反射模式（Reflection）

课程简介

智能体自我反思与修正，让 AI 从错误中学习。

🎬 本课程视频：Agentic AI — AI 智能体设计模式

---

反射模式（Reflection）：让 AI 学会自我改进

一、为什么需要反思模式？

大语言模型的一个显著特点是一次生成、不可修改。无论模型多强大，它在生成第一次输出时就可能犯错误——可能是事实性错误、逻辑漏洞、或者遗漏了重要信息。这就是为什么反思模式如此重要。

Andrew Ng 在课程中分享了一个实验：在代码生成任务中，让模型自我反思后再改进，代码的测试通过率从 65% 提升到了 95% 以上。这个 30% 的提升不需要任何微调，不需要更多训练数据，只需要改变调用模型的方式。

反思模式的核心思想非常简洁但极其强大：让 LLM 审视自己的输出，并基于反思结果进行改进。它模拟了人类「先写初稿→检查→修改→再检查」的迭代工作方式，把 AI 从一次性输出工具变成了持续优化的引擎。

二、双轮对话框架的详细实现

2.1 基本架构

反思模式最简单的实现方式就是「双轮对话框架」。让我们用一个实际的例子来说明。

第一轮（生成轮）：系统提示词加上用户问题，让 LLM 生成初始回答。

System: 你是一位 Python 编程专家。
User: 请写一个函数，输入一个整数列表，返回排序后的结果。
Assistant: [生成初始代码]

第二轮（反思轮）：将第一轮的输出与反思提示词一起送回 LLM。

System: 你是一位 Python 编程专家。请仔细检查你刚才生成的代码，找出所有可能的问题。
User: [第一轮的代码]
Assistant: [检查结果和改进后的代码]

这里的反思提示词「请仔细检查你刚才生成的代码，找出所有可能的问题」是关键。提示词的质量直接影响反思效果。

2.2 反思提示词设计

反思提示词需要告诉模型具体检查什么方向。好的反思提示词应该明确检查维度：

对于代码生成任务：

请检查以下方面：
1. 边界条件：输入为空、单个元素、大量数据时是否正常工作？
2. 性能问题：时间复杂度和空间复杂度是否最优？
3. 代码安全性：是否存在注入风险或内存泄漏？
4. 错误处理：异常输入时是否有适当的错误提示？
5. 可读性：变量命名是否清晰？是否有必要的注释？

对于内容写作任务：

请检查以下方面：
1. 事实准确性：所有数据和引用是否可验证？
2. 逻辑连贯性：论点之间的逻辑链是否完整？
3. 完整性：是否有重要的方面被遗漏？
4. 偏见检测：是否存在不恰当的偏向性表述？
5. 格式合规性：是否符合要求的格式规范？

2.3 三种反思模式的具体实现

根据不同的使用场景，反思模式有三种实现方式。

1. 简单反思（Single-Pass Reflection）
这是最基础的实现方式：生成一次、反思一次、输出结果。适用于对响应时间有要求的场景。

初始生成 → 反思检查 → 输出改进结果

这个方法只需要一次额外的 LLM 调用，Token 成本翻倍但质量提升显著。

2. 上下文增强反思（Context-Augmented Reflection）
在反思轮中，除了初始输出外，还提供额外的上下文信息——比如代码执行的结果、报错信息、用户反馈等。

初始生成 → 执行/验证 → 将执行结果注入反思提示词 → 反思改进 → 输出

例如，在代码生成场景中，第一轮生成的代码如果有编译错误，我们可以把错误信息注入到反思轮的提示词中：

System: 你生成的代码执行时出现了以下错误：[错误消息]
请基于这个错误修改你的代码。

这种方式让反思更有针对性，效果通常优于简单反思。

3. 多轮迭代反思（Multi-Step Iterative Reflection）
对于要求极高输出质量的场景，可以使用多轮迭代。

初始生成 → 反思 → 改进 → 再反思 → 再改进 → ... → 满足质量阈值 → 输出

关键是要设置停止条件：可以是固定轮数（如最多 3 轮）、质量评分达到阈值、或相邻两次输出无显著变化。

三、代码实例：实现一个反思 Agent

下面我们用 Python 实现一个简单的反思 Agent：

import openai

def reflection_agent(prompt, reflection_prompt, max_iterations=3):
    '''
    一个简单的反思 Agent 实现。

