【免费下载链接】agentic-ai本项目围绕吴恩达老师在DeepLearning.AI出品的Agentic-ai系列课程为学习者打造中文翻译与知识整理教程。项目提供课程内容翻译、知识点梳理和示例代码解读等内容欢迎大家Star!项目地址https://gitcode.com/gh_mirrors/agenticai/agentic-ai点击查看免费下载本教程基于开源项目 agentic-ai吴恩达 Agentic AI 课程中文注解教程带你完整理解反思设计模式Reflection Design Pattern通过写初稿 → 自我批评 → 改进二稿的硬编码工作流让大语言模型LLM自己审查并修正输出再结合评估evals与外部反馈稳定提升邮件、代码、图表、SQL 查询等任务的质量。无需深厚代码基础掌握 2 条提示词法则 1 个评估流程即可上手。什么是反思设计模式给 AI 一次改作业的机会 ✍️反思设计模式的核心类比是人类的写作习惯写完初稿后回头看一遍发现模糊不清、拼写错误、遗漏署名再修改成定稿。把这套习惯硬编码进 AI 工作流就得到了两个阶段生成初稿V1向 LLM 发送初始提示例如写一封邮件…得到 Email V1。反思并改进V2把 V1 作为新输入再次发给 LLM提示改为请反思这份草稿并写出改进版得到质量更高的 Email V2。关键点是流程由工程师预先设计好而不是让模型自主决定何时反思——这是一种可靠且极易实现的工程化方法。以写邮件为例V1 的问题往往很典型日期next month模糊、拼写错误、没有署名反思后的 V2 会明确日期范围、修正拼写并补上署名。为什么反思优于直接生成数据说话 直接生成Direct Generation即零样本提示Zero-shot Prompting不给示例、一步到位简单快速但没有修正机会。来自论文Self-refine: Iterative refinement with self-feedback的实验给出了清晰答案在 7 种任务情感反转、对话响应、代码优化、数学推理等和 4 个模型GPT-3.5、ChatGPT、GPT-4、Claude的测试中加入反思步骤后的性能柱状图无一例外地高于直接生成。反思对哪类任务提升最明显课程给出了三个典型场景任务常见问题反思提示策略生成 HTML 表格格式错误如缺少/tr标签验证 HTML 代码泡一杯完美的茶步骤缺失或顺序错误检查说明的连贯性和完整性生成域名有负面含义或难以发音名称有负面含义吗是否难发音 规律凡是有明确可检查标准的任务格式、完整性、连贯性、事实性反思的收益都很大。反思设计模式实战让 AI 代码自检自修 反思不只是改文字同样适用于代码编写基础版模型自省先让 LLM 写出 code V1再把 V1 输入给 LLM提示检查代码中的错误并写出改进版得到修复潜在 bug 的 code V2。进阶版分工协作用一个擅长快速生成的模型写初稿再换一个擅长逻辑推理的思考模型Reasoning Model做反思检查——不同模型各展所长112。多模态实战咖啡销售图表从能用到专业 ☕课程用一个咖啡销售数据案例展示了反思与多模态 AI 的结合LLM 根据提示读取 coffee_sales.csv生成第一版绘图代码V1 code运行后得到一张堆叠柱状图——功能上正确但观感粗糙、比较不直观。把V1 代码 生成的 plot.png 图像一起交给多模态 LLM让它扮演专家数据分析师批判性地审视图表。模型真正地看这张图分析可读性、清晰度、完整性然后写出改进版代码V2 code运行后得到专业美观的对比图。反思阶段的提示语示例摘自课程 2.3 图表生成工作流你是一位专业的数据分析师能够为可视化提供建设性反馈。 {V1 代码} {plot.png} {对话历史记录} 步骤 1评估所附图表的可读性、清晰度和完整性。 步骤 2编写新代码来实现您的改进。编写反思提示语的 2 条黄金法则 再好的模型也依赖一句好的反思提示。课程的两大法则明确指示反思动作不要含糊地说请改进而要说请审查请检查请验证。具体指定检查标准不要只说让它更好而是列出你关心的维度——语气专业事实准确易发音、无负面含义。反思真的有用吗跑一次 evals 就知道 ✅反思会拖慢速度、增加成本是否值得保留不能凭感觉要靠评估。客观任务如数据查询构建带真实答案的数据集对比两个工作流的正确率。