Reflexion

Reflexion은 에이전트가 실행 결과를 스스로 비평(self-critique) 하고, 그 비평을 다음 시도의 컨텍스트로 넣어 성능을 개선하는 패턴이다.
2023년 Shinn et al. 논문에서 제안. 핵심: 언어로 된 자기 피드백을 일종의 강화학습 신호처럼 활용.

구조

Mermaid스크롤로 확대 · 드래그로 이동

의사 구현

Python

장점

같은 작업을 반복할 때 빠르게 학습.
모델 파라미터를 건드리지 않고도 행동이 개선됨 (in-context learning).

한계

자기 평가가 부정확하면 잘못된 교훈을 학습.
시도마다 비용·시간이 누적.

구조

Mermaid스크롤로 확대 · 드래그로 이동

의사 구현

Python
def reflexion_loop(task: str, max_trials: int = 3):
    memory = []
    for trial in range(max_trials):
        # 1) 시도
        trajectory = actor.run(task, hints=memory)

        # 2) 평가
        score = evaluator.judge(task, trajectory)
        if score.is_success:
            return trajectory.final_answer

        # 3) 자기 비평 — 자연어 회고
        reflection = llm.invoke(
            f"이전 시도가 실패했다.\n경로: {trajectory}\n실패 원인을 짧게 분석하고 다음 시도에 적용할 교훈을 적어라"
        )
        memory.append(reflection)
    raise RuntimeError("모든 시도 실패")

장점

같은 작업을 반복할 때 빠르게 학습.
모델 파라미터를 건드리지 않고도 행동이 개선됨 (in-context learning).

한계

자기 평가가 부정확하면 잘못된 교훈을 학습.
시도마다 비용·시간이 누적.

구조

의사 구현

장점

한계

관련 패턴

Synapse Map Insight

Reflexion

구조

의사 구현

장점

한계

관련 패턴

Synapse Map Insight