Reflexion

Суть в двух словах

Reflexion особенно уместен, когда:

• задача допускает несколько попыток;
• есть внешний сигнал успеха или провала;
• ошибки повторяются;
• агент ведёт trace и память.

Типичные сценарии:

• coding agents;
• browser-use agents;
• long-running workflows;
• research agents;
• автономные retry loops.

Reflexion полезен не там, где нужен "ещё один ответ", а там, где система должна накапливать operational lessons между эпизодами.

Чем Reflexion отличается от Self-Refine

Главный сдвиг здесь в том, что Reflexion работает не только внутри одного ответа, а между эпизодами. Это уже не просто редактура, а простая форма обучения на ошибках.

Поэтому Reflexion особенно релевантен агентам, а не обычным статeless chat-ответам. Там, где есть несколько ходов, инструменты и retries, verbal feedback становится реальным механизмом накопления опыта.

Из чего состоит хороший Reflexion-loop

Важно, что feedback не обязательно должен быть "сложным". Даже простые сигналы вроде:

• тест упал;
• tool call вернул 403;
• в браузере кнопка неактивна;
• evaluator score ниже порога;

уже достаточны, чтобы запустить полезную рефлексию.

Почему техника полезна для агентов

У long-running agents типовая проблема не в том, что один ответ получился плохим, а в том, что одна и та же ошибка повторяется:

• агент забывает проверить тесты;
• лезет не в тот инструмент;
• снова нарушает sandbox assumptions;
• повторяет неудачный способ поиска информации.

Reflexion помогает превратить такие повторяющиеся ошибки в явные operational lessons.

Где техника особенно полезна

Сильнее всего Reflexion раскрывается там, где:

• агент реально может попробовать ещё раз;
• среда даёт сигнал об успехе;
• ошибки повторяются между эпизодами;
• lessons можно обобщить.

Слабее всего:

• в одношаговом consumer chat;
• в задачах без feedback loop;
• в purely creative generation;
• в статeless pipelines без памяти.

Практический вывод 2026

Reflexion сегодня особенно уместен в системах, где уже есть:

• traces;
• evaluator or judge layer;
• memory management;
• controlled retries.

Без этих компонентов техника легко вырождается в бессмысленный "попробуй ещё раз, но умнее".

Какие reflections действительно полезны

Хороший lesson:

• короткий;
• конкретный;
• повторно применимый;
• привязан к наблюдаемой ошибке.

Плохой lesson:

• абстрактный;
• слишком длинный;
• эмоциональный вместо operational;
• не даёт следующего действия.

Примеры хороших reflections:

• "Перед submit проверь, не disabled ли кнопка из-за пустого обязательного поля."
• "Если тест падает только в CI, сначала проверь timezone и OS-dependent paths."
• "При 403 от API сначала проверь scope токена, а не формат payload."

Примеры

Reflexion для coding agent

Первая попытка: исправь failing test.
Если тест всё ещё падает, сформулируй короткий lesson learned и попробуй снова, учитывая этот lesson.

Reflexion для browser agent

Если действие в браузере не сработало, не повторяй тот же клик вслепую. Сначала сформулируй, почему попытка могла провалиться, затем выбери новую стратегию.

Reflexion для research agent

Если найденный источник не подтверждает claim, зафиксируй, что именно было неверным в поисковой гипотезе, и измени следующий запрос.

Техническая реализация

attempt = agent.solve(task)
feedback = evaluator(attempt)
reflection = agent.reflect(
    attempt=attempt,
    feedback=feedback,
    prompt="Сформулируй короткий operational lesson. Избегай общих фраз."
)
memory.write(reflection)
retry = agent.solve(task, memory=memory.read())

Что важно фильтровать

Не каждую рефлексию стоит писать в память. Полезные reflections:

• конкретны;
• повторно применимы;
• связаны с реальной ошибкой;
• не превращаются в шумное эссе.

Write policy

def should_write_reflection(reflection: str, feedback_score: float) -> bool:
    return feedback_score < 0.7 and len(reflection.split()) < 40

Это грубый пример, но сам принцип важен: память не должна принимать всё подряд.

Memory shape

lesson = {
    "situation": "submit failed because button was disabled",
    "rule": "check prerequisite fields before retrying submit",
    "scope": "browser_form_tasks"
}

Такая структура полезнее, чем длинный prose paragraph.

Retry policy

def next_action(feedback, reflection):
    if feedback == "tool_auth_error":
        return "check_credentials"
    if feedback == "test_failure":
        return "inspect_failure_context"
    return "retry_with_memory"

Reflexion не должен запускать blind retry. Он должен менять policy следующего шага.

Частая ошибка

Другие ошибки:

• хранить полные traces вместо lessons;
• не отделять общие правила от одноразового шума;
• не чистить устаревшие reflections;
• не проверять, что reflection реально улучшила следующую попытку.