AI-agenter · Lektion

Refleksions- og selvkritiksløkker

Spørg modellen efter hvert trin: "Virker det? Hvad nu?" — den billigste vej til større pålidelighed.

Lektion 4 af 415 trin

Refleksions- og selvkritiksløkker er en gratis AI-agenter-lektion på CoddyKit. Dette er lektion 4 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i AI-agenter, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. AI-agenter-kurset indeholder 4 lektioner i alt.

Dele af denne lektion er endnu ikke oversat og vises på engelsk.

Hvad er refleksion?

Refleksion er, når agenten ser på sine tidligere handlinger og spørger: "Hvad gik godt? Hvad gik dårligt? Hvad skal jeg gøre anderledes?"

Det er den billigste pålidelighedsforbedring i agenter.

Reflexion-artiklen

Shinn et al. 2023 introducerede Reflexion. Efter hvert mislykket forsøg skriver agenten en selvkritik og bruger den som vejledning til næste forsøg. Kvaliteten steg markant.

A Simple Reflection Loop

def with_reflection(task, max_attempts=3):
    reflections = []
    for attempt in range(max_attempts):
        result = agent.run(task, hints=reflections)
        if result.success:
            return result
        reflection = llm.invoke(f'''
Task: {task}
Attempt: {attempt + 1}
What went wrong: {result.error}

Reflect on what to do differently next time.
''').content
        reflections.append(reflection)
    return last_result

Selvkritik uden fejl

Du kan også få agenten til at foretage selvkritik af vellykkede resultater:

critique_prompt = '''
Review your answer for:
1. Is it factually correct?
2. Is it complete?
3. Are there obvious improvements?

If improvements possible, return REVISE: <revised answer>.
Otherwise return ACCEPT.
'''

Kritiker som separat model

Brug en anden model til kritikken:

Reducerer fælles fordomme
Kan være billigere (lille kritiker, stor forfatter)
Eller omvendt (lille forfatter, stor kritiker)

Refleksion på trinniveau

Reflektér efter hvert TRIN, ikke kun til sidst:

thought = 'I will use search_kb'
action = call_search_kb(...)
observation = '...'
reflection = llm.invoke(f'Did that step help? Should I try a different tool next?').content

Omkostningsbevidsthed

Refleksion fordobler antallet af LLM-kald. Spring det over på stier, hvor svartid er afgørende. For resultater af høj kvalitet er det besværet værd.

Undgå smiskende refleksion

Hvis du spørger "virkede det?", svarer modellen ofte "ja". Tving den til en kritisk vurdering:

critique_prompt = 'List 3 SPECIFIC PROBLEMS with the previous answer. If you cannot find any, say WHY there are none.'

Refleksionshukommelse

Gem refleksioner i et vedvarende lager. Efter mange sessioner opbygger agenten et bibliotek med "indhøstede erfaringer":

save_reflection({
    'task_type': 'sql-write',
    'lesson': 'Always check if table is partitioned before running heavy aggregations.',
    'created_at': now()
})

Hent relevante tidligere refleksioner

Ved starten af en ny opgave skal du hente erfaringer, der matcher opgavetypen:

lessons = vector_db.search(embed(task_description), filter={'type': 'reflection'}, k=3)
prompt += '\nLessons learned from past tasks:\n' + '\n'.join(lessons)

En konkret gevinst

Hvis du tilføjer "Efter hvert trin skal du kort notere, hvad der kan gå galt, og dobbelttjekke det" til en kodeagents prompt, reducerer det typisk fejlprocenten med 15-30 % i benchmarks.

Verifikator-generator

En variant er at lade én LLM generere og en anden verificere. Hvis verifikatoren afviser resultatet, prøver generatoren igen med begrundelsen for afvisningen. Det bruges i mange produktionsagenter i dag.

Hvornår du IKKE skal reflektere

Engangsopgaver, der allerede er billige
Chat i realtid
Latenstidskritiske forløb

Indsigt fra Reflexion

Hvad er den vigtigste indsigt fra artiklen om Reflexion?

Besvar den i den interaktive lektion

Opsummering

Refleksion er en billig kvalitetsforbedring. Kritiser efter fejl, gem erfaringerne, og hent dem til lignende fremtidige opgaver. Brug om muligt en separat kritikmodel.

Gratis at komme i gang

Lær AI-agenter med en AI-underviser — gratis

Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.

Kurser: 60
Lektioner: 239

Start gratis Se hele kurset

Ofte stillede spørgsmål

Er lektionen “Refleksions- og selvkritiksløkker” gratis?

Ja — hele teksten til “Refleksions- og selvkritiksløkker” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af AI-agenter-kurset, skal du opgradere til CoddyKit PRO. AI-agenter-kurset indeholder 4 lektioner i alt.

Hvad lærer jeg i “Refleksions- og selvkritiksløkker”?

Spørg modellen efter hvert trin: "Virker det? Hvad nu?" — den billigste vej til større pålidelighed. Du øver dig i AI-agenter med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.

Skal jeg have erfaring for at begynde på AI-agenter?

Der kræves ingen tidligere erfaring. AI-agenter på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 4 af 4.

Hvor lang tid tager lektionen “Refleksions- og selvkritiksløkker”?

De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.

Kan jeg skrive og køre kode i denne AI-agenter-lektion?

Ja. Alle AI-agenter-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.

Alle lektioner i dette kursus

← Tilbage til AI-agenter