摘要：每次小R犯错之后，你跟它说"你这样做不对，应该那样做"，它点头如捣蒜："好的好的，我记住了！"结果下次遇到同样问题，它还是犯一模一样的错误，就像得了健忘症一样。

想象一下，你有个AI智能体助手叫小R，它很聪明，但有个致命缺点——「不长记性」！

每次小R犯错之后，你跟它说"你这样做不对，应该那样做"，它点头如捣蒜："好的好的，我记住了！"结果下次遇到同样问题，它还是犯一模一样的错误，就像得了健忘症一样。

这就是传统智能体的尴尬现状：它们聪明是聪明，但学不会从错误中吸取教训。每次都要重新训练才能改进，就像每次考试不及格都要重新上一遍学一样，累不累啊？

图1：传统AI的"健忘症循环"

就在这时，研究人员想到了一个绝妙的主意：「既然不能改变AI的"大脑"（参数），那就给它一个"笔记本"（记忆）让它记录经验教训！」

这就是Reflexion技术的核心思想——不通过调整模型参数来学习，而是通过「语言反思」来改进智能体的决策能力。

你可能会问："什么叫语言反思？"

简单来说，就是让智能体用人话把自己哪里做错了、为什么错了、下次应该怎么做，全都写下来。就像我们小时候犯错后老师让写检讨书一样，只不过智能体写的是给自己看的"学习笔记"。

图2：Reflexion的学习循环

这就是我们的主角小R，负责执行任务。它就像舞台上的演员，按照剧本（提示词）表演，但有时会忘词、走错位。

❝

"刚才你在第三步的时候走错了方向，应该先检查一下手里有没有钥匙，然后再去开门。记住了吗？"

❞

最神奇的是，反思官写的这些经验教训会被记录在「长期记忆」里，就像给智能体建了一个"错题本"！

图3：Reflexion系统的三剑客

小R兴冲冲地说："我去拿锅子！"

「评委：失败！」

反思官开始工作："我刚才失败了，因为我错误地以为自己已经拿到了锅子，但其实锅子不在炉子上。我应该先仔细找找锅子在哪里，确认拿到了再进行下一步。"

这段反思被记录到记忆库里。

「评委：通过！」

你看，这就是Reflexion的魔力——「智能体不再是一个"金鱼记忆"的助手，而是一个会学习、会改进的智能伙伴」！

图4：传统强化学习的痛苦循环

而Reflexion就像一个聪明的学霸：

运行测试： 「ERROR！」count变量都没定义！

❝

"我的代码失败了，因为我使用了未定义的变量count。我本来想计算左右括号的数量，但忘记了初始化这个变量。下次我应该：1）正确初始化计数器；2）遍历列表统计左右括号；3）检查它们是否平衡。"

❞

「第二次尝试：」

结果：✅ 「通过所有测试！」

在HumanEval编程基准测试中，Reflexion达到了91%的准确率，超过了之前最好的GPT-4的80%！这个提升可不是闹着玩的。

图5：双重记忆系统

「短期记忆」：就像你现在在做什么，刚才做了什么，很详细但不持久。

「长期记忆」：就像从失败中总结的人生感悟，精炼但持久。为了不让智能体"撑死"（上下文太长），通常只保留最近的3个重要教训。

这些数字背后的意义是什么？「智能体终于学会了"吃一堑长一智"」！

想象一下，你的智能体助手在帮你工作几个月后，它对你的习惯、偏好、工作流程的理解越来越深。它会说：

❝

"根据我过去的经验，每当你说'帮我整理一下文件'时，你通常希望我按照时间顺序排列，并且把重要的文档标记出来。上次我忘记标记重要文档，你看起来有点不满意。这次我会特别注意的。"

❞

这不再是科幻小说，而是正在发生的现实！

如果我们从Reflexion学到什么的话，那就是：「学习的本质不是重复，而是反思」。

Reflexion技术告诉我们，智能体的未来不在于更大的模型、更多的参数，而在于更聪明的学习方式。就像古人说的："学而不思则罔，思而不学则殆。"

现在，智能体终于学会了"思"！

来源：小鱼科技每日一讲