Reflectie- en zelfkritieklussen
Vraag het model na elke stap: ‘is dat gelukt, en wat nu?’ — de goedkoopste manier om de betrouwbaarheid te vergroten.
Reflectie- en zelfkritieklussen is een gratis AI-agenten-les op CoddyKit. Dit is les 4 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject AI-agenten. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus AI-agenten bevat in totaal 4 lessen.
Delen van deze les zijn nog niet vertaald en worden in het Engels weergegeven.
Wat is reflectie?
Reflectie betekent dat de agent naar zijn eerdere acties kijkt en vraagt: "Wat ging goed? Wat ging slecht? Wat moet ik anders doen?"
De goedkoopste manier om de betrouwbaarheid van agents te verbeteren.
Het Reflexion-artikel
Shinn et al. 2023 introduceerden Reflexion. Na elke mislukte poging schrijft de agent een zelfkritiek en gebruikt deze als leidraad voor de volgende poging. De kwaliteit sprong drastisch omhoog.
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_resultZelfkritiek zonder mislukking
Je kunt de agent ook succesvolle uitvoer laten bekritiseren:
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.
'''Criticus als afzonderlijk model
Gebruik een ander model voor de kritiek:
- Vermindert gedeelde vooroordelen
- Kan goedkoper zijn (kleine criticus, grote auteur)
- Of andersom (kleine auteur, grote criticus)
Reflectie op stapniveau
Reflecteer na elke STAP, niet alleen aan het einde:
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?').contentBewust omgaan met kosten
Reflectie verdubbelt het aantal LLM-aanroepen. Sla reflectie over op paden waar vertraging kritiek is. Voor uitvoer van hoge kwaliteit is het de moeite waard.
Reflectie zonder naar-de-mond-praterij
Als je vraagt "werkte dat?", zegt het model vaak "ja". Dwing een kritische evaluatie af:
critique_prompt = 'List 3 SPECIFIC PROBLEMS with the previous answer. If you cannot find any, say WHY there are none.'Geheugen voor reflecties
Sla reflecties op in een permanente opslag. In de loop van meerdere sessies bouwt de agent een bibliotheek met "geleerde lessen" op:
save_reflection({
'task_type': 'sql-write',
'lesson': 'Always check if table is partitioned before running heavy aggregations.',
'created_at': now()
})Relevante eerdere reflecties ophalen
Haal aan het begin van een nieuwe taak lessen op die bij het taaktype passen:
lessons = vector_db.search(embed(task_description), filter={'type': 'reflection'}, k=3)
prompt += '\nLessons learned from past tasks:\n' + '\n'.join(lessons)Een concreet succes
Het toevoegen van "Noteer na het voltooien van elke stap kort wat er mis kan gaan en controleer dat opnieuw" aan een prompt voor een code-agent verlaagt het aantal bugs in benchmarks doorgaans met 15-30%.
Verificateur-generator
Variant: laat één LLM genereren en een andere verifiëren. Als de verificateur afwijst, probeert de generator het opnieuw met de reden voor de afwijzing. Tegenwoordig wordt dit in veel productie-agents gebruikt.
Wanneer je NIET moet reflecteren
- Eenmalige taken die al goedkoop zijn
- Chat in realtime
- Paden waarbij latentie kritiek is
Inzicht uit Reflexion
Wat is het belangrijkste inzicht uit het Reflexion-artikel?
Samenvatting
Reflectie is een goedkope manier om kwaliteit te verbeteren. Analyseer fouten, sla lessen op en haal ze op voor vergelijkbare toekomstige taken. Gebruik waar mogelijk een afzonderlijk criticusmodel.
Leer AI-agenten met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 60
- Lessen
- 239
Veelgestelde vragen
Is de les “Reflectie- en zelfkritieklussen” gratis?
Ja — de volledige tekst van “Reflectie- en zelfkritieklussen” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus AI-agenten wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus AI-agenten bevat in totaal 4 lessen.
Wat leer ik in “Reflectie- en zelfkritieklussen”?
Vraag het model na elke stap: ‘is dat gelukt, en wat nu?’ — de goedkoopste manier om de betrouwbaarheid te vergroten. Je oefent met AI-agenten door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met AI-agenten te beginnen?
Ervaring vooraf is niet nodig. AI-agenten op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 4 van 4.
Hoe lang duurt de les “Reflectie- en zelfkritieklussen”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over AI-agenten?
Ja. Elke les over AI-agenten bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Hiërarchische taakdecompositie
- Doelstapels en backtracking
- Wereldmodellen en vooruitkijken
- Reflectie- en zelfkritieklussen