TL;DR
LLM Council — техника, которая заставляет модель симулировать совет из 4 независимых экспертов: сначала каждый отвечает отдельно, потом анонимно критикует остальных, потом «председатель» синтезирует всё в один финальный ответ. Вся эта конструкция работает в одном чате через структурированный промпт.
Главная боль одиночной модели — не неверные ответы, а пропуски. Исследование показало: большинство опасных ответов — это не выдумки, а упущения. Модель не упомянула важный вариант. Не добавила нужный шаг. Не подстраховалась. По данным исследования, 44–60% вредоносных ответов относятся именно к ошибкам пропуска — модель просто не включила то, что должна была включить.
Три этапа решают это: на первом каждый «агент» отвечает изолированно, не зная что скажут остальные. На втором — все четверо анонимно оценивают все ответы, включая собственный. На третьем председатель видит и ответы, и критику — и собирает финальный ответ, который учитывает всё, что не заметил ни один голос в отдельности.
Схема метода
ШАГ 1: Независимые ответы (один чат)
→ 4 эксперта отвечают изолированно, без знания друг о друге
→ Формат: структурированный ответ от каждого
ШАГ 2: Анонимная взаимная критика
→ Каждый эксперт оценивает все 4 ответа (включая свой)
→ Анонимно: «Ответ А», «Ответ Б» — без имён
→ Формат: сильные стороны, слабости, ранжирование
ШАГ 3: Синтез председателя
→ Председатель видит: исходную задачу + все ответы + всю критику
→ Собирает финальный ответ, взвешивая контент и сигналы критики
→ Формат: единый итоговый ответ
Все три шага — в одном чате, последовательными запросами.
Пример применения
Задача: Ты записался к нотариусу, чтобы оформить договор с подрядчиком на 800 000 рублей. Прежде чем идти — хочешь понять, какие риски в условиях упустил, что стоит добавить, что убрать. Промпт-юрист даст один взгляд. Совет экспертов — поймает больше.
Промпт:
Ты симулируешь совет из 4 независимых экспертов, которые анализируют
договор подряда.
## ЗАДАЧА
[Вставь текст договора или ключевые условия]
---
## ЭТАП 1 — НЕЗАВИСИМЫЕ ОТВЕТЫ
Сыграй роль каждого из четырёх экспертов. Каждый отвечает ИЗОЛИРОВАННО,
не зная что скажут остальные. Укажи: риски, пробелы, что добавить,
что убрать.
Эксперт А — Корпоративный юрист:
[Его анализ]
Эксперт Б — Финансовый директор:
[Его анализ]
Эксперт В — Арбитражный юрист (специализация — споры с подрядчиками):
[Его анализ]
Эксперт Г — Налоговый консультант:
[Его анализ]
---
## ЭТАП 2 — АНОНИМНАЯ ВЗАИМНАЯ КРИТИКА
Теперь каждый эксперт оценивает ВСЕ четыре ответа анонимно
(«Ответ А», «Ответ Б»...). Оценивает включая свой собственный.
Для каждого ответа: что сильно, что упущено, финальный ранг (1–4).
---
## ЭТАП 3 — СИНТЕЗ ПРЕДСЕДАТЕЛЯ
Ты — председатель совета. У тебя три источника: исходный договор,
все четыре ответа, вся критика. Синтезируй финальный анализ:
- Главные риски (которые отметили несколько голосов)
- Что точно добавить в договор
- Что убрать или переформулировать
- Что вызвало разногласия в совете — и почему
Результат: Модель пройдёт все три этапа последовательно. Видно будет как каждый «голос» делает акцент на своём: юрист — на формулировках, финансист — на сроках оплаты и штрафах, арбитражник — на том, что придётся доказывать в суде. Взаимная критика часто выносит наружу противоречия между экспертами — это ценнее, чем единодушие. Финальный синтез концентрирует то, что упомянули минимум двое, — это «консенсусные риски».
Почему это работает
Когда модель отвечает на вопрос в лоб, она генерирует текст по наиболее вероятному пути — и остаётся на нём. Нет механизма спросить себя: «А что я пропустил?» Ошибки пропуска — самые тихие: их не видно, пока не станет поздно.
