AI Agent输出质量不稳定？揭秘自我优化技巧，让AI Agent自己“回头看”，提升性能！

简介

反思模式(Reflection Pattern)通过Producer-Critic模型实现AI Agent的自我评估与迭代优化，将一次性输出升级为迭代改进。该方法适用于代码生成、内容创作、数据分析等场景，通过职责分离避免认知偏见，设置合理的迭代上限和停止条件，显著提升输出质量，但会增加延迟和成本。工程师可根据任务复杂度和质量要求权衡使用，是提升AI Agent输出质量的重要技术手段。

如果你已经用提示链、路由、并行化把 Agent 工作流搭得有模有样，接下来大概率会遇到这个场景：

• 代码生成 Agent 写出来的函数能跑，但总有边界情况没处理
• 内容创作 Agent 生成的文案风格对了，但逻辑链条不够严密
• 数据分析 Agent 的结论看起来合理，但关键假设没验证

这时候你可能会想：能不能让 Agent 自己检查一下，发现问题再改改？

这就是本期要聊的反思模式（Reflection Pattern）——让 Agent 学会“回头看”，通过自我评估和迭代优化，把“能跑就行”的输出升级成“质量过硬”的结果。

一、为什么需要反思？从“一次性输出”到“迭代改进”

在之前的几期里，我们聊过提示链、路由、并行化，它们解决的都是“如何组织执行流程”的问题。但有一个问题一直没解决：Agent 的第一次输出，往往不是最好的。

现实中的痛点很常见：

1. 代码生成：第一次生成的代码能跑，但缺少错误处理、边界检查、性能优化
1. 内容创作：第一版文案符合要求，但逻辑不够严密、表达不够精准
1. 数据分析：初步结论看起来合理，但关键假设没验证、潜在偏差没考虑

传统的解决方案是：人工审查 + 手动修改。但这样既慢又累，而且容易遗漏。

反思模式要做的，就是把这个“人工审查”的过程自动化：

核心思想：不是让 Agent 一次性生成完美输出，而是让它生成 → 评估 → 优化 → 再评估，直到质量达标。

二、反思模式的核心机制：Producer-Critic 模型

反思模式最经典的实现是Producer-Critic（生产者-评论者）模型，把流程拆成两个独立的角色：

1. Producer（生产者）：专注生成

职责：根据任务要求，生成初始输出。它只负责“写出来”，不负责“检查对错”。

特点：

• 专注于内容生成，不受审查压力影响
• 可以快速产出第一版，不用过度纠结细节
• 输出可能不完美，但为后续优化提供了起点

2. Critic（评论者）：专注评估

职责：以“第三方视角”评估 Producer 的输出，找出问题、提出改进建议。

特点：

• 使用不同的系统提示（System Prompt），扮演“审查者”角色
• 完全专注于发现问题，不受“自己写的代码舍不得改”的认知偏见影响
• 提供结构化的反馈，而不是模糊的“这里不太好”

这种职责分离的价值在于：避免了自我审查时的认知偏见。就像代码审查一样，自己写的代码自己看，容易“灯下黑”；但让另一个人看，问题就一目了然。

三、反思循环的四个阶段

一个完整的反思循环通常包含四个阶段：

1. 执行（Execution）：Producer 根据任务生成初始输出
1. 评估（Evaluation）：Critic 分析输出，检查准确性、完整性、风格等
1. 反思（Reflection）：根据评估结果，确定改进方向
1. 迭代（Iteration）：Producer 根据反馈优化输出，循环直到达标

