面经策

什么是 Reflexion？它和 ReAct 有什么区别？如何提升 Agent 的自我纠错能力？ ​

  • 标签：AI、大模型、Agent

🏛 业务架构师 ​

Reflexion 是一种带"自我反思"的 Agent 机制：任务失败后，让模型复盘失败原因，生成文字化的"经验教训"（反思记忆），存入上下文后重新尝试——下一次尝试会参考这些教训避坑。与 ReAct 的区别：ReAct 是"思考→行动→观察"的执行循环，出错就换一步试；Reflexion 在其上加了" trial 级别"的外循环——整个尝试失败后先反思再重开，相当于"写错题本"。

提升自我纠错能力的机制拆解：

  1. 失败信号显性化：环境反馈（测试结果、工具报错）被转化为自然语言的失败分析，比原始错误码信息量大得多；
  2. 反思记忆累积：多次尝试的教训持续注入上下文，模型"越挫越懂"——同一类坑不踩第二次；
  3. 评估器引导：可配自评估（模型给自己的中间产出打分）或外部评估器（单元测试作为信号源）。

典型例子：代码 Agent 第一次生成的代码测试没过 → 反思"边界条件漏了空输入" → 重写时显式处理 → 通过。

业务清醒剂：反思每轮都烧 token（重试整个任务），成本翻倍是常态；反思质量依赖模型元认知，弱模型会"假反思"（总结一堆没用的）。落地建议：限重试次数（2~3 次）、只对可验证任务（有测试/校验器兜底）启用、反思结论沉淀到长期记忆让它长期复利。我的实践：带评估器的 Reflexion 在代码生成、数据处理这类"可自动验证"的任务上收益最确定，开放式任务慎用。

🏗 系统架构师 ​

Reflexion = "执行 → 自我反思 → 记忆沉淀 → 重试"的迭代增强范式，在 ReAct 之上加了"从失败中学习"的环节。

与 ReAct 的区别（一句话：ReAct 边走边看，Reflexion 摔倒后写复盘）：

  • ReAct：Thought → Action → Observation 循环，失败就失败，下一次任务从头再来；
  • Reflexion：任务失败后增加一个自我评价环节——LLM 分析失败轨迹（哪步错了、为什么、下次怎么改），生成文字化的"反思结论"存入记忆（ episodic memory），下一次尝试时把反思注入上下文，避免重蹈覆辙。

工作流程：Actor（ReAct 执行）→ Evaluator（评分/判断失败）→ Self-Reflection（生成失败归因与改进策略）→ 记忆存储 → 下一轮 Actor 带着反思重试，直到成功或轮次上限。

如何提升自我纠错能力（我的生产实践）：

  • 给评价标准：自我反思不是自由发挥，注入任务特定的 rubric（正确性判据），否则反思泛泛而谈；
  • 反思具体化：强制输出"哪一步 + 什么原因 + 下一步具体改什么"，禁止"我要更仔细"这类无效结论；
  • 失败可验证的任务优先：有测试用例/编译结果/单元测试反馈的任务（代码、数学）反思信号客观，纠错效果最好——HumanEval 上 Reflexion 提升显著就是这类场景；
  • 记忆治理：反思记忆带任务上下文标签，跨任务检索注入，多条反思冲突时按成功率加权。

架构价值：把"重试"从盲目重复升级为带经验的改进——代价是 token 消耗 ×N 轮，适合高价值任务。

💻 全栈开发专家 ​

Reflexion：Agent 失败后生成语言化的自我反思，存入记忆，下次尝试时参考，从而自我纠错。相当于给 ReAct 加了「复盘-再来」的外环。

与 ReAct 的区别：

  • ReAct：思考→行动→观察，一路向前。失败了往往换个措辞再试，没有系统性吸取教训；上下文里只有当前轨迹；
  • Reflexion：轨迹失败（评估器给 fail 或答案错误）后，增加一步 Self-Reflection——LLM 分析「为什么失败：哪步信息没拿到/哪个工具用错/假设错了」，生成结构化反思文本写入 Episodic Memory；重启任务时反思注入上下文，避开已知错误。
Attempt 1: ReAct 轨迹 → 失败 → 反思("失败原因: SQL没按分区过滤导致超时")
Attempt 2: 轨迹+反思 → 改进 → 成功
（反思积累在记忆里，跨任务复用）

怎么用它提升自我纠错（工程落地）：

  1. 失败判定器：结果校验（测试通过？答案格式对？）或 LLM evaluator；
  2. 反思 prompt 模板化：「列出失败的具体步骤、根因假设、下一次的规避动作」——模板化防止反思变流水账；
  3. 反思条目带场景标签检索复用（同类任务自动带上历史教训）；
  4. 设置尝试上限（2~3 次），反思解决不了就升级人工。

我的实测感受：代码修复、数据查询这类「有明确成败信号」的任务，Reflexion 提升显著（成功率 +15~25%）；开放性任务失败信号模糊，效果打折——先有可靠 evaluator 再上 Reflexion。