AI 大模型飞速进化，不懂 AI、不会用 Agent 的程序员，正在慢慢被行业淘汰。现在 AI 新技术迭代快到离谱：RAG 还没学明白，MCP 接踵而来；工具刚上手，Skills、各类新 Agent 概念又轮番刷屏；Manus还没看懂，就出来OpenClaw，OpenClaw热度还没退，又出来Hermes。越追越乱、越学越焦虑，永远在被动跟风，陷入学不完、跟不上、用不上的内耗。其实焦虑的根本原因，不是新技术太多，而是不懂大模型 Agent 应用底层原理，只会零散跟风，没有通用方法论。
为此我专门推出Agent 应用实战专栏，采用Agent基础 + Agent设计模式 + 工程实践三位一体体系，帮你彻底摆脱 AI 焦虑。 专栏分为三大模块：
- Agent基础：深入浅出拆解AgentScope Java源码，掌握Agent应用基础的三驾马车（提示词、工具和记忆），夯实 Agent 开发底层根基；
- Agent设计模式：基于《agentic-design-patterns》精讲经典架构模式（提示词链、并行、路由、规划、反思、推理、人机协同等等），掌握高阶 AI 应用设计思路；
- 工程实践：手把手从零手搓简易版 OpenClaw，还原真实项目落地全流程。
学完本专栏，你将彻底吃透底层逻辑、掌握架构思维、并具备工程落地能力。未来无论再涌现 MCP、Skills 还是其他任何新技术，你都能一眼看透其本质、快速上手复用，不再盲目跟风，稳稳守住程序员的职业护城河。
注意：由于框架的不同版本会有些使用的不同，因此本次系列中使用基本框架是agentscope-1.0.11，JDK版本使用的是open-jdk-21（agentscope-java最低要求java版本为17）。
本文章的代码地址： https://github.com/forever1986/agentscope-agent-pattern
目录
- 1 反思模式
-
- 1.1 说明
- 1.2 适合场景
- 2 代码示例
- 3 源码分析
-
- 3.1 StateGraph
- 3.2 LoopAgent
上一章讲解了路由的设计模式，这一章来说反思设计模式。
1 反思模式
1.1 说明
在实际工作中，智能体的初始输出或计划也可能并非最优、准确或完整。这正是反思模式发挥关键作用之处。反思模式涉及智能体评估其自身工作、输出或内部状态，并利用该评估来提升性能或优化响应。这是一种自我纠正或自我改进机制，允许智能体基于反馈、内部评审或与预期标准的对比，迭代优化其输出或调整策略。反思有时可由专门的智能体来促进，其特定职责是分析初始智能体的输出。反思引入了反馈循环。智能体不仅产生输出，还会检查该输出（或其生成过程），识别潜在问题或改进空间，并运用这些洞察生成优化版本或调整后续行动。该过程通常包含以下步骤：
- 执行：智能体执行任务或生成初始输出
- 评估/评审：智能体（通常通过另一个 LLM 调用或规则集）分析上一步结果。此评估可能涉及事实准确性、连贯性、风格、完整性、指令遵循度或其他相关标准
- 反思/优化：基于评审意见，智能体确定改进方向。这可能包括生成优化后的输出、调整后续步
