六西格玛智能体：通过共识驱动的分步执行实现企业级 LLM 系统可靠性

针对大语言模型概率性导致的企业部署可靠性难题，本文提出“六西格玛智能体”架构。该架构包含三大组件：将任务分解为原子动作依赖树、多模型并行微智能体采样、以及动态缩放共识投票机制。理论证明该方法可实现错误率的指数级降低。实验表明，相较于单智能体执行，该系统在三个企业用例中可靠性提升 14700 倍，同时成本降低 80%，确立了通过原则性冗余与共识而非单纯模型扩展来提升可靠性的新范式。