    Args:
        prompt: 用户输入的原始问题
        reflection_prompt: 反思阶段的提示词
        max_iterations: 最大迭代次数
    Returns:
        最终的改进结果
    '''
    # 第一轮：初始生成
    messages = [
        {"role": "system", "content": "你是一位 AI 助手。"},
        {"role": "user", "content": prompt}
    ]
    response = openai.chat.completions.create(
        model="gpt-4",
        messages=messages
    )
    current_output = response.choices[0].message.content

    for i in range(max_iterations):
        # 反思轮：检查当前输出
        reflection_messages = [
            {"role": "system", "content": "你是一位 AI 助手。"},
            {"role": "user", "content": prompt},
            {"role": "assistant", "content": current_output},
            {"role": "user", "content": reflection_prompt}
        ]
        response = openai.chat.completions.create(
            model="gpt-4",
            messages=reflection_messages
        )
        reflection_result = response.choices[0].message.content

        # 检查反思结果中是否包含「不需要修改」的信号
        if "不需要修改" in reflection_result or "没有问题" in reflection_result:
            break

        # 基于反思结果进行改进
        improve_messages = [
            {"role": "system", "content": "你是一位 AI 助手。"},
            {"role": "user", "content": prompt},
            {"role": "assistant", "content": current_output},
            {"role": "user", "content": f"请基于以下反馈修改你的回答：
{reflection_result}"}
        ]
        response = openai.chat.completions.create(
            model="gpt-4",
            messages=improve_messages
        )
        current_output = response.choices[0].message.content

    return current_output

# 使用示例
prompt = "用 Python 写一个二分查找函数"
reflection_prompt = "请检查代码中是否存在边界条件错误、性能问题或逻辑漏洞。"
result = reflection_agent(prompt, reflection_prompt)
print(result)

四、反思模式的最佳实践

4.1 何时使用反思模式

反思模式并非万能。以下场景适合使用反思模式：
- 高质量代码生成：对代码正确性要求高的场景
- 内容审核与润色：需要高质量输出的写作任务
- 数学和逻辑推理：精确性要求高的任务
- 翻译和本地化：需要多轮打磨的翻译任务

以下场景不建议使用反思模式：
- 简单的事实查询：如「今天的日期是什么」
- 实时交互场景：对延迟要求极高的应用
- 创意发散任务：第一次输出可能已经是最好版本

4.2 避免过度反思

「过度反思」是反思模式最常见的陷阱。有些简单问题，第一次就回答正确了，不需要再反思。过度反思不仅浪费 Token，还可能画蛇添足——把原本正确的输出改错。

建议的策略是分层触发：先用简单提示直接生成结果，如果模型对结果的置信度低（可以在提示词中要求模型附上置信度评分），或者结果被下游验证系统发现问题，再启动反思流程。

4.3 反思结果验证

反思本身也可能出错——模型可能误判正确的代码为有错误。建议对反思结果进行二次验证：将反思前后的版本用自动化测试或规则引擎进行对比评估，选择得分更高的版本作为最终输出。

五、总结

反思模式是 Agentic AI 中最基础、应用最广泛的设计模式。它通过「生成→反思→改进」的迭代循环，让模型自我修正和持续优化，在代码生成、内容写作、数学推理等场景中都能显著提升输出质量。掌握反思模式的三种实现方式（简单反思、上下文增强反思、多轮迭代反思），并在实践中灵活运用分层触发策略，是高效使用反思模式的关键。

七、实用技巧：提升反思效果的方法

7.1 结构化反思提示

好的反思提示词应该结构化、分维度。不要只说“检查你的代码”，而要明确告诉模型检查哪些维度：

请从以下维度检查：
1. 正确性：边界条件、异常输入
2. 性能：时间、空间复杂度
3. 安全：注入、XSS 等漏洞
4. 可维护性：命名、注释、代码结构

7.2 反思与外部验证结合

不要把反思完全交给 LLM 自己。结合外部验证工具效果更好：
- 代码：运行单元测试、静态分析工具
- 数据：与已知数据源交叉验证
- 格式：用 schema 验证器检查

