设计反馈闭环

本条目是「Prompt 2.0 方法论」的第 4 部分，对应学习清单条目 2.1.4。

前置依赖：给目标不给步骤、评估标准写进指令、分离规划与执行

为以下铺垫：结构化Prompt设计、Loop Engineering

---

一、核心观点

设计反馈闭环：从「单次 Prompt」升级到「execute → evaluate → adjust」循环。

一次没做对不丢人，丢人的是没能力发现「一次没做对」还继续错下去——这跟健身一个道理：不称体重，练再久也只是「看起来很努力」。

---

二、定义与原理（类比先行）

2.1 定义

反馈闭环（feedback loop）由三步组成：

• 执行（execute）：Agent 干活

• 评估（evaluate）：拿结果对照标准

• 调整（adjust）：不行就改，再来一轮

2.2 类比： thermostat（恒温器）

普通 Prompt 像个「手动风扇」——你按一下它转一下。反馈闭环像 thermostat（恒温器）：它持续测室温、对比目标温度、自动开/关空调，直到房间稳定在你设定的温度。Agent 也该如此：有目标、有测量、有自动纠偏。

这其实就是 Chain-of-Thought（思维链，CoT） 的工程放大版——CoT 让模型「一步步想」，反馈闭环让 Agent「做一步、验一步、改一步」。

---

三、为什么需要反馈闭环？

1. 持续改进：每次迭代都更接近目标。

2. 防止「一次错到底」：错误在早期就被抓住，不会滚雪球。

3. 质量可预期：靠循环收敛，而不是靠「一次写对」的运气。

---

四、反馈闭环的类型

• 单层反馈：执行 → 评估 → 调整 → 执行（写代码 → 跑测试 → 修 → 再跑）

• 多层反馈：多个门禁串起来（测试 → lint → 类型检查）

• 嵌套反馈：外层开发循环套内层函数级循环

flowchart TD

    S[开始] --> E[执行 execute]

    E --> V[评估 evaluate]

    V -- 达标 --> D[交付]

    V -- 未达标 --> A[调整 adjust]

    A --> E

---

五、示例（精简版）

 
第一步：审查代码，生成修复方案
 
第二步：验证 —— 跑测试 / 跑 lint / 对标准
 
第三步：不通过则分析原因并调整，回到第一步
 

注意：必须设最大迭代次数（比如 3 轮），否则「纠偏」本身会变成死循环——详见 Reflexion 框架。

---

六、最新研究与企业数据（2024–2026）

• Anthropic《Building Effective Agents》(2024-12)：把 evaluator-optimizer（生成—评估—修订） 列为最实用的工作流之一——「LLMs 更擅长识别错误，而非避免错误」，所以让它先出草稿、再评估、再修订，质量显著优于一次直出。

• Chain-of-Thought (Wei et al., 2022, Google)：思维链显著提升复杂推理，是「分步 + 反馈」有效性的底层理论支撑（arXiv:2201.11903）。

• Anthropic《Harness design》(2025)：多小时编码中，靠「generator–evaluator 循环 + 上下文重置」才让 Agent 稳定产出可用结果，单轮直出会早早跑偏。

---

七、学习资源

• 权威指南：Anthropic《Building Effective Agents》（evaluator-optimizer 章节）

• 论文：Chain-of-Thought Prompting（arXiv:2201.11903）

• 进阶：Reflexion 框架 · ReAct 框架

---

核心要点

要点	速记
核心	execute → evaluate → adjust 的循环
类比	thermostat：测温度、比目标、自动纠偏
为什么	错误早抓不放任；质量靠收敛不靠运气
三层	单层 / 多层 / 嵌套反馈
铁律	必须设最大迭代次数，防死循环

下一篇：结构化Prompt六段式——四大黄金法则讲完，进入「具体怎么写」。

---

参考来源（一手链接 · 可溯源深挖）

• Anthropic (2024-12)《Building Effective Agents》：anthropic.com/engineering/building-effective-agents

• Wei et al. (2022) Chain-of-Thought Prompting（Google）：arXiv:2201.11903

• Anthropic (2025)《Harness design for long-running application development》：anthropic.com/engineering/harness-design-long-running-apps

速记卡（面试闪卡）

Q1：一句话讲清「设计反馈闭环」到底是什么？

A：把”单次 Prompt”升级成执行-评估-调整(execute-evaluate-adjust)的循环，让 Agent 自我纠偏。

Q2：一、核心观点 —— 怎么理解？

A：像健身不称体重永远只是”看起来努力”：一次没做对不丢人，丢人的是没能力发现错还继续错。反馈闭环就是从”写一次”升级到”做一步验一步改一步”的循环。

Q3：二、定义与原理（类比先行） —— 怎么理解？

A：反馈闭环(feedback loop)三步：execute 干活、evaluate 对照标准、adjust 不行就改。像 thermostat(恒温器)——持续测室温、比目标、自动开关空调直到稳温。本质是 Chain-of-Thought 的工程放大版。

Q4：三、为什么需要反馈闭环？ —— 怎么理解？

A：三个好处：持续改进(每轮更近目标)、防”一次错到底”(错误早抓不滚雪球)、质量可预期(靠收敛不靠运气)。

Q5：四、反馈闭环的类型 —— 怎么理解？

A：三类：单层反馈(写码→跑测试→修→再跑)、多层反馈(测试→lint→类型检查串成门禁)、嵌套反馈(外层开发循环套内层函数级循环)。记住设最大迭代次数防死循环。

Q6：核心速记主线有哪些？

• 核心：execute → evaluate → adjust 的循环

• 类比：thermostat 测温度比目标自动纠偏

• 三层：单层 / 多层 / 嵌套反馈

• 铁律：设最大迭代次数，防纠偏变死循环

口诀

A：单次 Prompt 易跑偏，闭环三步才稳

执行评估再调整，thermostat 来管

单层多层嵌套环，错误早抓不放任

最大迭代要设限，死循环别来烦

相关链接

• 系列清单：Agent 方法论与产品思维学习路线图

• 上一层级：Prompt 2.0 方法论 · 索引

• 同主题：Reflexion 框架 · 分离规划与执行