Reflexion 框架的核心工作原理是什么？

1. 三元组件架构

Reflexion 框架由三个核心模块构成：

• Actor（执行者）：基于当前任务和累积的反思记忆生成行为轨迹，通常采用 ReAct 风格的推理-行动循环，调用工具并与环境交互
• Evaluator（评估者）：对 Actor 的输出进行评分，可以是二值信号（通过/失败）、启发式规则或另一个大语言模型的评判
• Self-Reflection Model（自反思模型）：根据评估结果和失败轨迹，生成自然语言的错误分析和改进建议

2. 迭代学习循环

Reflexion 的工作流程遵循以下循环：

• Actor 执行任务并产生完整的行为轨迹
• Evaluator 对该轨迹进行评分，判断成功或失败
• 若失败，Self-Reflection Model 分析失败原因并生成反思文本
• 反思文本被存入情景记忆缓冲区
• Actor 在下一轮尝试中读取累积的反思记忆，调整策略后重新执行

这一循环持续进行，直到任务成功或达到最大尝试次数。整个过程中模型权重保持冻结，所有"学习"都发生在上下文窗口内。