="正方的开场陈述，包含明确立场和 3 个核心论点", agent=pro_agent, ) # --- Task 2: 反方开场陈述 --- con_opening = Task( description=( f"作为反方辩手，请你就话题'{topic}'发表开场陈述。\n" "你可以参考正方的观点进行针对性反驳。\n" "要求：\n" "1. 明确表达反方立场\n" "2. 提出 3 个核心论点\n" "3. 逐一回应正方的 3 个论点\n" "4. 每个论点附带一个具体例子或数据\n" "5. 控制在 500 字以内\n" ), expected_output="反方的开场陈述，包含明确立场、3 个核心论点和对正方的回应", agent=con_agent, ) # --- Task 3: 正方反驳 --- pro_rebuttal = Task( description=( "作为正方辩手，请你对反方的开场陈述进行反驳。\n" "要求：\n" "1. 指出反方论证中的至少 2 个逻辑漏洞\n" "2. 强化你方最有力的论点\n" "3. 补充新的论据或视角\n" "4. 控制在 400 字以内\n" ), expected_output="正方的反驳陈述", agent=pro_agent, ) # --- Task 4: 反方反驳 --- con_rebuttal = Task( description=( "作为反方辩手，请你对正方的反驳进行回应。\n" "要求：\n" "1. 回应正方指出的漏洞\n" "2. 继续攻击正方论证的薄弱环节\n" "3. 提出一个新的反驳角度\n" "4. 控制在 400 字以内\n" ), expected_output="反方的反驳陈述", agent=con_agent, ) # --- Task 5: 正方总结 --- pro_closing = Task( description=( "作为正方辩手，请做最后总结陈词。\n" "要求：\n" "1. 回顾整场辩论中最有力的 2-3 个论点\n" "2. 指出反方始终未能有效回应的核心问题\n" "3. 用一句有力的话结束\n" "4. 控制在 300 字以内\n" ), expected_output="正方的总结陈词", agent=pro_agent, ) # --- Task 6: 反方总结 --- con_closing = Task( description=( "作为反方辩手，请做最后总结陈词。\n" "要求：\n" "1. 回顾整场辩论中最有力的 2-3 个论点\n" "2. 指出正方始终未能有效回应的核心问题\n" "3. 用一句有力的话结束\n" "4. 控制在 300 字以内\n" ), expected_output="反方的总结陈词", agent=con_agent, ) # --- Task 7: 裁判评估 --- judgment = Task( description=( "作为辩论裁判，请评估整场辩论并给出评判。\n" "评判维度：\n" "1. 论证逻辑性（满分 30 分）\n" "2. 证据质量（满分 30 分）\n" "3. 反驳能力（满分 20 分）\n" "4. 表达清晰度（满分 20 分）\n" "\n" "输出格式：\n" "## 正方得分\n" "- 论证逻辑性: X/30\n" "- 证据质量: X/30\n" "- 反驳能力: X/20\n" "- 表达清晰度: X/20\n" "- 总分: X/100\n" "\n" "## 反方得分\n" "- 论证逻辑性: X/30\n" "- 证据质量: X/30\n" "- 反驳能力: X/20\n" "- 表达清晰度: X/20\n" "- 总分: X/100\n" "\n" "## 裁判点评\n" "- 正方优点:\n" "- 正方不足:\n" "- 反方优点:\n" "- 反方不足:\n" "\n" "## 获胜方\n" "[宣布获胜方及理由]\n" ), expected_output=( "完整的裁判评判报告，包含双方各维度得分、点评和获胜方" ), agent=judge_agent, ) # ======================== # 第 3 步：创建 Crew 并执行 # ======================== crew = Crew( agents=[pro_agent, con_agent, judge_agent], tasks=[ pro_opening, # 1. 正方开场 con_opening, # 2. 反方开场 pro_rebuttal, # 3. 正方反驳 con_rebuttal, # 4. 反方反驳 pro_closing, # 5. 正方总结 con_closing, # 6. 反方总结 judgment, # 7. 裁判评判 ], process=Process.sequential, verbose=True, ) # 启动辩论！ print("辩论开始！\n") result = crew.kickoff() # 打印完整辩论记录 print("\n" + "=" * 60) print("辩论结束 — 完整记录") print("=" * 60) print(result) ``` --- ## 运行方式 ```bash # 使用默认话题 uv run python debate_system.py # 自定义话题 uv run python debate_system.py "远程办公是否应该成为常态？" uv run python debate_system.py "大学教育是否还有必要？" uv run python debate_system.py "AI 创作的作品应该享有版权吗？" ``` --- ## 典型输出示例 ``` ============================================================ 辩论话题: AI 最终是否会取代程序员？ ============================================================ 辩论开始！ ## 正方开场陈述 我坚定地认为 AI 最终会取代程序员。理由如下： **论点一：AI 编程能力正在指数级提升** GitHub Copilot 已经能完成 46% 的代码编写（GitHub 2024 数据）。 Amazon 的 CodeWhisperer、Devin 等工具进一步缩小了差距。 从 autocomplete 到全栈开发，AI 的能力增长速度遵循摩尔定律... **论点二：80% 的编程工作是重复性的** 根据 Stack Overflow 2024 调查，程序员平均每天花 3.2 小时 在 CRUD 操作、API 对接、bug 修复上。