反思与推理：让 Agent 回头改一遍、也想得更深
一遍过会错而不自知，反思带批评定向改，推理把思考显式化想得更深。
立靶：一遍过的输出，错了也不自知
先看两个真实会翻车的场景。
第一个，让 Agent 写一段稍微复杂的代码。它一口气生成、直接交付，跑起来报错。你把报错贴回去，它改；再报错，再改。来回三四轮才对。问题出在哪？模型生成时是「线性向前」的，它没有在交付前回头看一眼自己刚写的东西。 它不是不会改，是根本没给它「改」的机会。
第二个，问一道需要几步推理的题：「一个房间有 3 个开关对应隔壁房间 3 盏灯，你只能进隔壁一次，怎么判断哪个开关控制哪盏灯？」如果模型直接蹦出答案，往往会漏掉「灯泡发热」这个关键中间量。因为它把本该展开的思考，压缩成了一次性的直觉跳跃。 答案错了，它自己也不知道哪一步错了——因为根本没有「步」。
这两个靶子，对应本讲的两个模式：第一个病——不回头看——靠 反思（Reflection） 治：把输出当草稿，自己挑错，再改一遍。第二个病——想得太浅——靠 推理技术（Reasoning） 治：把思考过程显式摊开，甚至并行试多条路、能回溯。它们是一对互补的「想得更对」和「想得更深」。
框架：Reflection 的 Generator-Critic + Reasoning 四技术
反思 Reflection——生成、批评、修订的循环
反思的核心结构叫 Generator-Critic（生成器-批评者）。一句话：让同一个（或另一个）模型，先当作者，再当审稿人。标准循环是三步，可以多轮：
- Generate（生成）：产出第一版输出。这一版被明确定性为「草稿」，而不是终稿。
- Critique（批评）：换一个视角审视草稿——哪里不对、哪里没覆盖、哪里能更好。批评要具体、可执行，不能只说「写得不好」。
- Refine（修订）：带着批评意见，定向修改草稿，产出第二版。
然后判断是否再来一轮（够好了 / 到了轮数上限 / 不再变好就停）。这里要钉死一个最容易混的点：反思 ≠ 重试。
| 维度 | 单纯重试（Retry） | 反思（Reflection） |
|---|---|---|
| 第二次输入 | 和第一次几乎一样的 prompt | 第一版输出 + 针对它的具体批评 |
| 变好的机制 | 换随机种子，碰运气 | 带着诊断意见定向修改 |
| 信息是否累积 | 不累积，每次从零 | 累积，后一版站在前一版肩上 |
| 适合场景 | 输出本身有随机性、重抽即可 | 输出有明确可挑剔的质量维度 |
重试是「再摇一次骰子」，反思是「拿着红笔批改作文」。反思的代价也必须摊开：多一轮批评 + 一轮修订，意味着 2-3 倍的 token 和延迟。 所以它不是默认开关，是按场景上的。
推理 Reasoning——把思考显式化的四种技术
推理技术解决「想得不够深」。核心思想统一：别让模型从问题直接跳到答案，让中间的思考过程显式地、可被消费地展开出来。 四种技术按复杂度递增：
| 技术 | 一句话机制 | 形状 | 适合 | 代价 |
|---|---|---|---|---|
| CoT 思维链 | 「一步步想」，把推理链写出来再给答案 | 单条直线 | 多步算术、逻辑、常识推理 | 低 |
| Self-Consistency 自洽 | 采样多条 CoT 路径，对答案投票取多数 | 多条平行线 + 投票 | 答案唯一、易聚合的题 | 中（N 倍采样） |
| ToT 思维树 | 把思考拆成节点，分支探索 + 评估 + 回溯 | 树（可回溯） | 需要搜索 / 试错 / 规划的题 | 高 |
| ReAct | 推理与行动交织：想一步 → 调工具 → 看结果 → 再想 | 循环 | 需要查外部信息 / 用工具的任务 | 中高 |