课程的 SQL 查询实验结果问题真实答案无反思有反思2025年5月售出多少商品1201980 ❌1201 ✅库存中最贵的商品Airflow sneaker✅✅店铺中有多少款式14✅✅整体正确率从87% 提升到 95%——付出额外计算开销换来有意义的性能跃升值得保留。主观任务如图表美观度直接让 LLM 裁判A 还是 B 更好并不可靠——模型存在位置偏见倾向选第一个选项。更稳的做法是提供结构化评分量表Rubric让模型逐项打分例如是否有清晰的标题坐标轴是否有标签图表类型是否合适坐标轴数值范围是否恰当建立评估体系后你可以快速迭代改一改反思提示词比如要求查询更快更清晰重新跑评估用数据选出最优版本。详细方法见 2.5 评估反思的影响。突破性能天花板反思 外部反馈 单纯自我反思存在瓶颈模型只能基于自身内省而提示词工程的收益很快趋于平缓。课程的性能曲线图清楚展示了三级跃升红色无反思调提示词性能很快进入平台期蓝色有反思加入反思后性能再次上扬黄色反思 外部反馈接入模型之外的新信息后达到最高平台。外部反馈就是给反思流程接入客观、实时的新信息源常见三类工具挑战示例反馈来源工具提及竞争对手我们的鞋比 RivalCo 好正则表达式模式匹配事实核查泰姬陵建于1648年网络搜索结果超出字数限制文章超过字数上限字数统计工具一个经典闭环生成 code V1 → 沙盒执行 → 捕获输出与错误如SyntaxError: unterminated string literal→ 把错误作为反馈交给 LLM → 生成修正后的 code V2。形成生成 → 执行/检查 → 获取反馈 → 反思改进的自动化循环这正是构建强大智能体应用的关键能力。完整案例见 2.6 使用外部反馈。动手实验现在就跑起来 ⚡课程配套两个无评分实验Ungraded Lab打开 Notebook 配置好 API Key 即可运行图表生成实验2.4 无评分实验-图表生成使用数据集 coffee_sales.csv亲眼看图表从 V1 到 V2 的蜕变。SQL 生成实验2.7 无评分实验-用反思改进SQL生成基于本地 products.db 数据库复现87% → 95%的评估过程。更多理论细节可对照 2.1 用反思提升任务输出 与 2.2 为何不只用直接生成。总结三步搭建你的反思工作流 搭两段式流程生成 V1 → 用审查/检查/验证 具体标准的提示词反思出 V2流程硬编码、可靠可控。建评估体系客观任务用真实答案数据集自动算正确率主观任务用评分量表Rubric引导 LLM 结构化打分避免位置偏见。接入外部反馈能执行代码就跑代码、能联网核实就核实事实把客观反馈喂给反思模型突破纯内省的天花板。记住反思不是魔法而是性价比极高的工程实践——它不保证 100% 正确但能在几乎每个任务上带来稳定可测的质量提升。赞分享【免费下载链接】agentic-ai本项目围绕吴恩达老师在DeepLearning.AI出品的Agentic-ai系列课程为学习者打造中文翻译与知识整理教程。项目提供课程内容翻译、知识点梳理和示例代码解读等内容欢迎大家Star!项目地址https://gitcode.com/gh_mirrors/agenticai/agentic-ai点击查看免费下载相关推荐让AI自己挑毛病Reflection反思模式完整教程Agentic Design Patterns让AI自己挑毛病Reflection反思模式完整教程Agentic Design Patterns 在开源书籍 《Agentic Design Patte文档教程AI Agent人工智能如何配置Qwen3.8-Flash-Next的思考模式Temperature与Top_p推荐参数组合让输出质量翻倍如何配置Qwen3.8 Flash Next的思考模式Temperature与Top_p推荐参数组合让输出质量翻倍 Qwen3.8 Flash Next 是人工智能基础模型大模型多模态vibe-vibe 教程实战Self-Critique 让 AI 自我检查系统性提升输出质量vibe vibe 教程实战Self Critique 让 AI 自我检查系统性提升输出质量 本文围绕 vibe vibe 教程《3.3.5 Self Cr文档教程Vibe Coding示例工程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
