反思式推理的核心工作原理是什么？

1. 生成-反思-修正三阶段循环

反思式推理遵循一个结构化的三阶段循环：

• 生成（Generate）：AI 基于用户输入产生初始输出，如答案、代码、方案或计划
• 反思（Reflect）：系统对初始输出进行评估，检查其正确性、完整性、一致性与安全性，识别潜在错误或遗漏
• 修正（Refine）：根据反思阶段的反馈，对输出进行修订和优化，并可重复循环直至满足质量阈值

这一循环可由单一模型在同一上下文中完成，也可拆分为独立的生成模块与评估模块，后者通过分离"创作者"与"批评者"角色来减少模型自我背书倾向。

2. 终止条件的关键设计

无限制的反思循环可能导致无限迭代甚至质量退化，因此必须设置明确的终止条件：

• 固定迭代次数：限制循环执行 2 至 3 轮，超过即停止
• 质量阈值判定：当评估分数超过预设标准时终止
• 收敛检测：连续两次修订的变化量低于阈值即视为收敛
• 外部验证：通过单元测试、API 调用等工具验证结果正确性后终止

3. 完整推理流程示例

以代码调试任务为例，反思式推理的执行流程如下：

• 接收用户任务，分析需求并制定初步策略
• 调用工具执行操作（如运行代码、查看报错信息）
• 获取工具执行结果（如错误日志、运行输出）
• 深度复盘失败原因，分析"为什么会出错、哪里出错、如何改进"
• 根据反思结果调整策略，重新执行思考-行动-观察循环
• 重复上述过程直至任务完成