AI Agents · บทเรียน

วงจรการไตร่ตรองและวิจารณ์ตนเอง

หลังแต่ละขั้น ให้ถามโมเดลว่า “ทำงานสำเร็จหรือไม่ ขั้นต่อไปคืออะไร” — วิธีเพิ่มความน่าเชื่อถือที่ประหยัดที่สุด

วงจรการไตร่ตรองและวิจารณ์ตนเอง เป็นบทเรียน AI Agents ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน AI Agents และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส AI Agents มีบทเรียนทั้งหมด 4 บทเรียน

บางส่วนของบทเรียนนี้ยังไม่ได้รับการแปล และแสดงเป็นภาษาอังกฤษ

การสะท้อนตนเองคืออะไร

การสะท้อนตนเองคือการที่เอเจนต์มองย้อนกลับไปยังการกระทำในอดีตของตนเองแล้วถามว่า "อะไรเป็นไปด้วยดี อะไรเป็นไปได้ไม่ดี และควรทำอะไรแตกต่างออกไป"

เป็นวิธีเพิ่มความน่าเชื่อถือให้เอเจนต์ที่คุ้มค่าที่สุดเมื่อเทียบกับต้นทุน

บทความ Reflexion

Shinn และคณะ, 2023 นำเสนอ Reflexion หลังจากความพยายาม (attempt) ที่ล้มเหลวแต่ละครั้ง เอเจนต์จะเขียนการวิจารณ์ตนเองและใช้เป็นแนวทางสำหรับความพยายามครั้งถัดไป คุณภาพเพิ่มขึ้นอย่างมาก

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

วิจารณ์ตนเองโดยไม่มีความล้มเหลว

คุณยังสามารถให้เอเจนต์วิจารณ์ผลลัพธ์ที่สำเร็จแล้วด้วยตนเองได้:

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.
'''

ใช้ผู้วิจารณ์เป็นโมเดลแยกต่างหาก

ใช้โมเดลอื่นสำหรับการวิจารณ์:

ลดอคติที่มีร่วมกัน
อาจมีต้นทุนต่ำกว่า (ผู้วิจารณ์ขนาดเล็ก ผู้สร้างขนาดใหญ่)
หรือสลับกัน (ผู้สร้างขนาดเล็ก ผู้วิจารณ์ขนาดใหญ่)

การสะท้อนตนเองระดับขั้นตอน

สะท้อนตนเองหลังแต่ละ STEP ไม่ใช่แค่ตอนจบ:

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

ตระหนักถึงต้นทุน

การสะท้อนตนเองทำให้จำนวนครั้งที่เรียกใช้ LLM เพิ่มเป็นสองเท่า สำหรับเส้นทางที่ไวต่อเวลาแฝง ให้ข้ามขั้นตอนนี้ สำหรับผลลัพธ์คุณภาพสูง ขั้นตอนนี้คุ้มค่า

หลีกเลี่ยงการทบทวนแบบคล้อยตาม

หากคุณถามว่า "ทำงานได้หรือไม่" แบบจำลองมักตอบว่า "ได้" โปรดบังคับให้มีการประเมินอย่างมีวิจารณญาณ:

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

หน่วยความจำของการทบทวน

บันทึกผลการทบทวนไว้ในแหล่งจัดเก็บแบบถาวร เมื่อผ่านไปหลายเซสชัน ตัวแทนจะสร้างคลัง "บทเรียนที่ได้เรียนรู้" ขึ้นมา:

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

เรียกคืนผลการทบทวนในอดีตที่เกี่ยวข้อง

เมื่อเริ่มงานใหม่ ให้เรียกคืนบทเรียนที่ตรงกับประเภทของงาน:

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

ผลลัพธ์ที่เห็นได้ชัด

การเพิ่มข้อความว่า "หลังจากทำแต่ละขั้นตอนเสร็จแล้ว ให้ระบุสั้น ๆ ว่าอะไรอาจผิดพลาดและตรวจสอบซ้ำ" ลงในพรอมต์ของตัวแทนเขียนโค้ด โดยทั่วไปช่วยลดอัตราข้อบกพร่องลง 15–30% ในการทดสอบประสิทธิภาพ

ตัวตรวจสอบ–ตัวสร้าง

รูปแบบหนึ่งคือ ให้ LLM หนึ่งตัวสร้างผลลัพธ์ และอีกตัวตรวจสอบ หากตัวตรวจสอบปฏิเสธ ตัวสร้างจะลองใหม่พร้อมเหตุผลที่ถูกปฏิเสธ ปัจจุบันมีการใช้วิธีนี้ในตัวแทนสำหรับระบบใช้งานจริงจำนวนมาก

เมื่อ NOT ควรทบทวน

งานที่ทำครั้งเดียวและมีต้นทุนต่ำอยู่แล้ว
การสนทนาแบบเรียลไทม์
เส้นทางที่ไวต่อเวลาแฝง

ข้อค้นพบจากรีเฟล็กชัน

ข้อค้นพบสำคัญจากงานวิจัยรีเฟล็กชันคืออะไร

สรุปทบทวน

การทบทวนเป็นวิธีเพิ่มคุณภาพที่มีต้นทุนต่ำ ให้ตรวจ критique หลังเกิดความล้มเหลว บันทึกบทเรียน และเรียกคืนบทเรียนเหล่านั้นสำหรับงานในอนาคตที่คล้ายกัน หากเป็นไปได้ ให้ใช้แบบจำลองวิจารณ์แยกต่างหาก

คำถามที่พบบ่อย

บทเรียน “วงจรการไตร่ตรองและวิจารณ์ตนเอง” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “วงจรการไตร่ตรองและวิจารณ์ตนเอง” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Agents ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Agents มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “วงจรการไตร่ตรองและวิจารณ์ตนเอง”

หลังแต่ละขั้น ให้ถามโมเดลว่า “ทำงานสำเร็จหรือไม่ ขั้นต่อไปคืออะไร” — วิธีเพิ่มความน่าเชื่อถือที่ประหยัดที่สุด คุณปฏิบัติ AI Agents ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน AI Agents หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน AI Agents บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน

บทเรียน “วงจรการไตร่ตรองและวิจารณ์ตนเอง” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน AI Agents นี้ได้ไหม

ได้ บทเรียน AI Agents ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

← กลับไปที่ AI Agents