Reflection 和 Reflexion 有什么区别？
简化版
两者都是「做完一版 → 得到反馈 → 带着反馈再做一版」，区别在反馈存不存、跨不跨尝试。Reflection（常见的实现叫 Self-Refine）是在一次任务里迭代打磨同一份产出：生成一版，让模型对这一版提出批评，再按批评改一版，反馈只作用于当前这份稿子，改完就结束了。Reflexion 是在多次尝试之间学习：一次尝试结束后，根据评估信号（测试结果、规则校验、环境反馈）把「哪里失败了、下次该怎么做」写成一段文字，存进情景记忆，下一次尝试把这段记忆带进提示词再从头做。简单说，Reflection 改稿子，Reflexion 记教训。工程上 Reflexion 的关键是反馈要具体到能照着改，并且要求没被点名的部分保持不变，否则每次尝试都会推翻重来。
详细版
| 维度 | Reflection（Self-Refine） | Reflexion |
|---|---|---|
| 迭代对象 | 同一份产出，逐版修改 | 多次完整尝试，每次重新执行任务 |
| 反馈来源 | 通常是模型对自己产出的批评 | 评估信号（测试、规则、环境反馈），再转写成文字 |
| 反馈形态 | 针对当前稿子的批评意见 | 「失败原因 + 下次怎么做」的反思文字 |
| 记忆 | 不单独存，批评用完即弃 | 反思文字存入情景记忆，带进下一次尝试 |
| 典型场景 | 写作、纪要、代码的逐段打磨 | 需要多次执行才能成功的任务：编程、决策、规划 |
Reflection： 生成 v1 → 批评 v1 → 按批评改成 v2 → 批评 v2 → …… → 满意或到上限
Reflexion： 尝试 1 → 评估 → 写反思 → 存入记忆
尝试 2（提示词带上反思）→ 评估 → 写反思 → 存入记忆
…… → 成功或到上限完整版教学
一、两个名字从哪来
这两个词经常被混用，先把来源说清。Self-Refine 这一类方法描述的是：同一个模型先生成，再对自己的输出给出反馈，再根据反馈改写，循环几轮，不需要额外训练。业内常把这种「自己批评、自己修改」的模式统称为 Reflection。
Reflexion 出自一篇 2023 年的论文，它把「反思」用在 Agent 的多次尝试之间：Agent 完成一次尝试后，由评估器给出成败信号，再把这个信号转写成一段语言形式的反思，存进情景记忆；下一次尝试时，把记忆里的反思放进上下文，指导这一次怎么做。论文把这种做法称为「语言形式的强化」：不更新模型参数，靠文字经验改进后续行为。
记忆钩子：Reflection 改稿子，Reflexion 记教训。
二、Reflection：在一份产出上反复打磨
Reflection 的结构很简单，两个角色、一个循环：
产出 ← 生成
↓
批评：这一版哪里不好（最好结构化：位置、问题类型、修改建议）
↓
改写：按批评改出新的一版
↓
复审：没到上限就回到批评它的特点是反馈和产出绑在一起：批评针对的就是当前这一版，改完之后这些批评就没用了，不需要存下来。适合产出本身可以局部修改的任务，比如一份纪要漏了负责人，补上负责人就行，不用整份重写。
三、Reflexion：在多次尝试之间积累经验
Reflexion 面对的任务往往不能「局部改一下」，而是要重新执行一遍：代码要重新写、行程要重新排、决策要重新做。它多了两样东西：
评估器：给出这次尝试的成败信号
可以是单元测试、规则校验、环境返回的奖励，不一定是模型
反思记忆：把「失败在哪、下次怎么做」写成文字存下来
下一次尝试时放进提示词关键在于经验被显式保存并带入下一次。第一次尝试超了预算，反思写下「总花费超出 822 元，把花费最高的两项降档」，第二次尝试从头规划时就会带着这条经验。
四、反思文字怎么写才有用
无论哪种模式，反馈写得好不好直接决定下一版能不能改好：
| 反馈写法 | 下一版的表现 |
|---|---|
| 「请优化一下行程」 | 模型拿不到具体动作，只会整体重排，问题照旧 |
| 「第 2 天游玩 660 分钟，超出上限 540 分钟」 | 知道哪里错、错多少，但不知道怎么改 |
| 「第 2 天游玩 660 分钟超出上限 540 分钟：去掉 1 到 2 个可去可不去的点位，或挪到游玩时长较短的那一天，必玩点位优先保留」 | 知道哪里错、错多少、怎么改 |
另一个要点是限定改动范围。反思文字末尾要明确要求「没有被点名的部分尽量保持不变」。缺了这一句，模型每次尝试都可能给出一份面目全非的新结果，前一版已经做对的部分被推翻，多版之间也没法对比「改了什么」。
五、记忆带多少：只带上一次，还是全部累积
Reflexion 的记忆有两种带法：
| 带法 | 做法 | 优缺点 |
|---|---|---|
| 只带上一次 | 下一次尝试只带上一次的反思 | 提示词不会越来越长；已改好的问题自然消失，没改好的会被重新评估出来 |
| 累积全部 | 把历次反思都带上 | 信息更全，但提示词膨胀，旧的、已解决的问题可能误导模型 |
