---

name: build-coherence locale: wenyan-lite source_locale: en source_commit: 82c77053 fence_basis_commit: 82c77053 translator: "Julius Brussee homage — caveman" translation_date: "2026-04-19" description: > AI multi-path reasoning coherence using bee democracy — independent evaluation of competing approaches, waggle dance as reasoning-out-loud, quorum sensing for confidence thresholds, and deadlock resolution. Use when forage-solutions has identified multiple valid approaches and a selection must be made, when oscillating between options without committing, when justifying an architecture or tool choice with structured reasoning, or before an irreversible action where the cost of the wrong choice is high. license: MIT allowed-tools: Read metadata: author: Philipp Thoss version: "1.0" domain: swarm complexity: intermediate language: natural tags: swarm, coherence, approach-selection, confidence-thresholds, meta-cognition, ai-self-application

Build Coherence

以獨立評估、明聲推理、信心校準之承諾門檻、結構化解僵，評諸爭競之法——自多推理之徑生連貫之決。

適用時機

• forage-solutions 既辨諸可行之法而須擇
• 於二法之間搖擺而不承任一
• 須以結構化推理證一決（架構之擇、工具之擇、實作之策）
• 先前之決依直覺而立，須以證據驗之
• 內部推理生相矛之結論，須復連貫
• 不可逆之行前（合併、部署、刪除），誤擇之代價高

輸入

• 必要：二或以上爭競之法以評
• 選擇性：先探之質評（見 forage-solutions）
• 選擇性：決之籌碼（可逆、中、不可逆）以校門檻
• 選擇性：決之時預算
• 選擇性：既知之敗模（搖擺、早承、群思）

步驟

步驟一：獨立評估

各法獨評其自身之長，勿比之。要則：勿令甲之評偏乙之評。

每法獨評：

Approach Evaluation Template:
┌────────────────────────┬──────────────────────────────────────────┐
│ Dimension              │ Assessment                               │
├────────────────────────┼──────────────────────────────────────────┤
│ Approach name          │                                          │
├────────────────────────┼──────────────────────────────────────────┤
│ Core mechanism         │ 此法何以解此題？                          │
├────────────────────────┼──────────────────────────────────────────┤
│ Strengths (2-3)        │ 此法善於何？                              │
├────────────────────────┼──────────────────────────────────────────┤
│ Risks (2-3)            │ 何可能誤？何為所假？                      │
├────────────────────────┼──────────────────────────────────────────┤
│ Evidence quality       │ 此法之支持何如？                          │
│                        │ （驗 / 推 / 揣）                          │
├────────────────────────┼──────────────────────────────────────────┤
│ Quality score (0-100)  │ 總評                                      │
├────────────────────────┼──────────────────────────────────────────┤
│ Confidence (0-100)     │ 此評之信心幾何？                          │
└────────────────────────┴──────────────────────────────────────────┘

各法分填。所有獨評未畢前勿作比較。

預期： 獨評者各法以其自身之條件評之。乙之評未引甲。質分反真評，非排序。

失敗時： 若評已染（評乙時自書「勝於甲」），重置。全評甲，清框後再評乙。若諸分皆同，則評估之維過粗——加領域專之準。

步驟二：搖擺舞——明聲推理

按其質之比例為各法辯護。此乃 AI 之蜂舞：化隱為明，化私為公。

1. 各法陳其立場——如對疑之用戶說明：
   • 「甲法強因 [證據]。主要之險為 [險]，緩以 [緩]。」
2. 辯護之強度應比例於質分：
   • 高質法：細之辯護，附具體證據
   • 中質法：略辯，承其限
   • 低質法：為全備而提，不主張之
3. 交叉檢視：辯甲後，主動尋支乙之證據。辯乙後，主動尋支甲之證據。此反制確認偏見

