Agent Self-Correction - AI智能体自我修正模式指南

什么是Agent Self-Correction

凌晨4点17分，你的Agent执行了一个任务。结果不对。然后它停下来，看了看自己的输出，意识到问题所在，自动修正并重新执行——这就是Self-Correction（自我修正）。

Self-Correction是Agent在执行过程中或执行后，通过自我评估发现问题并主动修正的能力。它包含三个核心要素：

• 错误检测：识别输出或行为中的问题
• 原因分析：理解为什么出错了
• 修正执行：采取正确行动解决问题

自我修正循环模型

    ┌───────────┐
    │   Plan    │
    └───┬───────┘
        │
        ▼
┌───────────┐
│  Execute  │──────► Output
└───┬───────┘            │
        │                ▼
        │         ┌───────────┐
        │         │  Evaluate │
        │         └─────┬─────┘
        │               │
        │               ▼
        │         ┌───────────┐
        │         │  Reflect  │
        │         └─────┬─────┘
        │               │
        │    Error?     ▼
        │         ┌───────────┐
        │◄────────│  Correct  │
        │         └───────────┘
        │               │
        ▼               │
┌───────────┐          │
│  Replan   │◄─────────┘
└───────────┘

修正模式详解

1. Reflection模式（反思修正）

Agent在完成任务后，主动反思输出的质量和正确性：

// OpenClaw Reflection工作流
const reflectionWorkflow = async (task) => {
  // 第一轮执行
  const result = await agent.execute(task);
  
  // 自我评估
  const critique = await agent.evaluate({
    task: task,
    output: result,
    criteria: [
      "是否符合用户需求",
      "是否有逻辑错误",
      "是否遗漏关键信息",
      "格式是否正确"
    ]
  });
  
  // 如果有问题，修正
  if (critique.hasIssues) {
    const improvedResult = await agent.execute({
      task: task,
      previousOutput: result,
      critique: critique,
      instruction: "根据上述反馈改进输出"
    });
    return improvedResult;
  }
  
  return result;
};

2. Retry模式（重试修正）

遇到执行失败时，自动重试并调整策略：

// OpenClaw Retry模式
const retryWithAdaptation = async (task, maxRetries = 3) => {
  let attempts = [];
  
  for (let i = 0; i < maxRetries; i++) {
    try {
      const result = await agent.execute({
        task: task,
        previousAttempts: attempts,  // 让Agent知道之前怎么失败的
        strategy: i === 0 ? "default" : "adapted"
      });
      
      return { success: true, result, attempts };
    } catch (error) {
      attempts.push({
        attempt: i + 1,
        error: error.message,
        strategy: i === 0 ? "default" : "adapted"
      });
      
      // 分析失败原因，调整策略
      if (i < maxRetries - 1) {
        await agent.analyzeFailure({
          attempts: attempts,
          task: task
        });
      }
    }
  }
  
  return { success: false, attempts };
};

3. Verification模式（验证修正）

通过外部验证来触发修正：

// OpenClaw Verification模式
const verifiedExecution = async (task) => {
  const result = await agent.execute(task);
  
  // 外部验证（可以是另一个Agent或真实检验）
  const verification = await verify({
    output: result,
    type: "external_check",
    validator: "code_compiler"  // 如果是代码任务，实际编译测试
  });
  
  if (!verification.passed) {
    // 基于验证结果修正
    const correction = await agent.execute({
      task: task,
      previousOutput: result,
      verificationErrors: verification.errors,
      instruction: "修复验证发现的错误"
    });
    
    // 再次验证
    return verifiedExecution({ task, previous: correction });
  }
  
  return result;
};

4. Feedback模式（反馈修正）

结合用户反馈进行修正：

# OpenClaw Feedback工作流
name: feedback_correction
description: 基于用户反馈的迭代修正

workflow:
  - step: initial_execution
    action: execute
    input: "${task}"
    
  - step: present_output
    action: notify
    channel: feishu
    content: "${$[0]}"
    ask_feedback: true
    
  - step: collect_feedback
    action: wait_for_response
    timeout: 60m
    
  - step: apply_feedback
    condition: "${feedback_received}"
    action: execute
    input: 
      task: "${task}"
      previous: "${$[0]}"
      feedback: "${$[2]}"
      instruction: "根据用户反馈改进"
      
  - step: final_output
    action: notify
    content: "${$[3]}"

OpenClaw自愈Agent设计

内置修正机制

# SKILL.md - 自愈Agent配置
name: self_healing_agent
correction:
  # 自动错误检测
  auto_detect:
    - invalid_output_format
    - missing_required_fields
    - logical_inconsistency
    - timeout_failure
    
  # 修正策略
  strategies:
    - name: reflection
      trigger: "output_received"
      max_iterations: 2
      
    - name: retry
      trigger: "execution_error"
      max_retries: 3
      backoff: exponential
      
    - name: fallback
      trigger: "all_retries_failed"
      action: "use_simplified_approach"
      
  # 验证集成
  validation:
    - type: schema_check
      enabled: true
    - type: external_tool
      enabled: true
      tool: code_linter

最佳实践

1. 修正成本控制

2. 错误分类优先级

错误类型        优先级    修正策略
────────────────────────────────────────────
格式错误        P1        自动格式化
逻辑错误        P2        Reflection修正
工具失败        P3        Retry + 超时调整
理解偏差        P4        用户反馈修正
性能问题        P5        简化方案降级

3. 防止无限循环

// 必须设置的终止条件
maxIterations: 3
maxTime: 30m
qualityThreshold: 0.8
convergenceCheck: "output_stable"

相关资源