本文介绍如何设计能可靠自我纠正的AI代理，关键在于将反馈循环基于外部验证而非模型自身判断。通过构建代码生成代理示例，展示使用真实测试验证器、有限重试循环和结构化升级路径。还添加基于一致性的置信门控，生成独立第二方案确认正确性。强调自我纠正仅在外部信号存在时有效，并需设置重试上限和记录失败轨迹。

AI智能体的生成能力迅速提升，但验证能力未能跟上，导致“生成-验证差距”。这一差距使得模型在自我修正时无法识别错误，甚至可能放大错误信念，影响系统的可靠性。为解决此问题，建议引入外部验证机制和多样性验证，并限制自我修正的轮数，以提升模型的输出质量和安全性。