吴恩达：AI Agent 设计模式——Reflection

。

有意思的事情发生了，很多时候，模型确实能自己发现问题并提出建设性意见。接下来，把之前生成的代码、建设性反馈这两部分内容一起丢回给模型，要求它根据反馈重写代码。你会发现，输出质量往往有明显提升。这个“批评/重写”的循环可以重复进行，每次迭代都可能带来进一步的改善。在生成代码、编写文本、回答问题等任务上，这个过程都能帮助模型自我纠错，输出更精准的内容。 当然，让模型靠自己反思有一定局限性。我们可以更进一步，给它配备外部“工具”来评估输出质量。比如，在生成代码后，让它跑几个预设的单元测试，看看结果是否通过；在生成文本后，让它用浏览器搜索一下相关网页，验证文本中的事实是否正确。一旦发现错误，模型就能基于这些信息进行反思和修正，这比单纯的自我反思靠谱多了。 另一个高效实现Reflection的方法是构建多智能体框架。我个人试下来觉得最顺手的方式是：创建两个不同的AI角色。一个负责生成内容，另一个则专门负责对前一个的输出进行批判性分析。让这两个“智能体”来回对话、相互评议，输出的质量会在迭代中不断被推高。 Reflection算是Agent工作流里比较基础的一种，但已经能在不少场景下显著提升应用效果。真心建议你在自己的项目中尝试一下这个设计模式。如果想更深入地研究，下面这几篇论文是绕不开的经典： * “Self-Refine: Iterative Refinement with Self-Feedback,” Madaan et al., 2023 ([https://arxiv.org/pdf/2303.17651.pdf](https://arxiv.org/pdf/2303.17651.pdf)) * “Reflexion: Language Agents with Verbal Reinforcement Learning,” Shinn et al., 2023 ([https://arxiv.org/pdf/2303.11366.pdf](https://arxiv.org/pdf/2303.11366.pdf)) * “CRITIC: Large Language Models Can Self-Correct with Tool-Interactive Critiquing,” Gou et al., 2024 ([https://arxiv.org/pdf/2305.11738.pdf](https://arxiv.org/pdf/2305.11738.pdf)) 关于AI Agent的其他几种设计模式，我们后面找时间再聊。