一、什么是 AI Reflexion 反射机制Reflexion 反射就是给 AI Agent 增加一套「自我复盘系统」。在任务完成后、结果交付前让 AI跳出原有任务逻辑以第三方审核者的身份重新审视自己的全过程我的任务理解是否准确我的规划拆解是否合理工具调用是否正确、有无冗余、有无遗漏调取的记忆信息是否有效输出结果是否存在幻觉、漏洞、逻辑矛盾是否满足用户真实需求有没有更好的优化方案简单一句话普通 AI做完就交高阶 Agent做完自查、错了就改、优了再交。这也是开源 AutoGPT、商用高级智能助手能够稳定落地、低出错的核心秘密。二、Agent 三层反射纠错体系行业通用架构真正工业级的反射机制不是单一的一句 “帮我检查一下”而是三层递进式自查闭环层层过滤错误、优化结果。第一层结果层纠错表层校验针对最终输出内容做合规性、准确性、完整性检查。 核心解决问题输出瞎编、内容残缺、格式错误、答非所问自查维度是否存在事实幻觉、虚假数据、编造信息是否偏离用户原始需求内容逻辑是否前后矛盾结构是否完整、有无关键信息缺失输出格式是否符合规范第二层过程层纠错中层校验针对整个任务执行链路复盘不看结果、只看过程。 核心解决问题步骤错乱、工具误用、规划错误、无效执行自查维度任务拆解逻辑是否合理有无步骤遗漏或多余工具选择是否精准是否存在不该调用却调用的情况工具参数是否正确是否影响执行结果任务执行顺序是否最优中途是否出现任务跑偏、逻辑断层第三层经验层纠错深层迭代针对本次任务全程做经验沉淀同步更新记忆系统。 核心解决问题重复踩坑、持续犯错、无法进化执行动作记录本次出错原因、优化方案沉淀最优执行流程更新用户偏好、任务规则剔除无效旧记忆、沉淀高价值新经验三层闭环走完Agent 完成一次完整的自我进化。三、反射模块如何和四大核心组件协同工作反射不是独立功能而是贯穿 Agent 全链路的优化引擎和之前的四大模块深度联动形成终极闭环。1. 联动规划模块修正错误拆解当规划拆解逻辑混乱、步骤不合理时反射模块会检测出问题重新二次规划修正任务执行逻辑避免一步错步步错。2. 联动工具模块优化调用策略自动识别重复调用、错误调用、漏调用、参数错误 自动优化重新选择工具、修正参数、补齐缺失操作3. 联动记忆模块筛选有效记忆反思本次调取的记忆是否精准过滤无效、过期、错误记忆同时沉淀本次最优经验让下次同类任务直接复用最优方案。4. 联动输出结果迭代内容质量对最终文案、数据、报告做润色、纠错、补全、优化交付高精准、高质量结果。五大组件 反射纠错 完整商用级 AI Agent 架构四、极简代码实操手写一个带自我纠错的 Agent不用复杂框架原生 Prompt 基础逻辑手把手实现基础反射纠错能力可直接复制运行。核心思路第一轮Agent 正常执行任务输出初始结果第二轮Agent 切换「审核模式」自查纠错第三轮基于自查报告迭代优化最终输出# 模拟大模型调用通用接口 def llm_call(prompt): # 此处替换为你的真实大模型API调用 return 模型原始输出结果 # 1. 第一轮常规任务执行 def agent_execute(user_input): base_prompt f请完成用户任务{user_input} return llm_call(base_prompt) # 2. 第二轮反射自查纠错 def agent_reflect(user_input, raw_result): reflect_prompt f 你现在是任务审核专家请严格自查本次任务全过程输出纠错报告 用户原始需求{user_input} 你的原始输出{raw_result} 请从以下维度逐条自查 1. 是否存在事实幻觉、虚假信息 2. 是否答非所问、内容残缺 3. 逻辑是否矛盾、有无漏洞 4. 格式是否规范、是否需要优化 请输出问题清单 优化方案 return llm_call(reflect_prompt) # 3. 第三轮迭代优化最终结果 def agent_optimize(user_input, raw_result, reflect_report): optimize_prompt f 根据自查纠错报告优化你的输出交付最终成品 用户需求{user_input} 原始结果{raw_result} 纠错报告{reflect_report} 请修正所有问题输出精准、完整、高质量的最终结果。 return llm_call(optimize_prompt) # 完整纠错Agent主流程 def final_agent_run(user_task): # 初次执行 raw agent_execute(user_task) # 自我反思 reflect agent_reflect(user_task, raw) # 迭代优化 final_result agent_optimize(user_task, raw, reflect) return final_result实战效果对比无反射 Agent一次输出对错随缘幻觉频发带反射 Agent执行→自查→纠错→优化错误率大幅降低输出质量肉眼提升工业级框架LangChain/LangGraph的反射机制本质就是这套逻辑的高级封装。五、新手开发反射模块的 3 个核心技巧技巧 1分离「执行角色」和「审核角色」一定要让 AI 切换身份自查自己不能既当执行者又当裁判。 单独的审核 Prompt、独立的自查逻辑才能精准发现问题。技巧 2固定自查维度不要模糊检查禁止使用 “帮我检查一下有没有问题” 这种模糊指令。 必须给定明确的检查维度、校验标准AI 自查才有效。技巧 3轻量任务单层自查复杂任务三层自查简单文案、问答只做结果层自查高效不冗余复杂报告、数据处理、多步骤任务三层全量自查稳准可靠