Принудительное разделение ролей ломает этот паттерн. Разные эксперты начинают с разных точек входа — и каждый из них «видит» задачу через свой фрейм. Финансист не смотрит на формулировки — он смотрит на числа. Арбитражник не смотрит на налоги — он смотрит на то, что невозможно доказать в суде. Когда эти взгляды собираются вместе, покрытие растёт.
Рычаги управления: - Количество экспертов → 2–3 вместо 4 для простых задач (меньше токенов, быстрее) - Специализация ролей → чем конкретнее роль, тем острее ответ: не «юрист», а «арбитражник по строительным спорам» - Анонимность на этапе критики → убрать имена экспертов при оценке — это убирает предвзятость в пользу «авторитетного» голоса - Критерий синтеза → можно заменить «взвешенный синтез» на «консенсус по минимум 2 голосам» — для задач с высокой ставкой
Шаблон промпта
Ты симулируешь совет из {число} независимых экспертов.
## ЗАДАЧА
{задача или документ для анализа}
---
## ЭТАП 1 — НЕЗАВИСИМЫЕ ОТВЕТЫ
Каждый эксперт отвечает изолированно. Формат: {нужный формат ответа}.
Эксперт А — {роль А}:
[Его ответ]
Эксперт Б — {роль Б}:
[Его ответ]
Эксперт В — {роль В}:
[Его ответ]
Эксперт Г — {роль Г}:
[Его ответ]
---
## ЭТАП 2 — АНОНИМНАЯ ВЗАИМНАЯ КРИТИКА
Каждый эксперт оценивает все {число} ответов анонимно («Ответ А», «Ответ Б»...),
включая свой собственный. Для каждого: сильные стороны, пробелы, ранг 1–{число}.
---
## ЭТАП 3 — СИНТЕЗ ПРЕДСЕДАТЕЛЯ
Ты — председатель. У тебя: исходная задача, все ответы, вся критика.
Синтезируй финальный ответ: {критерий синтеза — консенсус / взвешенный /
лучший ответ + поправки от остальных}.
Что подставлять:
- {число} — обычно 3–4, для простых задач — 2
- {роль А/Б/В/Г} — конкретные специализации, не просто «эксперт»
- {нужный формат ответа} — список рисков, план действий, оценка за/против
- {критерий синтеза} — как председатель решает разногласия
🚀 Быстрый старт — вставь в чат:
Вот шаблон LLM Council. Адаптируй под мою задачу: {твоя задача}.
Задавай вопросы, чтобы заполнить поля.
[вставить шаблон выше]
LLM спросит про специализацию экспертов и нужный формат ответа — потому что без этого роли будут размытыми и совет превратится в повтор одного и того же разными словами. Она возьмёт паттерн из шаблона и адаптирует под конкретную задачу.
Ограничения
⚠️ Для простых задач — избыточно: Если вопрос фактический («какой налог на дивиденды?»), совет не добавит ценности — только утроит длину ответа.
⚠️ Один сильный голос может перебить остальных: Если модель по умолчанию «доверяет» авторитетной роли (например, «главный врач»), остальные голоса становятся декоративными. Помогает анонимизация в этапе 2.
⚠️ Симуляция ≠ настоящий мультиагент: В одном чате модель сама пишет за всех — нет настоящей независимости взглядов. Реальный совет из 4 разных моделей даёт более разнообразные точки зрения. Симуляция в одном чате — приближение, но уже лучше одиночного ответа.
⚠️ Один топовый голос иногда лучше совета: Исследование показало: лучшие флагманские модели (GPT-5.2 Pro) иногда давали более полный дифференциальный диагноз и план лечения, чем совет. Совет больше выигрывает с более слабыми или быстрыми моделями.
Ресурсы
Статья: Deliberative Multi-Agent Large Language Models Improve Clinical Reasoning in Ophthalmology — Misaghi et al., 2026
Имплементация: Основана на коде Андрея Карпати для «LLM Council» — оригинальный репозиторий доступен на его GitHub
Фреймворк оценки вреда: NOHARM (Numerous Options Harm Assessment for Risk in Medicine) — структурированная оценка медицинского вреда от AI-ответов
Авторы: Ehsan Misaghi, Fares Antaki (Cole Eye Institute, Cleveland Clinic) и коллеги из UCL, Yale, NUS, Université de Montréal