核心概念
- 反思模式：让 Agent 对自身输出或过程进行评估，并基于反馈进行优化。
- 与链式（顺序执行）或路由（路径选择）不同，反思模式引入 反馈循环，实现自我纠正与改进。
- 可由单个 Agent 自我反思，也可采用 生产者-评审者模型（更常见、更稳健）。
反思流程
- 执行：Agent 生成初始输出。
- 评估/评审：通过另一个 LLM 调用或规则集分析结果，检查准确性、完整性、风格、逻辑等。
- 反思/优化：根据评审意见改进输出或调整策略。
- 迭代（可选）：重复上述过程，直到结果满意或达到停止条件。
生产者-评审者模型
- 生产者 Agent：负责生成初稿（代码、文章、计划等）。
- 评审者 Agent：负责严格评估，角色可设定为“高级工程师”“事实核查员”等，专注发现问题并提出改进建议。
- 优点：避免自我审查的偏差，提升客观性和质量。
技术实现
- LangChain 示例：使用
reflector_prompt 创建评审者角色，支持迭代优化。 - ADK 示例：通过
SequentialAgent 串联生成器与评审者，形成结构化的写作与审查流程。 - 循环机制：需状态管理与条件控制，支持多轮迭代。
- 注意事项：反思提升质量，但增加计算成本、延迟和内存消耗。
应用场景与价值
- 创意写作：生成草稿 → 评审流畅度/语气 → 重写 → 达到高质量。
- 代码生成与调试：写代码 → 测试/分析 → 修复错误 → 生成健壮代码。
- 复杂问题求解：逐步推理 → 检查逻辑 → 回溯或修正 → 提升解题能力。
- 摘要与信息综合：初稿摘要 → 与原文对比 → 补全缺失 → 提升准确性。
- 规划与策略：生成计划 → 模拟执行/评估可行性 → 修订 → 更现实有效。
- 对话 Agent：检查上下文与历史 → 修正误解 → 提升对话自然度。
优势与权衡
- 优势：
- 输出更高质量、更准确、更符合复杂要求。
- 提升 Agent 的自适应性和“元认知”能力。
- 劣势：
- 成本更高（多次 LLM 调用）。
- 延迟增加，不适合强实时场景。
- 内存消耗大，可能超出上下文窗口。
经验法则
- 当 质量、准确性和细节 比 速度和成本 更重要时，使用反思模式。
- 特别适合：长篇内容生成、代码调试、复杂计划制定。
- 若需高度客观或专业评估，推荐使用独立评审者 Agent。
