Agent Framework 自我改进模式 构建 Agent 自优化闭环
💡
原文中文，约11100字，阅读约需27分钟。
📝
内容提要
本文介绍了Writer-Critic工作流模式，旨在提高大型语言模型（LLM）生成内容的质量。该模式将生成与评审分开，Writer负责生成初稿，Critic负责评审并提供反馈。通过“生成—评审—修订”的闭环，系统在多轮迭代中逐步提升内容质量，确保生成内容的可控性和质量。
🎯
关键要点
-
在许多 LLM 应用中，单次生成难以稳定满足质量要求，可能遗漏约束或表达不清晰。
-
Writer-Critic 工作流模式将生成与评审分开，Writer 负责生成初稿，Critic 负责评审并提供反馈。
-
通过“生成—评审—修订”的闭环，系统在多轮迭代中逐步提升内容质量。
-
Critic Agent 负责审查 Writer 生成的内容，并返回结构化决策，包括是否通过评审和具体反馈。
-
Summary Agent 在内容通过评审后，负责输出最终版本。
-
工作流通过状态控制记录迭代次数，避免无限循环，并确保内容质量逐步提升。
❓
延伸问答
Writer-Critic工作流模式的主要目的是什么？
主要目的是提高大型语言模型生成内容的质量，通过将生成与评审分开，形成一个闭环的反馈机制。
在Writer-Critic工作流中，Writer和Critic各自的角色是什么？
Writer负责生成初稿，Critic负责评审并提供反馈。
如何确保Writer-Critic工作流中的内容质量逐步提升？
通过“生成—评审—修订”的闭环，系统在多轮迭代中逐步提升内容质量。
Critic Agent是如何评审Writer生成的内容的？
Critic Agent审查内容并返回结构化决策，包括是否通过评审和具体反馈。
如果Critic不通过内容，接下来会发生什么？
Critic会返回具体反馈，Writer根据反馈对内容进行修订，然后再次进入评审流程。
Summary Agent在工作流中扮演什么角色？
Summary Agent负责输出最终版本的内容，仅在内容通过评审后进行呈现。
➡️
