《Harness工程》2.3读书心得公开课教案教学设计资料.docxVIP

《Harness工程》2.3读书心得

第2章第2.3节“反思模式”向我揭示了让AI真正可靠落地的关键——不是一次性的“聪明回答”，而是一个持续自我审视与迭代的过程。作者提出“执行器-评判器”双模型架构：执行器负责生成初步方案，评判器则对结果进行评估、打分或提出改进建议，二者通过语言反馈形成闭环，使Agent在没有外部奖励信号的情况下也能不断优化自身输出。

阅读过程中，我联想到大模型在长周期任务中常见的“幻觉”和“偏航”问题。引入反思后，AI不仅给出答案，还会验证答案并在必要时重试，这无疑降低了错误率，提升了可信度。书中将反思模式与意图识别、计划模式、CodeAct模式并列，视为上下文工程的四大支柱之一，进一步说明了它在复杂人机协作中的战略地位。

对比前一节“计划模式”，我意识到计划解决的是“往哪儿去、分几步”，而反思解决的是“走偏了吗、如何修正”。两者结合，构成了完整的感知-计划-执行-反思四层闭环，使Agent既有方向感又有自我修正能力。

实际工程中，我打算为团队的对话流程增加轻量级“反思层”：让AI自动生成思考日志并给出置信度评分，再由人工或自动化脚本进行校验。这样既能积累可追溯的决策过程，也能逐步提升模型输出的稳定性和用户满意度。

总而言之，反思模式让我看到AI工程化落地的另一条重要路径：模型越大并不足以保证可靠，唯有构建健全的自我改进机制，才能让智能真正可持续、可验证、可信