C3 · Réflexion
Famille : Agent unique
L’agent critique sa propre sortie, ou tire une leçon d’un échec, puis réessaie.
Principe
L’agent relit sa sortie, la critique et la réécrit (Self-Refine). Dans la variante Reflexion, après un échec signalé par l’environnement, il rédige une leçon qu’il garde en mémoire avant de réessayer. Le pattern ne vaut que s’il existe un signal d’échec fiable.
Le problème qu'il résout
Une première tentative est souvent perfectible, mais sans retour on ne sait pas quoi corriger.
Quand l'utiliser
- Un signal d’échec fiable existe : tests, compilation, validation de schéma.
- On veut un gain rapide à mettre en œuvre avant d’envisager une architecture plus lourde.
Quand l'éviter
- Aucun signal externe n’est disponible : l’auto-critique peut renforcer une erreur. Préférer un évaluateur séparé et outillé (B5).
- Une simple relance donnerait un résultat voisin pour moins cher : comparer d’abord à l’échantillonnage et au vote (B4).
Synonymes par éditeur
- Reflection (A. Ng, A. Gulli (ch. 4))
- Self-Refine (Madaan et al. (NeurIPS 2023))
- Reflexion (Shinn et al. (NeurIPS 2023))
- Self-reflection (CSIRO Data61)
Patterns voisins
Sources
- Reflexion: Language Agents with Verbal Reinforcement Learning — N. Shinn et al. (NeurIPS 2023), 2023
- Self-Refine: Iterative Refinement with Self-Feedback — A. Madaan et al. (NeurIPS 2023), 2023
- AI Agents That Matter — S. Kapoor, B. Stroebl, Z. Siegel, N. Nadgir, A. Narayanan (Princeton), 2024
- Agentic Design Patterns, part 2: Reflection — DeepLearning.AI, The Batch (A. Ng), 2024-03-27
Contenu relu le 2026-10-02