赋值器反射-优化循环模式 - AWS 规范性指导
反馈控制回路反馈控制回路（评估器）评估者外卖

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

赋值器反射-优化循环模式

诸如代码生成、摘要或自主决策之类的任务可以从运行时反馈中受益匪浅，从而使系统能够通过观察和完善来发展。为了实现这一点，可以将反射-精炼周期作为事件驱动的反馈控制回路来实现，这种模式的灵感来自系统工程，适用于自主、智能的工作流程。

下图是评估器反射精简反馈回路的示例：

评估器反射-优化反馈回路。

反馈控制回路

反馈控制回路是一种模式，它监视自己的输出和行为，根据定义的标准或所需状态对其进行评估，然后相应地调整其动作。该架构的灵感来自控制理论，是自动化、持续集成和持续交付 (CI/CD) 管道以及机器学习操作等领域的基础。

下图是反馈控制回路的示例：

反馈控制回路。

  1. 部署管道会发出 buildComplete 事件。

  2. 该事件会触发自动测试或评估作业，以验证构建。

  3. 如果验证失败（例如，由于测试失败、安全问题或违反策略），则系统：

    • 发出 BuildComplete 事件

    • 记录问题或发送通知

    • 触发补救或更正操作，例如回滚、修补或重试

循环一直持续到产生可接受的结果或升级，或者出现超时。此模式通常用于以下用途：

  • Amazon 将事件路由到评估或补救任务的 EventBridge 规则

  • AWS Step Functions 用于迭代重试逻辑和对评估结果进行分支

  • 亚马逊简单通知服务 (Amazon SNS) Simple Notification Service 或 A CloudWatch mazon 警报，用于发送反馈触发器和警报

  • AWS Lambda 职能或容器化工作人员采取纠正措施

反馈控制回路（评估器）

评估者工作流程是由 LLMs 我们的推理代理提供支持的认知反馈循环。该过程包括以下内容：

  1. 生成器代理或 LLM 生成输出（例如，计划、答案或草稿）。

  2. 评估人员使用批评提示或评估标准来审查结果。

  3. 根据反馈，原始代理或新的优化器代理修改输出。

循环会重复，直到结果符合一组标准、获得批准或达到重试限制。

评估者

  1. 用户要求代理撰写策略摘要。

  2. 生成器代理起草它。

  3. 评估人员检查覆盖范围、语气和法律正确性。

  4. 如果响应不充分，则会对其进行完善并重新提交，直到反馈回路趋于一致。

这可以实现自我评估、迭代完善和自适应输出控制，所有这些都无需人工输入。

下图是反馈控制回路（赋值器）的示例：

反馈控制回路（评估器）。

  1. 用户下达任务（例如，起草业务策略）。

  2. Amazon Bedrock 代理使用 LLM 生成初始草稿。

  3. 第二个代理（或后续提示）执行结构化评估（例如，“根据清晰度、完整性和语气对输出进行评分”）。

  4. 如果评级低于阈值，则通过以下方式对响应进行修改：

    • 使用嵌入式评论重新调用生成器

    • 将反馈发送给专业的炼油厂代理商

    • 迭代直到得到可接受的响应

可选组件，例如 AWS Lambda 控制器或 AWS Step Functions 可以管理反馈阈值、重试和回退策略。

外卖

传统的反馈控制回路使用事件、指标和补救逻辑来验证和调整系统行为，而代理评估器循环则使用推理代理来动态评估、反映和修改输出。

在这两种范式中：

  • 输出在生成后进行评估

  • 根据反馈触发纠正或完善措施

  • 系统不断适应目标质量或目标

代理版本将静态验证转换为语义反射，从而使自我完善的代理能够评估自己的有效性。