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：
![\[评估器反射-优化反馈回路。\]](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/agentic-ai-patterns/images/workflow-for-evaluator.png)
## 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：
![\[反馈控制回路。\]](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/agentic-ai-patterns/images/workflow-patterns-feedback-control-loop.png)
1. 部署管道会发出 buildComplete 事件。
1. 该事件会触发自动测试或评估作业，以验证构建。
1. 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）。
1. 评估人员使用批评提示或评估标准来审查结果。
1. 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。
1. 生成器代理起草它。
1. 评估人员检查覆盖范围、语气和法律正确性。
1. 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：
![\[反馈控制回路（评估器）。\]](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/agentic-ai-patterns/images/workflow-patterns-evaluator.png)
1. 用户下达任务（例如，起草业务策略）。
1. Amazon Bedrock 代理使用 LLM 生成初始草稿。
1. 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”）。
1. 如果评级低于阈值，则通过以下方式修改响应：
+ 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。