为什么 Reflection 如此重要
人类在完成复杂任务时，很少一次性做到完美。我们会先写草稿、检查问题、修改完善、再次检查——这个「写→审→改→审」的循环正是 Reflection（反思）的核心。AI 同样需要这种能力：第一次输出往往存在不足，但通过自我评估和迭代修正，输出质量可以大幅提升。
研究表明，引入 Reflection 机制后，AI 在代码生成、数学推理、文案写作等任务上的准确率提升 20%-40%。更重要的是，Reflection 让 AI 的输出更加可靠——它能够发现并修正自己的错误，而不是自信地输出错误答案。
Reflection 的工作机制
Reflection 的核心是一个「生成→评估→修正」的循环：
- 初始生成：AI 根据任务要求生成初始输出
- 自我评估：AI 以批判性视角审视自己的输出，识别问题（逻辑漏洞、事实错误、格式问题等）
- 修正改进：根据评估结果，针对性地修正输出
- 循环迭代：重复评估和修正，直到输出质量达到阈值或达到最大迭代次数
关键洞察：评估者和生成者可以是同一个模型，但需要不同的角色设定。生成时扮演「创作者」，评估时扮演「审阅者」——这种角色切换让模型能够从不同角度审视同一份内容。
技能链拆解：反思自修正链
我们以「反思自修正链」技能链为例，展示 Reflection 的节点编排：
节点 1：初始生成（sp-187）——AI 以「创作者」角色生成第一版输出。这个阶段追求的是完整性和覆盖度，而非完美。关键是快速产出一个可评估的草稿。
节点 2：自我评估（sp-185）——AI 切换到「审阅者」角色，以批判性标准评估初始输出。评估维度包括：准确性（是否有事实错误）、完整性（是否遗漏关键信息）、逻辑性（推理链条是否严密）、可读性（表达是否清晰）。
节点 3：修正输出（sp-181）——基于评估结果，AI 对输出进行针对性修正。注意这里有一条从节点 3 回到节点 2 的回边——修正后的输出会再次进入自我评估，形成「评估→修正→评估」的迭代循环。
实战：Reflection Agent 实现
以下代码展示了如何在 Agent Loop 中实现 Reflection 机制：
import json
from openai import OpenAI
client = OpenAI(
api_key="your-deepseek-api-key",
base_url="https://api.deepseek.com"
)
class ReflectionAgent:
def __init__(self, max_iterations=3, quality_threshold=0.8):
self.max_iterations = max_iterations
self.quality_threshold = quality_threshold
def generate(self, task, feedback=""):
"""生成阶段：产出内容"""
prompt = f"""你是一位专业的内容创作者。
任务：{task}
{"之前的反馈：" + feedback if feedback else ""}
请生成高质量的输出内容。"""
response = client.chat.completions.create(
model="deepseek-chat",
messages=[{"role": "user", "content": prompt}]
)
return response.choices[0].message.content
def evaluate(self, content, task):
"""评估阶段：审查内容质量"""
prompt = f"""你是一位严格的审阅者。请评估以下内容的质量。
原始任务：{task}
待评估内容：
{content}
请从以下维度评分（0-1）：
1. 准确性：信息是否准确无误
2. 完整性：是否覆盖了所有关键点
3. 逻辑性：推理是否严密
4. 可读性：表达是否清晰
请以 JSON 格式输出：
{{
"scores": {{"accuracy": 0.0, "completeness": 0.0, "logic": 0.0, "readability": 0.0}},
"overall_score": 0.0,
"issues": ["问题1", "问题2"],
"suggestions": "改进建议"
}}"""
response = client.chat.completions.create(
model="deepseek-chat",
messages=[{"role": "user", "content": prompt}]
)
return json.loads(response.choices[0].message.content)
def refine(self, content, evaluation):
"""修正阶段：根据评估改进内容"""
issues = "\n".join(f"- {issue}" for issue in evaluation["issues"])
suggestions = evaluation["suggestions"]
prompt = f"""你是一位精益求精的内容优化专家。
原始内容：
{content}
发现的问题：
{issues}
改进建议：
{suggestions}
请根据以上反馈，输出修正后的内容。"""
response = client.chat.completions.create(
model="deepseek-chat",
messages=[{"role": "user", "content": prompt}]
)
return response.choices[0].message.content
def run(self, task):
"""运行 Reflection Loop"""
content = self.generate(task)
print(f"初始生成完成，长度：{len(content)} 字")
for i in range(self.max_iterations):
print(f"=== 第 {i+1} 轮反思 ===")
evaluation = self.evaluate(content, task)
overall = evaluation["overall_score"]
print(f"质量评分：{overall:.2f}")
print(f"发现 {len(evaluation['issues'])} 个问题")
if overall >= self.quality_threshold:
print("质量达标，停止反思")
return content
content = self.refine(content, evaluation)
print(f"修正完成，新长度：{len(content)} 字")
print("达到最大迭代次数")
return content
# 使用示例
agent = ReflectionAgent(max_iterations=3, quality_threshold=0.85)
result = agent.run("写一篇 500 字的短文，介绍深度学习的基本原理")
print(f"\n最终输出：\n{result}")Reflection 的高级技巧
多维度评估：不要只让 AI 给一个笼统的评分。将评估拆分为多个维度（准确性、完整性、逻辑性、可读性），每个维度独立评分，这样 AI 能给出更具体的改进建议。
具体化反馈：避免笼统的反馈如「内容不够好」。要求 AI 指出具体的问题位置和改进建议。例如：「第 3 段关于梯度下降的解释缺少数学直觉，建议补充一个比喻」。
避免过度修正：Reflection 可能导致 AI 过度修改，反而降低质量。设置合理的质量阈值（如 0.8-0.9），达标即停止，避免「改坏了」。
保留历史版本：在每次修正时保留上一版本，如果修正后评分反而降低，可以回退到之前的版本。
Reflection 的边界
Reflection 并非万能。对于需要外部知识验证的任务（如事实核查），AI 的自我评估可能不可靠——它不知道自己的「知识」是否正确。此时需要结合工具调用，让 AI 通过搜索来验证事实。此外，Reflection 会增加 token 消耗和响应延迟，需要在质量和成本之间权衡。
想亲手编排这个技能链？
在技能链中打开 →