你是否遇過這些情況？團隊內為了專案預算分配爭執不休；合作夥伴間對利潤分成比例各有堅持；甚至家庭出遊，對目的地和行程安排也難以達成共識。傳統的協商往往耗時費力，最後可能淪為誰聲音大誰贏，或是不情不願的妥協，為日後合作埋下心結。

今天要介紹的，是一個在Hacker News上引起熱議（140分，72則討論）的開源專案——Mediator.ai。它提出了一個革命性的概念：利用Nash談判理論（Nash Bargaining Solution） 結合大型語言模型（LLM），將「公平分配」這個主觀難題，轉化為一個可計算、可解釋的系統化流程。這不僅是學術概念，更是一個你可以立即上手使用的工具。本文將帶你從零開始，理解其核心思想，並透過具體情境，一步步學會如何用它來解決真實世界的協調問題。

為什麼是「Nash談判」+ AI？打破僵局的關鍵思維

首先，我們得理解問題的核心。一般的爭執，雙方往往只從自己的「絕對收益」出發：「我要拿到60%」、「我的方案必須被採納」。這容易陷入零和博弈的困境。Nash談判理論則提供了一個數學框架，其目標是找到一個讓「雙方合作總收益」與「雙方不合作（威脅點）收益之差額」乘積最大化的解。簡單說，它追求的不是單方利益極大化，而是讓合作所創造的「共同剩餘價值」得到公平分配。

然而，在現實中，要量化每個人的「威脅點」（即談不攏時各自的退路價值）和對不同選項的「偏好效用」，極為困難。這時，AI就派上用場了。Mediator.ai 讓LLM扮演兩個關鍵角色：

  1. 偏好探詢者：透過自然語言對話，引導各方闡述自己的需求、顧慮和優先級。
  2. 效用量化器：將模糊的語言描述（如「我非常重視時間彈性」），轉化為可比較的數值評分。

這個組合，正是將經典博弈論落地應用的巧妙鑰匙。

實戰教學：三步驟用Mediator.ai解決專案任務分配

假設你是一個小型新創團隊的專案經理，團隊有工程師阿明和設計師小美，你們需要決定下一週兩項任務的優先級：A. 開發新功能原型 與 B. 優化使用者介面。資源有限，無法同時全力進行，你們已經討論了半小時仍無共識。

步驟一：設定談判框架與威脅點

首先，你需要登入 Mediator.ai 的介面（或使用其開源程式碼自架）。建立一個新的「談判案例」。你會需要定義：

  • 談判方：阿明（工程師）、小美（設計師）。
  • 談判選項：可以是一個具體的分配方案組合。例如：
    • 方案1: 70%資源投入A，30%投入B。
    • 方案2: 50%資源投入A，50%投入B。
    • 方案3: 30%資源投入A，70%投入B。
  • 威脅點：這是Nash談判的基石。你需要詢問雙方：「如果今天完全無法達成協議，各做各的，你認為自己一週內能獨立完成多少價值的工作？」這可能很抽象，但AI可以幫忙引導。例如，阿明可能說：「如果沒共識，我只能自己修修小bug，價值大概只有合作狀態下的20%。」小美可能說：「我可能就只做點視覺素材整理，價值大概15%。」這些數字將被記錄為各自的「不合作收益」。

步驟二：透過AI對話釐清真實偏好

接下來，Mediator.ai 會分別與阿明和小美進行對話。它不會直接問「你給方案1打幾分？」，而是會問：

  • 「對你來說，完成新功能原型（A）最大的成就感或價值是什麼？」
  • 「如果使用者介面（B）被延後，你預期會收到什麼樣的客戶反饋？這對你的工作影響有多大？」
  • 「除了任務本身，工作安排的節奏和可預測性對你重要嗎？」

透過這些對話，LLM會分析語言中的情感強度、優先級提示，並為每個談判方案對每個人的「效用值」給出一個推估值。關鍵在於，這個效用是個人化且可比的。也許方案1對阿明的效用是80分（滿分100），對小美只有40分；方案3則相反。

步驟三：計算Nash解與解讀結果

系統收集所有數據後，會套用Nash談判公式進行計算。它不會輸出一個冷冰冰的數字，而是會生成一份分析報告。報告可能會顯示：

「根據Nash公平解，最優方案是方案2（50%/50%）。分析如下：此方案在阿明與小美的效用乘積上最大化。雖然阿明在方案1能獲得更高個人效用，但這會嚴重損害小美的合作意願與整體專案品質（反映在低的效用值上），導致『合作剩餘總值』下降。方案2確保了雙方從合作中獲得的『增益』相對公平，有助於長期穩定協作。」