这些任务模式固定， 最适合 AI 自动化... **论点三：经济压力推动企业采用 AI** 一个中级程序员的年薪约 50 万人民币，而 AI 工具的月费不到 500 元。 在竞争激烈的市场中，成本差异决定生存... ## 反方开场陈述 我理解正方的担忧，但反方立场同样坚定：AI 不会取代程序员。 **回应正方论点一：** GitHub Copilot 确实提高了效率，但请注意 — 它完成的是"补全"， 不是"创造"。它无法理解业务需求、设计系统架构、做出技术权衡... **回应正方论点二：** 所谓"80% 重复性"是一个过时的假设。随着 AI 接手简单任务， 程序员会转向更高层次的工作：系统设计、算法优化、安全审计... **我的论点一：编程的本质是问题分解** ... ## 正方反驳 反方犯了一个经典的"移动球门"谬误。当 AI 能完成基础编码时， 反方说"那程序员可以做更高级的工作"。但同样的逻辑可以继续： 当 AI 能做系统设计时，程序员又该做什么？... ## 反方反驳 正方对"移动球门"的指控不成立。这不是移动球门，而是承认 工具改变工作性质。计算器没有取代数学家，Excel 没有取代会计师... ## 正方总结陈词 回顾整场辩论，我方三个论点依然成立... ## 反方总结陈词 回顾整场辩论，反方的核心立场始终如一... ============================================================ 辩论结束 — 完整记录 ============================================================ ## 裁判评判 ### 正方得分 - 论证逻辑性: 25/30 - 证据质量: 27/30 - 反驳能力: 16/20 - 表达清晰度: 18/20 - 总分: 86/100 ### 反方得分 - 论证逻辑性: 27/30 - 证据质量: 24/30 - 反驳能力: 18/20 - 表达清晰度: 19/20 - 总分: 88/100 ### 裁判点评 - 正方优点: 数据引用充分，论点层层递进 - 正方不足: 对"取代"的定义不够精确，后期论证有所发散 - 反方优点: 反驳精准，善用类比论证 - 反方不足: 对经济因素回应不够充分 ### 获胜方 **反方获胜** — 总分 88 vs 86 反方在论证逻辑性和反驳能力上略占优势... ``` --- ## 关键设计技巧 ### 1. 给 Agent 设定 "立场约束" 辩论系统的核心是确保双方不会 "跑偏"。通过在 backstory 中强调立场，我们可以防止 Agent 变得过于 "中立"： ```python backstory=( "你必须坚定地站在正方立场，即使对方提出有力反驳，" "也要找到回应角度。" # ← 这行防止 Agent 妥协 ) ``` ### 2. 用具体格式要求控制输出 裁判任务的输出格式被严格规定，这样结果可以直接解析和展示： ```python description=( "输出格式：\n" "## 正方得分\n" "- 论证逻辑性: X/30\n" "...\n" ) ``` ### 3. 字数控制让辩论紧凑 每个任务都设定了字数上限（300-500字），避免 Agent 输出过于冗长： ```python description=( "...\n" "4. 控制在 500 字以内\n" # ← 控制长度 ) ``` ### 4. 上下文引用是 "自动的" 你不需要手动把正方的观点传给反方。在 `sequential` 模式下，CrewAI 自动把前面所有任务的输出串起来作为上下文。所以反方 Agent 在 `con_opening` 任务中自然能看到正方的开场陈述。 --- ## 动手练习 ### 练习 1：修改辩论话题 运行以下命令，体验不同话题的辩论效果： ```bash uv run python debate_system.py "是否应该对 AI 征收 '机器人税'？" uv run python debate_system.py "开源模型会超越闭源模型吗？" ``` **观察：** 哪些话题的辩论更精彩？哪些话题一方明显占优？ ### 练习 2：增加 "观众提问" 环节 在正方总结和反方总结之间，增加一个 "观众提问" 任务： - Agent：观众代表（可以复用正/反方 Agent，或者新建一个） - 任务：提出一个尖锐的问题，要求双方同时回应 - 然后双方各做一次简短回应 **提示：** 只需要在 Task 列表中插入新任务即可，CrewAI 会自动处理上下文传递。 ```python # 新增任务示例 audience_question = Task( description=( "作为观众代表，请针对刚才的辩论提出一个尖锐的问题。" "这个问题应该触及双方都没有充分讨论的核心矛盾。\n" "然后请正方和反方各用 100 字以内回答。" ), expected_output="观众提问 + 正方回答 + 反方回答", agent=pro_agent, # 可以指定任意 Agent ) ``` ### 练习 3：保存辩论记录到文件 修改代码，将完整的辩论记录保存到 Markdown 文件： ```python # 在 kickoff() 之后添加 with open(f"debate_{topic[:10]}.md", "w", encoding="utf-8") as f: f.write(f"# 辩论记录: {topic}\n\n") f.write(str(result)) ``` --- ## 常见问题 ### Q1: 辩论中双方观点太相似怎么办？ 调整 Agent 的 backstory，让它们的风格更加对立。例如正方更激进，反方更保守。也可以降低 `temperature` 让输出更稳定，或换用推理能力更强的模型。 ### Q2: 裁判评分不公平怎么办？ 在裁判的 backstory 中加入更具体的评判标准。你也可以把裁判任务拆成两个：先分别评分，再做综合判断。 ### Q3: 辩论轮次太少不过瘾怎么办？ 增加反驳轮次即可。在现有 Task 列表中插入新的 Task，每个新 Task 引用对应对方的最新发言进行回应。 --- ## 总结 - **辩论系统 = 多 Agent 协作的典型应用**，三个角色各司其职 - **立场约束**通过 backstory 实现，确保 Agent 不跑偏 - **Sequential 流程**自动管理上下文传递，无需手动编排 - **输出格式控制**让结果结构化，方便后续处理 - **话题可替换**，同一套代码可以跑无数次不同辩论 **下节课预告：** 我们将构建一个实用的 "代码审查流水线" — 一个真正能在日常开发中使用的多 Agent 工作流。