为什么有的 Agent 能自我迭代自我进化，有的却无能为力，让你感觉很挫败，这个 Agent 很蠢？
我翻了 Self-Refine 和 Reflexion 的两篇论文，加上 Claude Code 源码的阅读，以及在 PaiCLI 开源项目里的反思模块实现，今天有底气帮你把这三件事讲清楚。
- 反思和重试到底有什么区别？
- Agent 的反思机制是怎么实现的？
- Self-Refine 和 Reflexion 到底有什么区别？
哈喽大家好，我是二哥呀。今天用 3 分钟，给你讲清楚 Agent 的反思机制。在这梳理了一份 AI Agent 开发学习路线和 294 道配套八股，需要的可以来个 222。
先说反思和重试有什么区别。
重试是闭着眼睛重来一遍，靠 LLM 的自我调整。反思是先看哪里错了，带着诊断去修改、去调整。
打个比方。考试交完卷，老师说“你这张卷子不及格，需要重考”。重试就是拿一张新卷子从头开始答，脑子里还是那些东西，最后还是不及格。
反思不一样。老师不仅把卷子发给你，还在错题上圈了个红圈，告诉你“应该用勾股定律”。那你大概率能改对，除非你连勾股定律都不懂。
那聪明的你肯定要继续问，反思机制具体怎么实现的？
第一种叫 Self-Refine，也就是自我精炼。其核心思想是让同一个 LLM 在不借助外部工具或者人工干预的情况下，完全通过“自我反馈”和“迭代修改”来提升输出质量。
第一步 Generate，模型根据用户的 Prompt，直接生成一个初始版本的答案。第二步 Feedback，模型充当裁判，回过头来审视自己刚生成的答案，对着初稿挑毛病，给出反馈，比如“第二段 AI 味太重，去掉不是而是”。第三步 Refine，模型带着刚才自己提出的“修改意见”和“初稿”，重新生成一个优化后的版本。
还有一种做法叫 Reflexion，也就是强化反思框架。如果说 Self-Refine 是 AI 在脑子里“闭门造车”，那么 Reflexion 则是一个允许 AI 走向现实，通过“试错（Trial and Error）”并在失败中汲取教训的完整进化系统。
它的核心颠覆在于：用“教训反馈”替代传统强化学习中的“标量奖励（一般是参数权重更新）”，让 Agent 拥有跨越多次任务的“长期记忆”。
具体怎么做呢？
执行者 Actor 基于大模型构建，负责干具体的活。它不仅看眼前的任务，还会读取记忆库中积攒的“前车之鉴”，然后给出推理或者代码。
评估者 Evaluator 负责给结果打分或者判定对错，通过运行测试用例（比如编译代码看是否报错）、引入外部工具进行验证，或者基于特定规则检查执行结果是否达到了目标。
当 Evaluator 判定任务失败时，反思器 Self-Reflection 启动，它会精确分析 Actor 的“失败轨迹”和报错信息，然后写一段“反思总结”，例如“上一次我在第三步计算时忽略了分母不能为0的边界条件，导致报错，下一次应该先做判断”）。这段反思会作为“错题本”存入记忆库（Memory Buffer）。
那聪明的你肯定又要问了，两种做法有什么区别呢？
第一，依据不同。Self-Refine 的反馈完全靠模型自己，同一个 LLM 既当选手又当裁判，没有外部反馈。Reflexion 基于试错与外部反馈，可以通过在具体环境里跑一下，拿到真实的报错（Traceback）或工具反馈。
第二，作用范围不同。Self-Refine 只能在一次任务内完成所有修正，生成、反馈、修正都在同一轮对话里。Reflexion 是跨轮次的，当前任务失败后，总结的教训会存入记忆，指导下一次全新的尝试。
第三，记忆机制不同。Self-Refine 仅依赖当前的上下文窗口（Context）。Reflexion 除了可以依据当前的上下文，还有一个显式的记忆库。
最后简单总结下。
反思不是重试，核心在于有没有反馈信号。Self-Refine 靠模型自己，Reflexion 加了错题本和外部反馈。
这道题你学会了吗？想解锁更多 AI 硬核知识，点赞关注，我是二哥，咱们下期见！