7.3 控制反思成本

• 设置最大迭代次数（通常 2-3 轮足够）
• 使用更小的模型做反思轮（如用 GPT-4o-mini 检查 GPT-4o 的输出）
• 缓存检查结果，避免重复反思
• 根据任务复杂度动态调整反思轮数

八、总结与最佳实践

反思模式教会我们一个核心理念：AI 的输出不是一次性的，通过迭代可以大幅提升质量。在实践中：

• 总是使用反思模式进行代码生成：这是收益最明显的场景
• 设置合理的停止条件：固定轮数或质量阈值
• 反思提示词越具体效果越好：告诉模型检查什么
• 结合外部工具验证：反思 + 测试效果加倍

反思模式是所有 Agentic 设计模式的基石。掌握了反思，你就掌握了让 AI 自我进化的核心能力。

七、实用技巧：提升反思效果的方法

7.1 结构化反思提示

好的反思提示词应该结构化、分维度。不要只说“检查你的代码”，而要明确告诉模型检查哪些维度：

请从以下维度检查：
1. 正确性：边界条件、异常输入
2. 性能：时间、空间复杂度
3. 安全：注入、XSS 等漏洞
4. 可维护性：命名、注释、代码结构

7.2 反思与外部验证结合

不要把反思完全交给 LLM 自己。结合外部验证工具效果更好：
- 代码：运行单元测试、静态分析工具
- 数据：与已知数据源交叉验证
- 格式：用 schema 验证器检查

7.3 控制反思成本

• 设置最大迭代次数（通常 2-3 轮足够）
• 使用更小的模型做反思轮（如用 GPT-4o-mini 检查 GPT-4o 的输出）
• 缓存检查结果，避免重复反思
• 根据任务复杂度动态调整反思轮数

八、总结与最佳实践

反思模式教会我们一个核心理念：AI 的输出不是一次性的，通过迭代可以大幅提升质量。在实践中：

• 总是使用反思模式进行代码生成：这是收益最明显的场景
• 设置合理的停止条件：固定轮数或质量阈值
• 反思提示词越具体效果越好：告诉模型检查什么
• 结合外部工具验证：反思 + 测试效果加倍

反思模式是所有 Agentic 设计模式的基石。掌握了反思，你就掌握了让 AI 自我进化的核心能力。

七、实用技巧：提升反思效果的方法

7.1 结构化反思提示

好的反思提示词应该结构化、分维度。不要只说“检查你的代码”，而要明确告诉模型检查哪些维度：

请从以下维度检查：
1. 正确性：边界条件、异常输入
2. 性能：时间、空间复杂度
3. 安全：注入、XSS 等漏洞
4. 可维护性：命名、注释、代码结构

7.2 反思与外部验证结合

不要把反思完全交给 LLM 自己。结合外部验证工具效果更好：
- 代码：运行单元测试、静态分析工具
- 数据：与已知数据源交叉验证
- 格式：用 schema 验证器检查

7.3 控制反思成本

• 设置最大迭代次数（通常 2-3 轮足够）
• 使用更小的模型做反思轮（如用 GPT-4o-mini 检查 GPT-4o 的输出）
• 缓存检查结果，避免重复反思
• 根据任务复杂度动态调整反思轮数

八、总结与最佳实践

反思模式教会我们一个核心理念：AI 的输出不是一次性的，通过迭代可以大幅提升质量。在实践中：

• 总是使用反思模式进行代码生成：这是收益最明显的场景
• 设置合理的停止条件：固定轮数或质量阈值
• 反思提示词越具体效果越好：告诉模型检查什么
• 结合外部工具验证：反思 + 测试效果加倍

反思模式是所有 Agentic 设计模式的基石。掌握了反思，你就掌握了让 AI 自我进化的核心能力。

延伸阅读

• 📺 B 站播放列表：Agentic AI — AI 智能体设计模式
• 📚 更多学习资源，请访问 deeplearning.ai 官网