多智能体反思框架如何通过多个 Agent 互相批评提升效果？

1. 单 Agent 反思的固有局限

MAR（Multi-Agent Reflexion）框架的研究表明，单个 Agent 在执行、评估和反思三个环节中由同一模型承担所有角色，容易产生以下系统性缺陷：

• 重复推理错误：同一模型倾向于在不同轮次中重复相同的错误推理模式
• 确认偏误：模型对自己先前生成的内容有天然偏好，难以客观批判
• 反思多样性不足：单一推理风格无法覆盖多维度的潜在问题

实验数据显示，在困难样本上，单 Agent Reflexion 的反思往往会重复先前的误解，无法引入新的推理路径。

2. MAR 的多角色辩论架构

MAR 框架通过引入多个具有不同推理人格的批评者 Agent 来解决上述问题：

• Actor：负责执行任务并生成初始解决方案
• 多元 Persona 批评者：每个批评者具有不同的推理倾向和分析视角，从多个角度诊断失败原因
• Judge 协调者：汇总各批评者的诊断，引导辩论并合成最终的共识反思

当 Actor 失败后，系统启动结构化辩论流程：每个 Persona 独立撰写诊断报告，随后进行交叉质询和完善，最终由 Judge 综合成可操作的共识反思注入 Actor 记忆。

3. 性能提升与实际代价

在 HumanEval 代码生成基准上，MAR 将 pass@1 从 Reflexion 的 76.4% 进一步提升至 82.6%，HotPotQA 多跳问答准确率也提升了 3 个百分点。更重要的是，MAR 显著减少了单 Agent Reflexion 中常见的思维停滞现象。

不过，这种提升伴随着约 3 倍的 API 调用量和延迟增加。因此在实际部署中，MAR 更适合企业级高风险决策场景，而非对延迟敏感的常规任务。