如果每次尝试结束都会重新做完整评估，「只带上一次」往往就够了：上一次还存在的问题一定会被重新判出来，已经解决的问题不会再出现。累积带法要控制条数，比如只保留最近几次、或按问题类型去重。
六、成本与上限
两种模式都会成倍增加调用：
Reflection，上限 3 轮：最多 1 次生成 + 3 次批评 + 3 次改写 = 7 次调用（每轮都改的情况）
Reflexion，上限 3 次尝试：每次尝试本身若要 30 次工具往返，最坏 3 × 30 = 90 次调用，再加每次的评估所以都必须有上限，并且规定到上限仍不合格时怎么收尾：交付最后一版、交付问题最少的一版，或者交给人工确认。评估器能用代码就用代码，判定可复现、不花调用费用，也能统计「哪类问题最常出现」。评估器用模型还是用代码，见「反思环怎么判定「够好了」：模型自评还是代码硬校验？」；循环本身的上限和交付规则，见「评估—优化循环怎么设计？为什么必须有轮数上限，用完了交付哪一版？」。
七、常见误区与追问
- 误区：Reflection 和 Reflexion 是一回事。 前者在一份产出上迭代改写，后者在多次尝试之间用反思记忆积累经验。
- 误区：Reflexion 必须由模型自己评估。 评估信号可以来自测试、规则校验或环境反馈，模型只负责（或者不负责）把信号转写成反思。
- 误区：反思越多越好，全部带进下一次。 累积会让提示词膨胀、旧问题误导模型，每次重新评估时只带上一次通常就够。
- 误区：反馈写「请改进」就行。 反馈要点名位置、给出数字和可执行的动作，否则下一版只会整体重来。
- 误区：反思能让模型永久学会。 反思是存在外部的文字，不改变模型参数，只在被放进上下文时生效。
- 追问：什么任务更适合 Reflexion？ 产出不能局部修改、需要重新完整执行的任务，比如重新规划、重新写代码。
- 追问：怎样避免每一版都推翻重来？ 反馈只点名需要改的地方，并在提示词里要求没被点名的部分保持不变。
八、加强记忆
Reflection 和 Reflexion 记「改稿子 vs 记教训」：Reflection（Self-Refine）在同一份产出上生成、批评、改写、复审，批评针对当前稿子、用完即弃，适合能局部修改的产出。Reflexion 在多次完整尝试之间学习，评估信号可以来自测试或规则，转写成「失败在哪、下次怎么做」的反思文字存入情景记忆，下一次尝试带进提示词，适合要重新执行的任务。反馈都要点名位置、给出数字和动作，并要求没被点名的部分保持不变；记忆可以只带上一次（每次都重新评估时足够）或累积但控制条数。两者都要设上限、规定到上限怎么交付，评估尽量用代码。
项目实战落地
项目里怎么做的
《AI Agent旅游行程智能规划平台》的行程编排是 Reflexion 的结构：每一版都是一次完整的编排（模型通过工具重新排一整份行程），排完由代码跑 14 条硬校验当评估器，没过就把问题转成教训，带进下一版：
- 教训怎么写：每条问题写一行
agent_reflection，问题描述由校验器写成「第几天（日期 星期）、哪一项、超了多少」的格式，改进要求fix_instruction由代码按规则编码生成，落到「挪到哪一天」「压到多少分钟以内」「补哪一类明细」这类可执行的动作上； - 怎么带进下一版：反思模板
TRIP_REFLECT_ROUND有{roundNo}和{lessons}两个占位符，每条教训拼成「序号. [问题类型] 问题描述」加一行「改进要求」，整段追加在编排主 Prompt 末尾；模板最后一句是「没有被点名的部分尽量保持不变，不要推翻整个行程重排——用户已经看过上一版」； - 只带上一版：第 3 版的 Prompt 里只有第 2 版的问题；第 2 版已经改掉的问题不会再出现，没改掉的会在第 2 版被重新判出来，照样带过去；
- 一次执行之内：教训只在这一次执行的各版之间传递，下一次重新规划时连同上一次的明细和校验一起清掉。
和经典 Reflexion 不同的一点是，这里的反思文字不是模型写的，而是代码按校验结果生成的。
《AI Agent智能会议纪要辅助系统》的纪要自检是 Reflection 的结构：审查模型对当前这一版纪要给出结构化问题清单，重写模型按清单改出新的一版，下一轮复审改过的这一版；问题清单只作用于当前稿子，没有跨轮次积累的教训。
为什么这样取舍
- 行程用 Reflexion：行程排出来的问题（超预算、闭馆日、时间重叠）要到整版写完才能判断，改的方式是带着问题重新排一版，每一版都是一份独立完整的行程，按轮次号分开存，页面可以并排对比。
- 判据用代码：让模型自己看行程说有没有问题，同一版问两次可能得到不同结论，反思循环就变成了随机扰动；代码判定稳定，还能按规则编码落库和统计。
面试官还会追问
- 必玩清单里标了「必去」的点位没排进去时，改进要求具体怎么写？
- 三版都没通过校验时，这张行程单会被判为规划失败吗？为什么？
- 一版之内的「续排」和反思重排有什么区别？续排会产生教训吗？
学完《AI Agent旅游行程智能规划平台》，上面这些追问你都会迎刃而解。