Reflexion 与思维链推理方式有何不同？

1. 推理范式的本质差异

Chain-of-Thought 是一种单次通过的推理增强技术，通过在答案之前显式生成逐步推理过程来提升单次输出的质量。它相当于给模型一个"先想清楚再回答"的提示，但整个推理链条是线性的、不可回溯的——一旦某一步推理出错，错误会沿着链条向下游传播且无法修正。

Reflexion 则是一种跨多次尝试的学习机制，它不关注单次推理的内部结构，而是关注如何在失败后利用反馈改进下一次尝试的整体策略。它将"犯错"转化为"学习信号"，通过迭代逼近正确答案。

2. 时间与资源维度对比

• CoT：单次推理，Token 开销约为基线的 1.5 至 2 倍，延迟增加有限
• Reflexion：多次迭代，Token 开销约为基线的 3 至 9 倍（取决于迭代次数），延迟成倍增长

CoT 追求的是"一次做对"，适合有明确推理路径的问题；Reflexion 追求的是"越做越好"，适合可通过迭代优化的复杂任务。

3. 互补而非替代

两者并非互斥关系，而是可以在不同层次上协同工作。在实际应用中，最常见的模式是在 Reflexion 的每次 Actor 尝试内部使用 CoT 进行逐步推理，同时在外层通过反思机制实现跨尝试的学习。这种组合既保证了单步推理的质量，又具备了从失败中积累经验的能力。