10. 面试题

一句话理解：面试中关于 Reflection 的问题，核心考察你是否理解“生成—批判—评估—修订”的闭环，以及它与 ReAct、Memory、Multi-Agent 的区别与协作方式。

初级

Q1：什么是 Agent Reflection？

Agent Reflection 是 Agent 在生成输出后，主动对自身输出进行批判、评估和修订的能力。它把“一次性生成”变成“迭代优化”，帮助 Agent 在代码生成、内容创作、规划决策等复杂任务中持续逼近正确解。

Q2：Reflection 和普通的“多轮对话”有什么区别？

多轮对话通常是与用户交替进行，用户给出下一轮输入；Reflection 是 Agent 内部的自我纠错循环，不依赖用户反馈，由 Generator、Critic、Evaluator 自动完成。

Q3：Reflection 的核心步骤有哪些？

典型的 Reflection Loop 包括：

1. Generate：生成 draft。
2. Critique：检查 draft 的问题。
3. Evaluate：把 critique 量化为 score/verdict。
4. Revise：根据反馈修订 draft。
5. Terminate：达到质量标准或触发兜底策略时终止。

Q4：为什么要限制最大迭代次数？

防止无限循环。Generator 和 Critic 可能陷入“反复修改同一问题”或“越改越差”的死循环，max_iter 是硬性护栏。

Q5：什么是 Critic？它有什么用？

Critic 是 Reflection 系统中负责检查 draft 的模块。它根据预定义的 criteria 输出问题列表或 LGTM，帮助 Generator 发现自身遗漏或错误。

中级

Q6：Reflection 和 ReAct 有什么关系？

ReAct 是“思考—行动—观察”的循环，强调与外部环境（工具、API）交互；Reflection 是“生成—批判—修订”的循环，强调对内部输出的自我纠错。两者可以结合：ReAct 负责执行，Reflection 负责在执行或生成后检查和修正。

Q7：如何避免 Critic 过严或过松？

• 过严：收紧 criteria、降低 Critic 温度、要求 Critic 区分 major/minor 问题。
• 过松：增加外部验证工具、细化 criteria、引入多 Critic 投票或人工审核。
• 还可以通过人工标注数据集校准 Critic 输出。

Q8：Reflection 如何与 Memory 集成？

Reflection 产生的 draft、critique、score、最终答案可以写入 Memory：

• 短期：保存在 Workspace 中供当前 loop 使用。
• 长期：作为 episode 写入，支持后续相似任务的检索与复用。
• 策略层：统计 critique 类型，优化 Critic prompt 和训练数据。

Q9：如何设计一个好的 Evaluator？

好的 Evaluator 应该：

• 基于明确的 rubric 打分。
• 输出可比较的标量 score 和离散 verdict。
• 与人工打分高度一致（通过人工标注校准）。
• 支持多维评分，避免单一维度主导。

Q10：生产环境什么时候不建议开启 Reflection？

• 延迟敏感型任务（实时对话、流式首句）。
• 创意发散任务，过度反思会降低多样性。
• 评估标准模糊、人工都难以判断的任务。
• 单轮 LLM 已经表现足够好、反思收益有限的任务。

高级

Q11：如何设计一个可扩展的 Reflection 框架？

一个可扩展的 Reflection 框架应包含：

• 可插拔的 Generator / Critic / Evaluator：支持不同模型和策略。
• Policy 引擎：按任务类型动态选择 criteria 和阈值。
• Workspace：统一的中间产物存储，支持读写隔离与历史版本。
• Revision Controller：编排循环、管理终止条件、处理异常与人工升级。
• Observer：记录 trace、metrics、事件，便于调试与监控。
• Memory 接口：把反思结果写入长期记忆。

Q12：Reflection 在多 Agent 系统中如何应用？

群体反思（Group Reflection）中，不同 Agent 扮演不同角色：

• Generator：负责生成 draft。
• Critic(s)：多个 Agent 从不同角度批判。
• Evaluator / Aggregator：汇总评分，决定是否通过。
• Revision Controller：协调修订过程。

Multi-Agent 提供通信与协调机制，Reflection 提供“批判—修订”的语义。

Q13：如何处理“越改越差”的问题？

• 保留历史最佳版本，最终未通过时返回最佳尝试。
• 引入收敛检测，score 连续下降或波动时终止。
• 要求 Generator 逐条回应 critique，避免偏离原意。
• 人工介入高风险修改。

Q14：外部工具在 Reflection 中扮演什么角色？

外部工具提供客观反馈，弥补 LLM 自评的不足。典型工具：

• 编译器、单元测试、类型检查器（代码生成）。
• 检索、数据库、知识图谱（事实校验）。
• 规则引擎、敏感词检测（合规检查）。

外部验证结果可以作为 Critic 输入或直接作为 Evaluator 的维度。

Q15：OpenAI o1 / reasoning models 与显式 Reflection 框架有什么异同？

相同点：都通过“思考—反思—修正”提升复杂任务表现。

不同点：

• o1 的反思过程发生在模型内部，通过训练习得，对外不可见、不可控。
• 显式 Reflection 框架把 Generator、Critic、Evaluator 拆分为独立模块，便于定制、监控、干预和审计。

实际系统中可以结合：用 o1 作为 Generator 或 Critic，同时在更高层用显式框架做策略控制和人工兜底。

本章小结

Reflection 面试题从概念到架构、从模块设计到生产实践层层递进。回答时抓住三个核心：

1. 闭环：generate → critique → evaluate → revise → terminate。
2. 边界：与 ReAct、Memory、Multi-Agent、Planning 的区别与协作。
3. 落地：Critic 设计、评分校准、终止条件、人工兜底、与 Memory/Runtime 集成。

参考来源

• Self-Refine: Iterative Refinement with Self-Feedback
• Reflexion: Self-Reflective Agents
• CRITIC: Large Language Models Can Self-Correct with Tool-Interactive Critiquing
• Tree of Thoughts: Deliberate Problem Solving with Large Language Models
• LangGraph Reflection Tutorial
• AutoGen Reflection
• OpenAI o1 / Reasoning Models