M2 · Reflection 反思模式

本模块视频

DeepLearning.AI · Agentic AI（吴恩达） Module 2: Reflection Design Pattern。目前整理了你截图问过的三张幻灯片：

幻灯片	看完应该能回答
What about subjective tasks?	图表 V1 → 检查 → V2，怎样判断 V2 真的更好？
Grading with a rubric gives more consistent results	主观任务为什么要用 Rubric 逐条打分？
Other examples of tools to help reflection	外部工具怎样给反思提供新信息？

完整的视频列表还没有导入。截一张 Module 2 的目录发给我，就能补成和 Module 1 一样的表。

Reflection：模型检查一遍输出，再改进它。 检查的可以是同一个模型，也可以是另一个模型；可以是文字，也可以是代码运行后的结果。
把执行结果交回给模型。 图表例子里，模型写出 V1 代码，程序运行得到 plot.png；再把代码和图片一起交给模型检查，它发现堆叠柱状图不方便比较两年的变化，于是写出 V2，改成分组柱状图。
主观任务用 Rubric 评分。 “哪张图更好”没有唯一答案。把“好”拆成几条能判断对错的标准（有清晰的标题、有坐标轴标签、图表类型合适、坐标范围合适……），让模型逐条打 1 或 0，结果比直接比较或打 1–10 分更一致。
用一组输入证明反思有用。 同一组用户请求，分别跑“不反思”和“反思”两个版本，比较 Rubric 总分。每次修改反思提示词，都用这组输入重跑一次。
外部反馈让反思更有效。 提到竞争对手，用代码匹配名字；核实事实，用网络搜索；超过字数，用工具算字数。工具给了模型原本没有的新信息，模型据此修改。

由 Claude 根据你截图里的三张幻灯片（2026-10-31）和课程 Module 2 整理。

只靠自己再读一遍，效果有限。 模型看不到新信息，容易把同一个错误再确认一遍；有外部反馈时，反思的效果明显更好。
Rubric 的每一条都要能判断对错。 “图表美观”很难判断，“有坐标轴标签”很容易。标准写得越具体，多次评分越一致。
一个好例子证明不了什么。 要在一组输入上比较两个版本，看总分。
Reflection 不是 Eval。 Reflection 在运行时改进这一次的输出；Eval 在开发时衡量整个系统，用来判断 Reflection 值不值得加、提示词改得好不好。两者都可能用到 Rubric。

由 Claude 根据上述材料整理；第 4 条是为了区分两个容易混在一起的概念。

图表生成的完整过程（示意）：

先猜一下，再看参考答案。下面每个问题，最适合用哪种反馈？

和四周实践的对应：用 Rubric 比较两个版本，就是 Week 4 · Evaluation 与 Debugging 里“用同一组 eval 重新跑”的做法。

学完了？去复习记下卡住的地方，或者直接做测验。