概述
自我反思讓人工智慧代理在任務中批評自己的產出和行動，然後根據該批評進行修改。它將一次性猜測器變成了一個可以捕獲並修復自身錯誤的系統。
代理循環中的自我反思是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。
深入探討
在代理循環中，語言模型採取操作（呼叫工具、編寫程式碼、應答）、觀察結果並決定下一步要做什麼。自我反思增加了一個深思熟慮的步驟，模型在繼續之前評估其最近的工作。像 Reflexion (2023) 這樣的框架使這一點具體化：在一次失敗的嘗試之後，智能體會寫一個簡短的口頭批評（“我忘記處理空列表案例”）並將其存儲在內存中，因此下一次嘗試以該教訓為條件。 Self-Refine 使用相同的模型來產生回饋，然後迭代地重寫其答案。反思可以來自將輸出與目標進行比較、檢查錯誤訊息或執行測試。其回報是在編碼、網路導航和數學等多步驟任務上具有更高的可靠性，其中單次傳遞經常失敗，但批評和重試循環會成功。
技術洞察
反思通常作為額外的提示來實現：模型被要求充當其自身行為記錄的批評者，產生自然語言回饋，然後將其附加到上下文中以供下一次嘗試。反射將這些批評儲存在試驗中的情景記憶緩衝區中，而不是微調權重，因此學習完全在上下文中進行。驅動反射的訊號可以是外部的（測試通過/失敗、工具錯誤）或自身產生的，而外部訊號往往更加可靠。
掌握代理循環中的自我反思
自我反思讓人工智慧代理在任務中批評自己的產出和行動，然後根據該批評進行修改。它將一次性猜測器變成了一個可以捕獲並修復自身錯誤的系統。代理循環中的自我反思是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。為了建立深入的理解，請將代理循環中的自我反思視為一種操作模型，而不是單一功能：定義所需的結果，澄清假設，並將系統可以可靠地執行的操作與仍需要專家判斷的操作分開。
在實踐中，強大的團隊在代理循環中使用自我反思，根據可靠性和成本來優化架構、資料和基礎設施選擇。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
多年來，架構決策決定著效能和營運成本。同時，優化一個基準測試可以隱藏更廣泛的系統弱點。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
多年來，架構決策決定著效能和營運成本。
多年來，架構決策決定著效能和營運成本。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
更好的工程選擇可以減少生產中的可靠性事故。
更好的工程選擇可以減少生產中的可靠性事故。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
編碼代理執行失敗的單元測試，讀取回溯，寫入指出差一錯誤的反射，並在下一個循環迭代中重寫函數。
點擊錯誤連結的網路瀏覽代理會反映在它所登陸的頁面上，識別出與其目標不符的情況，並回溯以嘗試不同的連結。
研究助理起草一份答案，批評其不受支持的主張，並在返回之前進行修改以添加引文或對沖不確定的陳述。
數學求解代理根據問題約束檢查其最終答案，注意到單位不匹配，並重新計算而不是提交有缺陷的結果。
實施模式
實踐中代理循環的自我反思
編碼代理執行失敗的單元測試，讀取回溯，寫入指出差一錯誤的反射，並在下一個循環迭代中重寫函數。
編碼代理執行失敗的單元測試，讀取回溯，寫入一個反射，記錄差一錯誤，並在下一個循環迭代中重寫函數。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中代理循環的自我反思
點擊錯誤連結的網路瀏覽代理會反映在它所登陸的頁面上，識別出與其目標不符的情況，並回溯以嘗試不同的連結。
點擊錯誤連結的網頁瀏覽代理會在其登陸的頁面上反映，識別與其目標不符的情況，並回溯以嘗試不同的連結。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中代理循環的自我反思
研究助理起草一份答案，批評其不受支持的主張，並在返回之前進行修改以添加引文或對沖不確定的陳述。
研究助理起草答案，批評其不受支持的主張，並在返回之前進行修改以添加引用或對沖不確定的陳述。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中代理循環的自我反思
數學求解代理根據問題約束檢查其最終答案，注意到單位不匹配，並重新計算而不是提交有缺陷的結果。
數學求解代理根據問題限制檢查其最終答案，注意到單位不匹配，並重新計算，而不是提交有缺陷的結果。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
風險與防護欄
優化一項基準測試可以隱藏更廣泛的系統弱點。
基礎設施和維護成本常常被低估。
隨著系統變得更加複雜，安全性和可觀察性差距可能會擴大。
實施路線圖
在實施之前定義延遲、品質和成本目標。
在實施之前定義延遲、品質和成本目標。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在實際負載和資料條件下進行基準測試。
在實際負載和資料條件下進行基準測試。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
儀器監控錯誤、漂移和使用者影響。
儀器監控錯誤、漂移和使用者影響。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在擴展之前準備回滾和事件回應路徑。
在擴展之前準備回滾和事件回應路徑。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。