内容纲要
导语
复杂任务（长文、代码、策略）很难“一次生成即完美”。反思（Reflection）是把“评估与改进”引入工作流的机制：先产出初稿，再用结构化标准评估，按反馈修订，循环至达标。采用“生产者-评论者”双智能体分工能显著减少偏见、提升客观性，3–5 轮内稳定达到可交付质量。
TL;DR
- 核心：执行→评估/剖析→改进→（必要时）再循环；形成反馈闭环。
- 推荐：双智能体分工（生产者创作、评论者评审），客观且高效。
- 要点：明确评估标准、结构化反馈、设置停止条件、防止无限循环。
- 成本：多轮调用会增加延迟与费用；可限制轮次与上下文长度。
- 协同：与提示链/并行化结合，在关键节点插入“反思检查点”。
- 标志：评论者判定“完美”（<code>CODE_IS_PERFECT</code>）或达到最大轮次即止。
是什么：把“反馈”嵌入到流程里
流程示意：
执行 → 评估/剖析 → 反思/优化 → （必要时）迭代
单智能体：
生成 → 自评 → 改进 → 结束/继续
双智能体：
生产者生成 → 评论者评审 → 生产者改进 → 达标则结束/否则继续可视化（两种模式）：
读图要点：单智能体也可反思，但容易“自欺”；效果次优。
读图要点：生产者专注创作、评论者专注评审；角色分离更客观。
为什么：质量靠反馈闭环而非“一次成活”
- 初稿不可避免存在遗漏/不一致/错误
- 结构化评估标准让“好坏”可被衡量
- 通过外部视角（评论者）减少认知偏见
- 让模型“看到问题—修问题—再确认”，质量自然提高
适用信号：
- 输出质量直接影响业务（代码、事实核查、合规）
- 约束多、难一次到位（风格/事实/结构/边界条件）
- 需要可追溯与可改进的过程记录
怎么做：落地清单
1）定义评估标准与停止条件
- 维度示例：准确性、完整性、风格一致性、可执行性、合规性
- 停止条件：<code>CODE_IS_PERFECT</code>标识位返回、最大 3–5 轮、改进幅度 < 阈值、用户确认
2）结构化反馈
- 用列表/评分/清单输出问题与建议
- 明确“必须修复/建议改进/可忽略”的优先级
3）角色分离：生产者 vs 评论者
- 生产者：生成与修订
- 评论者：审查与建议（避免自己审自己）
4）状态与可观测性
- 记录每轮输入/输出、评估结论、具体改动
- 便于回放、比对提升幅度、进行 A/B
5）成本控制
- 限制轮次与上下文长度
- 小模型做初评，大模型做终审
场景范式
1）创作长文/营销内容
需求 → 生产者写草稿 → 评论者审语气/结构/一致性 → 重写 → 终稿价值：稳定输出高质量文案。
2）代码生成与调试
任务 → 写初版 → 运行测试/静态分析 → 评论者给问题清单 → 修复 → 通过为止价值：更健壮、边界处理完整。
3）复杂问题求解
提出解法 → 评论者找矛盾 → 回退修正 → 直到满足约束价值：减少逻辑错误与幻觉。
对比与取舍
- 优势：质量显著提升、可纠错、可解释、可审计
- 成本：延时与费用增加、上下文更长、实现更复杂
- 取舍：高质量优先时启用反思；简短、低风险任务不必使用
常见错误与排错
- 无明确评估标准 → 结果反复但没有改进方向
- 自评自改 → 偏见难消；建议引入评论者角色
- 无限循环 → 必须设置停止条件与最大轮次
- 上下文爆炸 → 只保留关键反馈与差异，不堆冗余历史
- 成本不可控 → 小模型初评 + 大模型终审，分级把关
FAQ
- 问：一定要双智能体吗？
答：不强制，但双智能体更客观、提升更明显；资源有限可先单体。 - 问：如何设置迭代次数？
答：一般 3–5 轮足够；同时配合“完美信号”与改进阈值。 - 问：和并行化/提示链怎么配合？
答：在提示链关键节点插入反思；或并行生成多个版本，由评论者选择最佳。
延伸阅读与引用
- LangChain LCEL 文档：https://python.langchain.com/docs/introduction/
- LangGraph 反思循环：https://www.langchain.com/langgraph
- Google ADK 多智能体系统：https://google.github.io/adk-docs/agents/multi-agents/
- 自我纠正论文：Training LMs to Self-Correct via RL（2024）
链接：https://arxiv.org/abs/2409.12917
总结
反思不是“锦上添花”，而是让复杂任务“稳定达标”的关键。把评估标准、结构化反馈与停止条件嵌入到流程里，再用生产者-评论者分工去执行，你会发现：质量提升变得可预期、可度量、可复制。把反思作为“质量闸门”，让每次交付都更放心。