该内容为自助投放广告，真伪自辨

如何为 AI 智能体设计‘反思’环节：通过自我修正提高复杂推理任务的准确率

复杂任务里，AI 常见的问题不是“完全不会做”，而是第一版看起来合理，却漏掉边界条件、前后矛盾或任务要求。把结果直接交付，容易让这些问题一路保留下来。Reflection（反思）机制的做法，是让智能体先执行，再按明确标准检查，最后根据检查结果修正。

反思不是让模型“再想一遍”

只对模型说“请仔细检查并改进”，通常不够。它可能重复原来的判断，也可能为了显得谨慎而改动本来正确的内容。关键是把反思拆成三个有明确职责的环节：

执行：根据任务要求生成初稿。

评估：逐项核对初稿是否满足要求，指出问题及依据。

修正：只处理已经识别的问题，再检查修订结果是否仍符合原始要求。

这个闭环最好保留原始任务和约束。否则，模型在修订时可能只盯着评估意见，却忘记用户最初要求了什么。

可以先用这段通用提示词搭建基础链路：

你需要完成以下任务。

【任务】
{任务描述}

【必须满足的约束】
{格式、范围、受众、禁止事项等}

请按以下顺序工作：

一、执行
先按任务要求生成初稿。

二、评估
对照任务与约束检查初稿。
只报告具体问题，并说明：
- 问题出在哪里
- 它违反了哪条要求，或可能导致什么结果
- 修正方向是什么

如果没有发现问题，明确说明“未发现需要修正的问题”，不要为了显得认真而虚构缺陷。
不要重写初稿，也不要引入任务中没有提供的事实。

三、修正
根据已确认的问题修改初稿。
保留原稿中符合要求的部分，不要无理由扩大范围或改变表达方向。

四、交付
仅输出修订后的结果。
若缺少完成任务所必需的信息，先指出缺口，不要自行编造。

这段结构把“挑错”和“改稿”分开，减少评估意见直接混进最终答案的情况。若工作流支持不同节点，可以把执行、评估、修正分别放进不同提示词；若只能使用一个提示词，也可以要求模型按顺序完成，但最终只交付最后结果。

代码生成：检查逻辑与边界条件

代码任务的检查标准应从需求里来，而不是只问“代码有没有问题”。例如，要求生成一个处理输入数据的函数，评估环节就应核对输入格式、异常情况、返回结果和任务边界。只要需求没有提到某种功能，就不要把它当成必须实现的要求。

可将下面这段作为代码任务的评估提示词：

你是代码审查者。请只根据原始需求、约束和候选代码进行检查。

【原始需求】
{需求}

【约束】
{语言、输入输出要求、禁止事项}

【候选代码】
{初稿}

请检查：
1. 代码是否覆盖了需求中的每一种明确情形？
2. 输入边界或异常输入是否可能导致错误结果？
3. 实际行为是否与函数说明、返回格式一致？
4. 是否存在偏离需求的额外行为？
5. 哪些判断可以通过运行、测试或其他外部结果验证？

输出“问题—依据—修正建议”。没有依据的问题不要列出。
如果有可用的执行或测试结果，请把它作为证据；如果没有，不要声称代码已经运行或验证。

以“生成一个处理输入列表并返回指定结果的函数”为例，单次生成可能只覆盖常见输入。反思环节则应追问：空输入如何处理？数据类型不符时会怎样？返回值是否符合约定？这些检查能把模糊的“看起来没错”转成与需求逐条对照的审查。

修订时，别让模型整段推倒重写。可以明确要求它只改已指出的问题，并在代码后简要列出修改点。若有测试或执行环境，应把结果反馈给评估环节；没有外部验证时，模型自检不能等同于代码已正确运行。

长文写作：核对要求，而不是重复润色

长文的风险通常不是单个句子，而是整体偏题、漏掉必写内容、前后说法不一致，或者越过允许范围。写作任务的评估提示词应对应 brief 和边界，不要只让模型检查语句是否流畅。

你是文章审稿者。请对照下面的任务要求检查初稿。

【文章任务】
{目标读者、写作角度、必写内容}

【范围边界】
{允许讨论与禁止扩展的内容}

【初稿】
{文章}

请依次核对：
- 是否回应了目标读者的实际问题？
- 必须覆盖的内容是否遗漏？
- 是否出现超出范围的段落？
- 各部分之间是否有矛盾、重复或缺少必要解释？
- 是否把未经提供的信息写成了确定事实？
- 标题和列表是否确实有助于阅读？

只列出能指出具体位置的问题，并给出修改方向。
不要把个人偏好包装成事实错误，也不要为了增加篇幅而添加新内容。

例如，长文要求介绍一套可复用的操作方法。单次生成可能把重点写成原理概述，却没有给出可使用的步骤；反思环节可以据此检查“是否有明确操作指令”，并指出缺失位置。若文章涉及事实资料，还应检查每个具体说法是否有输入依据；不能确认的内容应删除或改成谨慎表述，而不是用流畅措辞掩盖不确定性。

代码和长文都能使用同一闭环，但评估尺度不同：代码更关注行为是否符合需求、边界输入是否处理妥当，以及是否有外部验证；长文更关注范围、内容覆盖、事实依据和结构连贯。把两类标准混在一份泛泛的“请检查质量”提示词里，往往会得到宽泛却难以执行的意见。