四者的关系：CoT 是「把一条思路写清楚」；Self-Consistency 是「同一道题写好几遍取共识」；ToT 是「写到一半发现不对能掉头换条路」；ReAct 是「想不清就去查、去试，拿真实反馈回来接着想」。前三者在模型脑子里（纯文本推理），ReAct 是唯一把「行动 / 工具」拉进推理循环的——这也是它和 Agent 关系最紧的原因。
Case：同一个任务，开不开这两个模式差多少
任务：让 Agent 写一篇「给非技术读者解释什么是向量数据库」的科普短文。
裸跑（无反思、无显式推理）：模型一遍过，写出一段塞满「嵌入空间」「余弦相似度」「近似最近邻」的文字。术语堆砌，非技术读者根本看不懂，但模型交付时一脸自信。错了不自知。
加反思：Generate 同上；Critique（让它换「完全不懂技术的读者」视角审）批评很具体——「第二段三个术语没解释；缺一个生活类比；开头没说清这东西解决什么问题」；Refine 带着这三条改，第二版开头加了「就像图书馆里按内容相近摆书」的类比，术语都先用大白话兜底。质量明显提升，代价是多跑了一轮。
加推理（ReAct）：如果任务变成「解释并对比当前主流的三个产品」，纯靠模型记忆容易过时、编错。ReAct 会：想（「我需要查最新产品对比」）→ 行动（调检索工具）→ 观察（拿到真实资料）→ 再想（「资料里 X 产品定价变了」）→ 整合输出。推理决定「内容对不对、深不深」，反思决定「成品好不好、到不到位」。一个管过程，一个管收口。
可操作做法：什么时候上、上哪种
何时该上反思——信号：输出有明确可挑剔的质量维度（能描述才能批评）；任务是开放式生成（代码、长文、方案）；一次错的代价 > 多跑一两轮的成本。不值得：简单事实问答、格式转换、对延迟极敏感的实时场景。两个要点：① 批评和生成尽量用不同视角或不同 agent，别让作者自己夸自己；② 设停止条件（固定轮数 / 不再变好就停），否则无限打磨烧 token。
怎么选推理技术——按任务形状选，别一律上最重的：多步推理、答案唯一 → CoT（最省）；CoT 偶尔错但能投票聚合 → Self-Consistency；需要搜索/试错/掉头 → ToT（最贵，最后用）；依赖外部信息或工具 → ReAct。一句话决策：先问「这题要不要跟外部世界交互」——要，ReAct；不要，再在 CoT / SC / ToT 里按复杂度从轻到重选。
织进本课：这两个模式不是新东西
反思 ↔ Module C「端到端与交接」的「规划 / 生成 / 评估三 agent 分离」。 Module C 讲过成熟多 agent 系统会把规划、生成、评估拆给不同 agent——那个评估 agent，本质就是把反思「外部化」了。反思的朴素形态是同一个模型先写再自评，但自评容易给自己打高分；评估 agent 把「批评者」彻底独立成另一个不参与生成的 agent。所以两者是同一思想的两个浓度：让评判方独立于生成方。
推理 ↔ Module A「技术地基五层」L1 Loop + L3 Planning。 ReAct 就是 L1 Loop 的推理形态——L1 是「感知→决策→行动→观察」的循环，ReAct 把其中「决策」环节显式写成自然语言推理，ReAct = Loop + 显式思考。ToT 的「分支探索 + 回溯」则对应 L3 Planning 的搜索策略。所以 Module D 不是讲全新东西，是给前面的地基补上「它们在单个 agent 的思考层里长什么样」。
收口
一遍过的 Agent，错了不自知；想得浅的 Agent，难了就蒙。反思让它回头改，推理让它想得深——前者管「收口对不对」，后者管「过程深不深」。这两件事都不是默认开关，是你看着任务的形状、按代价亲手拧上去的旋钮。