Reflexion — 言语强化学习与自我反思
Skill-Reflexion-Self-Improvement · 10-MAS
causalexperimentoptimizationmulti_agentpricing供应链与补货客服与VOCMAS与智能体工程定价与利润WF-A 智能补货WF-C 客服分诊WF-F 动态定价
实现难度⭐⭐⭐⭐☆
业务优先级⭐⭐⭐⭐☆
业务视角
适用角色运营负责人 / CTO · 产品经理 · CEO
适用平台Amazon PPC + 库存 + 定价 多 Agent 协作 · TikTok 内容运营流水线
什么情况下用运营任务太碎，选品/定价/广告/客服同时跑，人手严重不足；重复性运营动作需要 7×24 响应但没有足够人力
成功是什么样的多个 AI Agent 协作自动完成跨系统运营任务，运营团队人效提升 3-5 倍，7×24 无人值守运营
业务痛点
1. 解决的问题
Reflexion 提出了一种言语强化学习（Verbal Reinforcement Learning）机制。核心洞察：传统 RL 需要更新模型权重，成本高且难以解释；而 LLM 可以通过自然语言形式的"自我反思"来改进策略，无需任何权重更新。
2. 核心算法逻辑
Reflexion 提出了一种言语强化学习（Verbal Reinforcement Learning）机制。核心洞察：传统 RL 需要更新模型权重，成本高且难以解释；而 LLM 可以通过自然语言形式的"自我反思"来改进策略，无需任何权重更新。
3. 业务应用场景
LLM 打标新类型评论时容易出错（如新品类、新品牌、新表达方式）。传统方式是人工审核后修正，效率低。需要 Agent 能自动识别错误、总结规律、避免再犯。
- 历史打标结果 - 人工审核后的修正记录 - 评估标准（标签准确率、覆盖率、一致性）
业务价值： - 错误率逐次下降，无需重新训练模型 - 反思经验可跨任务复用 - 人工审核聚焦在高价值案例上
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- 数据要求：中，需要评估信号和 ground truth
- 技术门槛：中高，需要理解记忆检索和反思生成机制
- 工程复杂度：中高，涉及多组件协调
- 维护成本：中，记忆库需要管理
- 无需重训：最大的优势，零模型训练成本
- 可解释性强：反思是自然语言，人类可读可审核
7. 代码模板
代码块数量：4 · 路径：未检测到
cd paper2skills-code/mas/reflexion_self_reflect
python reflexion_agent.py8. 论文来源
- 2303.11366