Reflection

Reflection

연결된 노트와 함께 읽기

Reflection = 에이전트가 자신이 만든 출력이나 행동을 스스로 비평하고 개선하는 절차. "한 번 더 검토" 단계를 LLM에 위임하는 것.
같은 LLM이 검토자가 될 수도 있고, 다른(보통 더 강한) LLM이 검토자가 될 수도 있다.

가장 단순한 구조


Generate → Critique → Revise → (선택) 반복

Python

LangGraph 반복 패턴

Python

효과적인 시나리오

코드 생성 — 코드가 컴파일·테스트 통과할 때까지 반복.
글쓰기 — 톤, 길이, 일관성 검토.
수학·논리 — 추론 단계 검증.

효과가 거의 없는 시나리오

사실관계가 외부 데이터에 있는 경우 → 검증 LLM도 같은 환각을 공유. 이땐 도구로 사실 확인이 필요.
도메인 지식이 부족한 영역 → 검토가 형식적인 칭찬으로 끝남.

Reflection vs Reflexion

Reflection은 단일 작업 안에서의 자기 검토.
Reflexion은 여러 시도에 걸친 자기 피드백을 메모리로 누적 — 강화학습 신호처럼 다음 시도를 개선.

가장 단순한 구조


Generate → Critique → Revise → (선택) 반복

Python
def reflect_once(task: str) -> str:
    draft = llm.invoke(f"작업: {task}\n초안을 작성해라")
    critique = llm.invoke(f"초안: {draft}\n이 답변의 결함을 비판해라")
    revised = llm.invoke(f"초안: {draft}\n비평: {critique}\n반영해 개선해라")
    return revised

LangGraph 반복 패턴

Python
def generator(state):
    return {"draft": llm.invoke(state["task"])}

def critic(state):
    return {"critique": llm.invoke(f"비평: {state['draft']}")}

def is_good(state):
    return END if "OK" in state["critique"] else "generator"

graph.add_node("generator", generator)
graph.add_node("critic", critic)
graph.add_edge("generator", "critic")
graph.add_conditional_edges("critic", is_good, {"generator": "generator", END: END})

효과적인 시나리오

코드 생성 — 코드가 컴파일·테스트 통과할 때까지 반복.
글쓰기 — 톤, 길이, 일관성 검토.
수학·논리 — 추론 단계 검증.

효과가 거의 없는 시나리오

사실관계가 외부 데이터에 있는 경우 → 검증 LLM도 같은 환각을 공유. 이땐 도구로 사실 확인이 필요.
도메인 지식이 부족한 영역 → 검토가 형식적인 칭찬으로 끝남.

Reflection vs Reflexion

Reflection은 단일 작업 안에서의 자기 검토.
Reflexion은 여러 시도에 걸친 자기 피드백을 메모리로 누적 — 강화학습 신호처럼 다음 시도를 개선.

가장 단순한 구조

LangGraph 반복 패턴

효과적인 시나리오

효과가 거의 없는 시나리오

Reflection vs Reflexion

관련

Synapse Map Insight

Reflection

가장 단순한 구조

LangGraph 반복 패턴

효과적인 시나리오

효과가 거의 없는 시나리오

Reflection vs Reflexion

관련

Synapse Map Insight