停止条件：

• Critic 认为输出已达标（返回CODE_IS_PERFECT或类似信号）
• 达到最大迭代次数（防止无限循环）
• 改进幅度小于阈值（说明已经收敛）

四、实战代码：LangChain 实现

下面是一个完整的反思循环示例，用 LangChain 实现代码生成和优化：

import osfrom dotenv import load_dotenvfrom langchain_openai import ChatOpenAIfrom langchain_core.messages import SystemMessage, HumanMessage, AIMessage# 安装依赖# pip install langchain langchain-community langchain-openai# 从 .env 文件加载环境变量（如 OPENAI_API_KEY）load_dotenv()# 检查 API 密钥是否设置if not os.getenv("OPENAI_API_KEY"): raise ValueError("OPENAI_API_KEY not found in .env file. Please add it.")# 使用 GPT-4o 获得更好的推理能力，低温度值以获得更稳定的输出llm = ChatOpenAI(model="gpt-4o", temperature=0.1)def run_reflection_loop(): """ 演示多步骤反思循环，逐步改进 Python 函数。 """ # 核心任务：生成一个计算阶乘的函数 task_prompt = """ 你的任务是创建一个名为 `calculate_factorial` 的 Python 函数。 要求： 1. 接受一个整数 `n` 作为输入 2. 计算其阶乘 (n!) 3. 包含清晰的文档字符串 4. 处理边界情况：0 的阶乘是 1 5. 处理无效输入：如果输入是负数，抛出 ValueError """ max_iterations = 3 current_code = "" # 构建对话历史，为每一步提供必要的上下文信息 message_history = [HumanMessage(content=task_prompt)] for i in range(max_iterations): print("\n" + "="*50 + f" 反思循环：第 {i + 1} 轮 " + "="*50) # 阶段 1：生成/优化代码 if i == 0: print("\n>>> 阶段 1：生成初始代码...") # 第一次迭代时，只需要任务提示词 response = llm.invoke(message_history) current_code = response.content else: print("\n>>> 阶段 1：根据反馈优化代码...") # 后续迭代时，除了任务提示词，还包含上一步的代码和反馈 # 要求模型根据反馈意见优化代码 message_history.append(HumanMessage(content="请根据反馈意见优化代码。")) response = llm.invoke(message_history) current_code = response.content print("\n--- 生成的代码 (v" + str(i + 1) + ") ---\n" + current_code) # 将生成的代码添加到历史记录中 message_history.append(AIMessage(content=current_code)) # 阶段 2：反思评估 print("\n>>> 阶段 2：评估代码质量...") # 创建 Critic 角色的系统提示 # 要求模型扮演高级软件工程师的角色，对代码进行仔细的审查 reflector_prompt = [ SystemMessage(content=""" 你是一位高级软件工程师和 Python 专家。 你的职责是进行严格的代码审查。 请根据原始任务要求，仔细评估提供的 Python 代码。 检查是否有 bug、风格问题、遗漏的边界情况、以及可以改进的地方。 如果代码完美且满足所有要求，请回复 'CODE_IS_PERFECT'。 否则，请提供详细的改进建议（用项目符号列表）。 """), HumanMessage(content=f"原始任务：\n{task_prompt}\n\n待审查的代码：\n{current_code}") ] critique_response = llm.invoke(reflector_prompt) critique = critique_response.content # 阶段 3：检查停止条件 # 如果代码完美符合要求，则结束反思循环 if "CODE_IS_PERFECT" in critique: print("\n--- 评估结果 ---\n代码已满足所有要求，无需进一步改进。") break print("\n--- 评估反馈 ---\n" + critique) # 将评估反馈添加到历史记录中，供下一轮优化使用 message_history.append(HumanMessage(content=f"上一轮代码的评估反馈：\n{critique}")) print("\n" + "="*50 + " 最终结果 " + "="*50) print("\n经过反思循环优化后的最终代码：\n") print(current_code)if __name__ == "__main__": run_reflection_loop()

关键设计点：

1. 职责分离：Producer 和 Critic 使用不同的系统提示，确保评估的客观性
1. 对话历史管理：每次迭代都保留完整的上下文，让 Producer 能理解反馈
1. 停止条件：Critic 返回CODE_IS_PERFECT时自动停止，避免无效迭代
1. 最大迭代限制：防止无限循环，控制成本和延迟

五、实战代码：Google ADK 实现

Google ADK 通过SequentialAgent实现 Producer-Critic 模式更加直观：

from google.adk.agents import SequentialAgent, LlmAgent# Producer：生成初始草稿generator = LlmAgent( name="DraftWriter", description="根据给定主题生成初始草稿内容。", instruction="写一段关于用户主题的简短、信息丰富的段落。", output_key="draft_text" # 输出保存到 state['draft_text'])# Critic：评估草稿质量reviewer = LlmAgent( name="FactChecker", description="审查给定文本的事实准确性，并提供结构化评估。", instruction=""" 你是一位严谨的事实核查员。 1. 阅读 state 中 'draft_text' 键的内容 2. 仔细验证所有声明的事实准确性 3. 你的最终输出必须是一个字典，包含两个键： - "status": 字符串，值为 "ACCURATE" 或 "INACCURATE" - "reasoning": 字符串，提供清晰的解释，如果发现问题请引用具体问题 """, output_key="review_output" # 评估结果保存到 state['review_output'])# 顺序执行：先生成，再评估review_pipeline = SequentialAgent( name="WriteAndReview_Pipeline", sub_agents=[generator, reviewer])# 执行流程：# 1. generator 运行 -> 保存段落到 state['draft_text']# 2. reviewer 运行 -> 读取 state['draft_text']，保存评估结果到 state['review_output']

ADK 的优势：