明聲推理之旨在使決可審——對己、對用戶。若推理不能明述，則評估淺於所示之分。

預期： 每法之明推理可說服中立觀者。交叉檢視揭至少一初漏之考量。

失敗時： 辯護若感草率（走過場），諸法恐非真異——或為同想之變奏。查：諸法異於機理抑僅異於實作細節？若後者，則此決不甚重——任擇其一而行。

步驟三：立法定門檻而承

立承諾所需之信心門檻，校之於決之籌碼。

Confidence Thresholds by Stakes:
┌─────────────────────┬───────────┬──────────────────────────────────┐
│ Decision Type       │ Threshold │ Rationale                        │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Easily reversible   │ 60%       │ 試而反悔之代價低。速勝於定       │
│ (可撤銷)            │           │                                  │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Moderate stakes     │ 75%       │ 反悔有代價惟可行。值投評估       │
│ (撤銷代價高)        │           │                                  │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Irreversible or     │ 90%       │ 不可撤銷。必須有信。門檻未達則   │
│ high-stakes         │           │ 於決前再取信息                   │
└─────────────────────┴───────────┴──────────────────────────────────┘

1. 類決之籌碼
2. 查：領先之法之質分 × 信心是否達門檻？
3. 若是：承之。陳決、推理、所承之要險
4. 若否：辨何新信息可升信心至門檻
5. 既承則勿再顧，除非新排除證據浮出

預期： 明之承諾刻，附陳之推理。決以合其籌碼之信心層而立。

失敗時： 門檻不達（不可逆決不達九成），問：決真不可逆乎？可分為可逆試階加不可逆承階乎？多數似不可逆之決皆可分階。若分階不可，告用戶其不定以求指引。

步驟四：解僵

當二或以上之法質分相近，單一法不達門檻時。

Deadlock Resolution:
┌────────────────────────┬──────────────────────────────────────────┐
│ Deadlock Type          │ Resolution                               │
├────────────────────────┼──────────────────────────────────────────┤
│ Genuine tie            │ 諸法等效。擇一而承。審議之代價超過       │
│ (分差五成內)           │ 擇「誤」之等效選項之代價。心中擲幣       │
├────────────────────────┼──────────────────────────────────────────┤
│ Information deficit    │ 平因評估未全。再投一具體之探——          │
│ (分數不定)             │ 目標文件之讀、速試——再評分               │
├────────────────────────┼──────────────────────────────────────────┤
│ Oscillation            │ 評分因所注之維而反覆。限時：設計時、     │
│ (分數反覆)             │ 再評一次、不論果皆承之                   │
├────────────────────────┼──────────────────────────────────────────┤
│ Approach merge         │ 甲乙之佳處可合。查相容。若合連貫則       │
│ (相容之強)             │ 用之。若強則勿——擇一                     │
└────────────────────────┴──────────────────────────────────────────┘

預期： 以合之機制解僵。解為決，無餘疑以損執行。

失敗時： 若諸解僵策皆不解，決恐早。問用戶：「我見二強之法：[甲] 與 [乙]。[各略陳]。何者更合汝之先？」將真平之決授予用戶非敗——乃承其依 AI 不可推之值。

步驟五：評連貫之質

既承決後，評其過程生真連貫抑僅生一決。

1. 決基於證據，抑僅蓋章初偏好？
   • 試：評前後之偏好同否？若同，評有何改？
2. 敗之法真考之，抑稻草人？
   • 試：能否陳敗之法之最強立場？
3. 何信號觸重評？
   • 立具體之觀察以破此決（「若察 API 不支援 X，則乙法更佳」）
4. 敗之法是否有用之信息可導實作？
   • 乙之險或亦適於甲

預期： 短之質查，或確其決，或辨其弱。若弱，返合宜之早步，勿於搖地上行。

失敗時： 若質查揭決乃偏好而非證據，誠承之。時偏好即所有——而須如此標之，非偽作分析。

驗證

• 每法於比較前已獨評
• 辯護按質比例（非不論優劣皆等注）
• 已行交叉檢視（辯後尋反證）
• 法定門檻已校於決之籌碼
• 若僵，已用具體解僵策
• 決後質查已行
• 重評之觸已定

常見陷阱

• 早承：評前即決。首法因先得多心注意——評諸後再比
• 不等法之等辯護：甲八十五、乙四十五，等時辯之耗力且生假等
• 蓋章：走評估之程以證已決之事。試：評是否可改果？若否，過程為戲
• 避門檻：降信心門檻以易決，非取達門檻之所需信息
• 忽敗之方：敗之法常含適於勝法之警。乙之險不因擇甲而消

相關技能

• build-consensus — 此技能所改之多代理共識模型至單代理推理
• forage-solutions — 探此技能所評之解空間；常先於此技能
• coordinate-reasoning — 多徑評估中管信息之流
• center — 立無偏評估所需之均衡基線
• meditate — 於諸法評估間清假設