反思与迭代修正

理解与应用

智能体中的反思，通常指执行或生成结果后，再检查哪里不符合要求，并把反馈用于下一次尝试。反馈可以来自测试、用户意见、规则检查，也可以由模型提出。相关研究中，Reflexion 强调用语言反馈帮助后续尝试，Self-Refine 则研究生成、反馈和修订的迭代；这些做法并不等于修改模型权重。

例如一个程序要删除标签两端的空白，初稿却用了 replace，把标签中间的空格也删了。“New York”因此变成“NewYork”。有用的反馈不是“代码不够严谨”，而是指出输入、错误输出和预期输出：两端空白应去掉，内部空格应保留。这个反馈将修改方向缩小到字符串处理规则。

下一轮可以改用 strip，然后重跑原先的案例和其他相关测试。如果只检查“New York”一个样本，可能忽略空字符串或制表符。反思产生的是待验证的修正建议；只有新版本通过检查，才有理由替换旧版本。保留上一版和测试结果，也能在改动引入新问题时回退。

不是所有任务都有明确答案。文章修改可以依据字数、读者背景和必需信息来检查，但“更好读”仍包含判断。当评价和修订都来自同一个模型时，它们可能共享同样的误解，因此外部标准或独立证据尤其有价值。达到任务要求后继续反复改写，未必比停在已验证的版本更好。

动手试一试：用失败样本说明具体要改什么

代码中的两个版本都是预先写好的，用来展示测试反馈如何指向修正，而非展示模型自动修复。修改版通过了这里列出的三个案例；这不能代替对完整业务输入范围的检查。

将代码保存为 example.py，使用 Python 3.10+ 运行 python3 example.py。仅使用标准库，无需密钥，不会调用外部模型。

Python 代码

def first_version(text):
    return text.replace(" ", "")

def revised_version(text):
    return text.strip()

cases = [
    ("  New York  ", "New York"),
    ("\tAlice\t", "Alice"),
    ("", ""),
]
for name, function in [("初稿", first_version), ("修改后", revised_version)]:
    passed = sum(function(source) == expected for source, expected in cases)
    print(f"{name}: {passed}/{len(cases)} 通过")

print("具体反馈:", repr(first_version(cases[0][0])), "应为", repr(cases[0][1]))

运行结果

初稿: 1/3 通过
修改后: 3/3 通过
具体反馈: 'NewYork' 应为 'New York'

常见误区

• 只让模型说“再检查一遍”，却不给可判断的标准，容易得到语气更肯定但问题未改的答案。
• 只复测刚失败的案例，可能错过修改对其他已通过案例造成的影响。

前置与延伸

建议先读

• 智能体执行循环

相关概念

• 情景记忆
• Plan-and-Solve：先规划再求解

参考与版本

Apollo 原创讲解与教学示例。参考资料用于核对技术定义；核验日不代表资料的发布日期。

• Reflexion 原始论文 ↗

  已核对作者论文页面，v4；Reflexion 是特定研究方法，本文同时讨论更广义的反馈修正，不将其等同于权重更新。 · 核验：2026-10-10

• Self-Refine 原始论文 ↗

  已核对作者论文页面与迭代反馈方法摘要，v2；不承诺自我反馈必然提高正确率。 · 核验：2026-10-10