這個結果，提供了一個超越個人主觀感受的「公平基準」，讓協商從「我覺得…」提升到「系統分析顯示…」，更容易被接受。

進階技巧：將模型應用於商業合作與家庭決策

掌握了基本操作後，你可以發揮更多創意：

  • 商業合作利潤分成：將「威脅點」設定為雙方各自尋找替代合作夥伴的預期收益。讓AI分析市場數據和雙方貢獻的獨特性，量化出一個公平的分成比例區間。
  • 家庭假期規劃：將「威脅點」設為各自獨自度過週末的滿意度。讓AI與每位家庭成員聊天，了解對「文化之旅」、「自然探險」或「美食購物」的真實偏好，規劃出一條讓全家整體幸福感最高的行程，而不是簡單的少數服從多數。
  • 部門預算爭奪：這需要更複雜的模型，但核心邏輯不變。定義各部門的「最低生存預算」作為威脅點，並讓AI評估不同預算分配方案對公司整體目標（如營收、創新、員工滿意度）的貢獻度效用。

總結：擁抱系統性公平思維

Mediator.ai 的啟示在於，AI不僅是自動化工具，更能成為一個促進理解、實現結構化公平的協作框架。它強迫我們在爭執中停下來，理性定義「談不攏的後果」和「真正的偏好」，這本身就是一種價值。

下次再面對難以協調的困境時，不妨試著導入這個思維：先定義「威脅點」，再探索「偏好」，最後尋找最大化「共同合作剩餘」的公平解。從一個團隊任務分配開始練習，你會發現，許多對立並非不可調和，只是缺少一個好的分析框架。現在就打開Mediator.ai的頁面，開始你第一次的系統化公平協商吧！

延伸閱讀

常見問題

Q: Mediator.ai 是免費的嗎？目前如何開始使用？ A: 根據其Show HN頁面資訊，Mediator.ai 是一個開源專案。這意味著你可以免費訪問其程式碼，並在符合開源協議的前提下使用。對於一般用戶，最簡單的方式是關注其官方網站或GitHub頁面，查看是否有提供線上演示版本或清晰的本地部署教學。對於開發者，則可以直接克隆儲存庫進行研究與二次開發。

Q: 這個工具需要雙方都非常理性且誠實地輸入資訊嗎？如果有一方故意誇大自己的「威脅點」或偏好怎麼辦？ A: 這是一個非常好的問題，也是任何協商機制都會面臨的挑戰。Mediator.ai 結合LLM的優勢之一，就是在對話中能透過追問和情境比對，一定程度上偵測不一致或過於極端的陳述。然而，它無法完全杜絕策略性欺騙。實務上，這套系統的最佳應用場景是建立在已有基本信任基礎的合作關係中，目的是找到更好的公平解，而非對抗。系統產出的分析報告，本身也可以作為進一步討論的基礎，揭露不合理的主張。

Q: Nash談判解聽起來很學術，在華人社會強調人情與關係的協商文化中，真的適用嗎？ A: 這正是Mediator.ai試圖橋接的缺口。華人社會的協商常繞不開「人情」與「面子」，有時反而讓真正的利益分配模糊不清，導致事後怨懟。此工具提供了一個「客觀第三方」的參考基準，可以將難以啟齒的利害關係，透過系統分析呈現出來。使用時，可以將其定位為「輔助溝通工具」，而非「最終仲裁者」。它的分析結果可以幫助大家把焦點從「誰輸誰贏」轉移到「如何一起把餅做大並公平分餅」，反而可能減少人情壓力，讓協商更聚焦於事實與共同利益。

Q: 除了專案管理，這個方法對個人人生決策有幫助嗎？例如職業選擇？ A: 非常有潛力！你可以將「談判方」視為你內心的不同價值觀面向，例如「追求高薪」、「重視工作生活平衡」、「渴望成長挑戰」。將不同職業選項作為「方案」，並設定「威脅點」為維持現狀的價值。讓AI幫助你釐清內心每個面向對各選項的隱藏權重，最後的Nash解或許能幫你找到一個最能平衡內心多重渴望的選擇，而不是在極端選項中掙扎。

Q: 我需要很懂博弈論或數學才能使用嗎？ A: 完全不需要。Mediator.ai 的設計目標就是將複雜的理論封裝在簡單的對話介面之後。作為使用者，你只需要能夠描述你的情境、選項和各方的顧慮。系統會引導你完成必要資訊的輸入，並負責所有複雜的計算與分析。你需要具備的是「定義問題」的能力，而非解決問題的數學能力。