切换深色模式
规划与反思：如何让循环产生进展
对应 CS329Z · 2026-10-12 · Agent Design Patterns & Scaffolds。日期为校方课表日期，可能调整。核对官方课表。
资料状态
核对日期：2026-09-19。对应课程尚未开课；本文是基于公开课纲与文中原始资料的原创预习技术解读，不是课堂实录、讲义翻译或官方作业答案。本文于 2026-09-20 深度修订。示例为原创教学设计；离线实验与真实模型实验的边界分别说明，不以推演冒充模型实测。
有了可恢复的运行系统，研究助手仍可能毫无进展地工作：反复搜索“方案 A 重启”，读到相同资料，再把答案重写一遍。运行正确只说明动作按照规则发生，策略有效还需要解释每一步为什么值得执行。
本讲把规划、行动与反思统一到一个问题：这一步会消除哪个具体的不确定性？
从待办清单变成信息依赖图
“搜索、分析、总结”无法指导下一步。对本项目，更有用的计划是：确认版本；核实接收成功的承诺点；核实恢复后的重投行为；核实业务去重；最后比较。
其中有依赖：没有确定版本，就不能判断旧文档是否适用；没有知道重投行为，就难以解释业务去重的重要性。计划因此不是固定顺序的愿望列表，而是待证实命题及其依赖关系。
每项保存完成判据。例如“核实业务去重”的产物是处理端设计或明确的资料缺口，不能以“搜索过一次”标记完成。
动态循环要由观察推动
ReAct 论文将模型推理与环境动作交替组织。本文只借鉴行动根据外部反馈调整的机制；运行日志记录动作意图、结果与状态变化，无需保存模型私有思维过程。
text
缺口：A 的数据库模式如何处理重复任务
动作：读取部署说明
观察：说明引用了处理端的 idempotency_key 规范
更新：已定位依赖；下一步读取该规范第二次读取的价值来自第一份文档提供的新信息。若观察没有变化，继续原查询就需要额外理由，例如数据源更新或前次超时。否则只是循环次数增长。
反思应当提供反证，而不是要求“再想想”
候选答案写“A 可以恢复，所以不会重复”。让同一模型复读这句话，可能只得到更长的解释。有效检查应该拿出事件顺序：业务完成后、完成标记前崩溃，恢复是否重投？
这个反例直接攻击推断中的缺口。检查器应返回“恢复机制不充分证明不重复，需要处理端幂等证据”，把反思结果转回一个可执行的证据需求。
因此评审角色应拥有独立判据：固定问题、原始证据、程序测试或约束。只换一个人格提示并不产生独立信息。
用状态变化区分进展与表面动作
令未解决的关键问题集合为 U。最简单的进展信号是 U 缩小，但调查也可能发现新的重要问题，使 U 暂时增大。所以不能把“缺口数量增加”一律判为退步。
可以同时记录三类变化：新增有效证据、已有冲突被澄清、发现影响结论的新条件。只有文本变长、查询改了同义词而这三类都没有变化时，才视为低信息增益的一轮。
例如读取 D2 后发现必须检查业务去重，U 从一个问题变成两个，却纠正了错误的完成标准。这是有价值的进展。相反，连续三次把“恢复”解释成“可靠”，没有新增事实，应触发策略调整。
这个规则不是通用的自动信息价值估计，而是为当前任务建立可观察代理。代理本身也可能被投机，因此最终仍以受支持结论和任务条件验收。
什么时候值得继续调查
继续调用有成本。可用一个教学决策式思考：额外调查的预期收益约为“当前结论错误的概率 × 新信息能修正错误的概率 × 错误代价”，然后与调用成本比较。
真实系统往往无法可靠估计这些概率，因此不要让模型随意报几个数就执行。可以使用可检查的替代条件：关键约束是否缺证据、是否存在可访问的新来源、是否仍在预算内。
对于“不重复扣款”这样的关键条件，缺证据应阻止肯定结论；对于报告中的次要背景，可以注明未核实而不继续搜索。区别来自任务验收标准，而不是模型主观觉得哪段更有趣。
停止策略要区分成功、阻塞与耗尽
证据满足时成功结束；必要信息只能由用户提供时请求澄清；没有可行调查路径时报告缺口；预算耗尽时保存部分产物。四种终止原因对后续恢复有不同含义。
可以记录每轮新增证据 ID 和已解决缺口。连续两轮没有新信息，并不必然要求立即停机，但应触发策略检查：查询是否重复、工具是否错误、任务是否无法用现有资料回答。这个阈值是教学选择，需要针对任务调整。
固定工作流仍然是必要基线
对相同四份资料，比较固定读取流程、动态补查、动态补查加反例核验。给三者相同总预算。若动态系统改善了多跳问题，却在简单问题上多花三次调用，适合按任务分流，不必全部替换。
验收要观察新增受支持主张、错误主张和成本。答案更长、角色更多、思考轮数更多，都不是改进证据。
本讲使循环有了进展定义。下一讲保存这种进展，并处理跨轮、跨会话的过期与纠错。继续阅读记忆系统。