你可能会说
反思这块我不太理解，帮我用代码演示一下。
Agent 做完一步后回头检查：「我做对了吗？有没有更好的方法？」发现问题就自我修正，再试一次。
Agent 做完一步后回头检查：「我做对了吗？有没有更好的方法？」发现问题就自我修正，再试一次。
生活类比
像考试做完检查一遍——发现计算错了就改过来，而不是直接交卷。
🎮 动手试试
关于「反思」，以下哪个描述最准确？
你可以这样告诉 AI
让 Agent 每次写完代码后自己检查一遍：代码能不能跑通、有没有边界情况没考虑、命名是否清晰，发现问题自己改了再给我。
思维链是事前推理（做之前想清楚）；反思是事后评估（做完后回头看）。两者可叠加——先 CoT 规划再 Reflection 检查。
高质量输出场景
当 AI 生成的结果需要反复打磨（如代码生成、文案创作），启用反思让 Agent 自检输出质量并自动修正，提高最终交付水平。
和 AI 协作时
想让 AI 自己检查并改进结果时，直接说「做完后自己检查一遍，发现问题自己改，直到你觉得没问题了再给我」。
实时性要求极高的场景
如果需要在毫秒级返回结果（如实时对话、流式输出），反思会显著增加延迟——先保证速度再考虑质量。
与自检迭代无关的项目
如果你的 AI 只做一次性输出、不需要反复修正（如简单问答），完全不需要反思机制。
Agent 做完一步后回头检查：「我做对了吗？有没有更好的方法？」发现问题就自我修正，再试一次。
像考试做完检查一遍——发现计算错了就改过来，而不是直接交卷。
和 AI 沟通时提到「检查一下刚才的结果」，就是让反思机制工作。