从简单模型到可靠系统：利用 LangGraph 构建 Reflexion 架构智能体

作者
  • avatar
    姓名
    Nino
    职业
    Senior Tech Editor

一个无法反思自己错误的 LLM 称不上是智能体，它充其量只是一个“加强版的自动补全工具”。你可能已经遇到过这种情况：你给大语言模型 (LLM) 布置了一个复杂的任务——撰写研究报告、调试多文件代码库或制定多步策略——它自信满满地给出了一个听起来很正确，但实际上存在细微甚至灾难性错误的结果。它没有暂停、自我质疑或尝试更好策略的机制。为了解决这一痛点，开发者需要像 n1n.ai 这样稳定且高速的 API 聚合平台，为智能体的迭代循环提供坚实的基础设施。

本文旨在弥合简单提示词与可靠系统之间的鸿沟。我们将探讨如何结合 Reflexion（一种让 AI 智能体自我批判并重试的技术）和 LangGraph（一个用于构建有状态、基于图的智能体工作流的框架）来构建生产级的 AI 系统。

原始 LLM 的局限性：为什么它们会失败？

无论是 OpenAI o3、Claude 3.5 Sonnet 还是 DeepSeek-V3，大模型本质上都是极其强大的模式补全器。它们通过单向的前向传播生成 Token。这种架构存在天然的局限性：

  1. 幻觉 (Hallucination)：模型会编造看似权威但完全虚假的事实或引用。
  2. 过早收敛 (Premature Convergence)：模型往往“安于”第一个合理的答案，而不去探索是否存在更优解。
  3. 规模化的上下文盲区：随着任务跨度的增加，模型会丢失早期的约束条件，导致逻辑矛盾。
  4. 无声失败 (Silent Failure)：错误的输出与正确的输出在形式上没有区别，系统不会抛出异常，而是“成功”地返回了一个错误答案。

在 n1n.ai 的高并发场景下，这些问题如果得不到解决，将直接影响企业级应用的可用性。这不仅是 Prompt Engineering 的失败，更是系统架构的失败。

Reflexion 框架：语言强化学习的艺术

Reflexion 是由东北大学的 Shinn 等人在 2023 年提出的一种框架。其核心思想非常简洁：不通过微调（Fine-tuning）来改进模型，而是通过自然语言进行自我反思、存储记忆并重试。

该架构包含三个核心组件：

  • 执行者 (Actor)：负责实际任务的 LLM。它根据当前任务描述和历史记忆生成输出。
  • 评估者 (Evaluator/Critic)：评分函数，用于判断输出的质量。这可以是另一个 LLM 调用，也可以是确定性的代码逻辑（如单元测试或 Linter）。
  • 反思者 (Reflector)：读取执行者的输出和评估者的反馈，生成一段自然语言形式的自我批判。这段批判会被存入“情节记忆”中，注入到下一次的执行提示词里。

这种“语言化反思”之所以有效，是因为 LLM 往往擅长“谈论”自己的错误，即使它们在第一时间犯了错。通过 n1n.ai 调用高性能模型，这种反思循环可以将复杂推理任务的准确率从 30% 提升至 60% 以上。

LangGraph：智能体的骨架

在构建 Reflexion 架构时，传统的线性链（Chains）已不再适用。LangGraph 允许我们将工作流定义为有向图，其中节点是函数，边是跳转逻辑。它的优势在于：

  • 显式状态管理：智能体的“工作记忆”被封装在一个名为 State 的 Python 对象中，每一步的尝试和反思都清晰可查。
  • 条件分支 (Conditional Edges)：可以根据评估分数决定下一步是结束流程（END）还是跳转到 reflect_node。
  • 持久化能力：支持 Checkpointing，这意味着长时间运行的任务可以被暂停、调试或交给人工介入。

实战指南：构建 Reflexion 智能体

1. 定义状态 (State)

我们需要记录任务描述、尝试历史、反思历史以及迭代次数。

from typing import Annotated, List, TypedDict

class ReflexionState(TypedDict):
    task: str
    attempts: List[str]
    reflections: List[str]
    scores: List[float]
    iteration: int
    max_iterations: int

2. 执行者节点 (Actor Node)

执行者需要读取所有的历史失败教训。通过 n1n.ai 接入 Claude 3.5 Sonnet 这种长上下文模型，可以更好地消化多轮反思建议。

def actor_node(state: ReflexionState):
    # 提取历史记忆
    memory = ""
    for i, (att, ref) in enumerate(zip(state['attempts'], state['reflections'])):
        memory += f"\n第 {i+1} 次尝试: {att}\n自我批判: {ref}"

    prompt = f"任务: {state['task']}\n{memory}\n请吸取教训，给出更好的回答："
    # 通过 n1n.ai 调用模型
    response = model.invoke(prompt)
    return {
        **state,
        "attempts": state["attempts"] + [response.content],
        "iteration": state["iteration"] + 1
    }

3. 评估者逻辑

评估者的质量决定了系统的上限。对于代码任务，建议使用确定性的单元测试；对于文案任务，则可以使用基于评分标准的 LLM-as-judge。

4. 条件路由 (Router)

这是 Reflexion 的核心逻辑：如果分数达标或达到最大迭代次数，则停止；否则，进入反思环节。

def should_continue(state: ReflexionState):
    if state["scores"][-1] >= 0.9 or state["iteration"] >= state["max_iterations"]:
        return "__end__"
    return "reflect"

专家建议：如何规避常见坑点？

  1. 防止“反思中毒” (Reflection Poisoning)：如果评估者本身有偏差，错误的反馈会误导执行者。务必对评估者的提示词进行严格测试。
  2. 上下文窗口溢出：随着迭代增加，提示词会越来越长。建议在第 3 轮迭代后对旧的反思进行总结压缩。
  3. 异构模型策略：为了节省成本，你可以通过 n1n.ai 使用 OpenAI o3 作为执行者（处理高难度逻辑），而使用更便宜的 DeepSeek-V3 作为反思者和评估者。

结论

从简单的 LLM 调用转向可靠的 AI 系统，关键在于从“单次生成”转变为“迭代优化”。Reflexion 提供了认知循环，而 LangGraph 提供了执行基础设施。结合 n1n.ai 提供的多模型聚合能力，开发者可以轻松构建出能够自我纠错、适应复杂业务逻辑的生产级智能体。

立即在 n1n.ai 获取免费 API 密钥。

参考来源：https://dev.to/im-shafiqurehman/from-simple-llms-to-reliable-ai-systems-building-reflexion-based-agents-with-langgraph-1a5n