关注用户是否真的愿意用：自动精读必须比摘要更有用，否则只是内容再包装。
它和普通圆桌不同在哪里
普通圆桌常见问题是轮流发言、互相补充、观点发散。本项目把“反驳、门控、评分、收敛”变成结构化产物。
普通 roundtable / 多角色聊天
- 角色轮流发言，容易变成头脑风暴。
- 观点越说越多，但不一定收敛。
- 容易附和用户原始假设。
- 缺少 critic 和 gate，无法判断质量是否足够。
Roundtable Adversarial Review
- 角色带着明确立场互相攻击假设。
- critic 检查证据、反例、风险和执行性。
- 评分不是装饰，而是决定是否通过门控。
- 最后必须收敛为可演示、可验证的下一步。
Demo 议题
样例围绕黑客松报名材料：如何诚实、清晰地展示“播客自动精读”项目的最大风险。
Sample question
播客自动精读项目最大的报名风险是什么？
多方立场
每个角色不是换一种语气重复结论，而是守住不同评价标准。
关注输入来源、引用边界和传播方式：不能把未授权内容包装成可公开复用资产。
关注用户是否形成理解和迁移：如果没有测验、复述、行动练习，精读价值难证明。
关注评委第一眼是否能看懂：不能吹成全自动真理机器，必须展示边界和验证路径。
精选交叉质疑
以下不是完整长日志，而是能代表讨论质量的冲突片段。
版权合规 → 产品价值
你说“自动精读节省时间”，但如果输入是受版权保护的完整转写，用户拿到的是替代性内容还是评论性内容？没有来源授权和引用边界，价值越高，风险也越高。
学习效果 → 产品价值
“读完更懂”不能只靠用户感觉证明。至少要展示复述题、行动清单或前后测，否则精读可能只是更漂亮的摘要。
展示材料 → 版权合规
如果报名材料只强调合规风险，项目会显得不能演。需要把边界转化成演示策略：用自有或授权片段、展示分析结构，不展示可替代原内容的长摘录。
产品价值 → 学习效果
学习测验很好，但不能把 MVP 做成课程平台。第一版应证明“从长音频到可行动理解”的最短路径，而不是堆满教学功能。
critic / score / gate
门控的作用是阻止漂亮但不可靠的结论通过。该样例最终通过，但带有非阻塞缺口。
| 检查项 | 评分 | 状态 | 证据摘要 |
|---|---|---|---|
| 观点是否有证据 | 7 / 10 | WATCH | 有样例逻辑和风险链，但未接入真实用户数据或法务意见。 |
| 是否指出反例 | 8 / 10 | PASS | 指出“摘要漂亮但学习无提升”和“高价值反而增加版权风险”的反例。 |
| 是否识别风险 | 9 / 10 | PASS | 识别最大报名风险是过度宣称能力和合规边界不清。 |
| 是否给出可执行建议 | 8 / 10 | PASS | 给出 demo 话术、禁用话术、授权样例和下一步验证动作。 |
| 是否有夸大或不确定表述 | 6 / 10 | WATCH | 需要持续避免“自动保证真理”“真正多 Worker 并行”等无证据说法。 |
最终结论
Roundtable 的价值不是让 AI 多说几段，而是把冲突压缩成可执行的报名策略。
Final decision
最大风险：把“对抗式审查能力”说成“自动保证正确”。
推荐表达：这是一个提高复杂问题反思密度和结论质量的 Skill demo，通过立场对抗、critic 评分和决策备忘录辅助人类判断。
不应该说：满血 V5.0、真实多 Worker 并行、替代法务/专家判断、自动保证学习效果。
Demo 应该怎么演打开首页，读出样例议题，展示四个立场如何互相质疑，再展示 critic scorecard 和 final decision memo。
下一步验证动作用 3 个真实报名问题跑同一模板；让人工 reviewer 标注“是否发现新风险”；记录门控被拒绝的样例。
评委应该记住Roundtable 不是让 AI 多说几种意见，而是让 AI 先反驳你，再帮你收敛出能执行的结论。
包内文件
所有材料都是静态文件，可离线打开；公开材料不包含密钥、私有 engine 细节或不可验证的并行执行声明。