← 返回概念解读

Concept Fable精修版

多智能体反思

Multi-Agent Reflection · 协作机制

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

镜厅里的三名审稿人

剧院原先只有一名审稿人。他读完剧本便盖章,错别字少时,这样很快。后来剧本牵涉法律、财务和品牌承诺。一个人看完后常漏掉自己不熟的风险,尤其在赶场时。院长加了两名审稿人,让三个人同时读。第一周错误少了,第二周大家开始互相附和,谁也不愿显得麻烦。一次广告词把免费试用写成永久免费,三人都觉得语气顺,没人追问合同条款。剧院为此赔了一大笔。

院长又要求每人写长评。长评堆满桌子,却仍然没有指出谁的判断基于事实,谁只是重复别人意见。

新来的排练监督改变流程:先让每名审稿人独立指出风险,再让另一名专门反驳,最后由总结人合并分歧和证据。

如果三人意见一致,也必须写明一致来自同一证据还是同一盲点。高风险剧本会再送给外部角色复核。

剧院逐渐学会让多个判断互相照亮,而不是互相取暖。反思变成结构化过程,错误才真的下降。

监督说:多几个声音没有意义,除非整套装置要求它们独立、交叉、质疑并把分歧留下来。

监督还把座位重新排开。先读的人不能看别人批注,反驳的人必须指出证据在哪页,总结人只能合并有根据的分歧,不能用“大家都觉得”草草盖章。

最有效的一次复核发生在票价条款上。品牌审稿人嫌措辞生硬,财务审稿人发现折扣会亏损,法律审稿人指出退票承诺过宽。三种不舒服的意见放在一起,剧本才真正变稳。后来剧院宁愿少排一出戏,也不愿让三个点头的人假装完成了复核。复核的价值,来自被迫留下的不同判断。谁独立看过、谁提出反对、谁合并证据,都要留名。如此。

揭示

这个故事讲的是:多智能体反思

Multi-Agent Reflection 是让多个 Agent 对方案、推理、工具结果或输出进行独立检查、互相批评、修正和汇总的机制。它可提高复杂任务质量,但需要防止群体附和、共享错误、过度自信和循环消耗。企业落地时应设计角色分离、证据引用、反驳步骤、汇总规则和升级条件。

它重要的地方在于:它不只是一个术语,而是在真实 AI / Agent 系统里会反复出现的结构性问题。理解它,才能判断什么时候该加模型,什么时候该改流程,什么时候该补治理。

隐喻映射

  • 三名审稿人:多个评审 Agent
  • 互相附和:多 Agent 共享偏差
  • 长评堆桌:无结构反思
  • 独立指出风险:先分离判断
  • 专门反驳:critique agent
  • 合并分歧和证据:reflection aggregator。

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

自批评 (Self-Critique)同行评审迭代改进Reflexion