文档教程AI Agent人工智能【免费下载链接】Agentic-Design-PatternsAgentic Design Patterns项目地址https://gitcode.com/gh_mirrors/agen/Agentic-Design-Patterns点击查看免费下载在开源书籍《Agentic Design Patterns》智能体设计模式中Reflection 反思模式是最实用的进阶模式之一它让 AI 智能体不再一锤子买卖而是像资深工程师一样自己挑毛病——先生成初稿再自我批评然后修正迭代直到输出达标。本文带你快速吃透这套自我纠错机制的 4 步工作流程、2 种实现方式和 6 大应用场景。 什么是 Reflection 反思模式一句话理解给智能体加一个反馈回路。普通的 Prompt 链Chaining只是把输出直接传给下一步而反思模式会让智能体回头审视自己的输出找出缺陷、评估质量再生成更好的版本。整个过程通常包含 4 个环节步骤名称做什么1执行 Execution智能体完成任务生成初版输出2评估 Evaluation用另一轮 LLM 调用或规则集检查事实准确性、完整性、风格等3精炼 Refinement根据批评意见修改输出、调整参数甚至改写整体计划4迭代 Iteration循环 1~3 步直到结果满意或达到最大轮数在《Agentic Design Patterns》全书的 21 个智能体设计模式全景图中Reflection 反思模式正是连接基础模式与高质量输出的关键一环⚙️ 两种实现方式自我反思 vs 生产者-批评者模型自我反思Self-Reflection单个智能体既是作者又是评审成本低但容易护短——模型很难客观地批评自己的作品。生产者-批评者模型Producer-Critic / Generator-Critic两个角色分工明确——Producer生产者专心生成内容写代码、写文章、做计划Critic批评者带着独立人设如资深软件工程师较真的事实核查员专门挑刺输出结构化反馈。书中明确指出角色分离能避免智能体审阅自己作品时的认知偏差批评者以全新视角介入反馈更客观、更专业因此双 Agent 方案通常更稳健。 反思模式的 4 步工作流程拆解以书中 LangChain 实战示例让 AI 编写一个阶乘函数并反复打磨为例流程非常直观第 1 轮Producer 根据任务提示词生成初始代码评估Reflactor 角色以资深工程师人设审查代码检查 bug、边界情况0! 1、异常处理负数输入停止条件若批评者返回CODE_IS_PERFECT则结束否则把批评意见写回对话历史第 N 轮Producer 依据批评意见精炼代码循环直到达标或达到最大迭代次数示例中为 3 次。核心技巧是维护对话历史每一轮的初稿、批评、修正都保留在上下文中让反思过程累积式变强而不是每次从零开始。 书中还提供了 Google ADK 版本示例generatorDraftWriter与reviewerFactChecker两个 LlmAgent 通过 SequentialAgent 串联后者读取前者写入状态键draft_text的初稿并输出结构化评审结果。 Reflection 反思模式的 6 大应用场景场景反思怎么做收益✍️ 创意写作生成草稿 → 批评语气/逻辑 → 重写内容更精炼有感染力 代码生成与调试写代码 → 跑测试/静态分析 → 修 bug代码更健壮 复杂问题求解走一步 → 评估是否靠近解 → 回溯换路更强的推理导航能力 摘要与信息合成初版摘要 → 对照原文关键点 → 补全摘要更准确完整️ 规划与策略生成计划 → 模拟执行评估可行性 → 修订计划更现实有效 对话智能体回顾上文 → 校正误解 → 优化回复对话更自然连贯 真实案例SICA 让 AI 每轮迭代都变强反思思想最具代表性的落地是第 9 章介绍的自改进编码智能体 SICA它反复回顾自己历史版本的表现挑选最佳版本再分析档案中的不足、直接修改自己的代码库然后跑基准测试归档——如此循环在不依赖传统训练的前提下持续进化。正是这种生成 → 评估 → 改进的反思循环让它的性能随迭代次数稳步爬升⚠️ 反思模式成本权衡什么时候该用Reflection 反思模式不是万能的书中给出了明确的权衡⏱️延迟与成本上升每一轮精炼都是一次新的 LLM 调用不适合时效敏感的场景上下文膨胀迭代越多对话历史越长可能撑爆上下文窗口或触发 API 限流✅经验法则当输出质量、准确性比速度和成本更重要时长文写作、代码调试、复杂计划果断使用反思模式若任务对客观性或专业评估要求高务必上独立 Critic 智能体。两个强力外挂能让反思效果翻倍配合记忆管理Chapter 8智能体可以记住过往批评避免重复犯错配合目标设定与监控Chapter 11目标提供自评基准监控追踪偏差反思成为纠偏引擎。 延伸阅读仓库中的相关章节Chapter 4: Reflection 完整原文模式总览与生产-批评模型设计LangChain 反思循环实战代码阶乘函数生成-批评-精炼完整示例Google ADK 版双Agent示例DraftWriter FactChecker 流水线Chapter 9: Learning and AdaptationSICA 自改进案例L56-L79Chapter 8: Memory Management让反思记得住过往批评Chapter 11: Goal Setting and Monitoring目标与监控如何为反思提供基准README 全书目录21 个模式总览与章节导航总结Reflection 反思模式通过执行 → 评估 → 精炼 → 迭代的反馈回路让智能体从被动执行升级为自我纠错生产者-批评者双角色是更稳健的实现能消除自我审阅的认知偏差质量优先于速度的任务写代码、写长文、做计划最适合使用反思模式代价是更高的延迟、成本与上下文占用务必设置停止条件如CODE_IS_PERFECT与最大迭代次数与记忆管理、目标监控组合使用反思就从一次性检查变成持续进化的引擎。赞分享文档教程AI Agent人工智能【免费下载链接】Agentic-Design-PatternsAgentic Design Patterns项目地址https://gitcode.com/gh_mirrors/agen/Agentic-Design-Patterns点击查看免费下载相关推荐计算机考研408复习规划四门课16周的时间轴与资料清单计算机考研408复习规划四门课16周的时间轴与资料清单 刚开始复习计算机考研408的同学多半卡在同一个地方数据结构刚过一遍翻开计组就被数据表示和运算卡住文档教育教程非营利组织终极指南如何用LiveKit Agents构建智能AI助手解决方案非营利组织终极指南如何用LiveKit Agents构建智能AI助手解决方案 在数字化时代非营利组织面临着资源有限、人力不足的挑战同时需要高效服务受益者、AI Agent人工智能语音AI 应用多模态NemotronLabs-VoiceChat-11B-4bit麦克风交互实例打造你的AI语音助手NemotronLabs VoiceChat 11B 4bit麦克风交互实例打造你的AI语音助手 NemotronLabs VoiceChat 11B 4bi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考