本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 評估者和反射改進迴圈的工作流程
<a name="workflow-for-evaluators-and-reflect-refine-loops"></a>

此工作流程提供回饋迴圈，一個 LLM 產生結果，另一個 LLM 評估或評論結果。這可提升自我反射、最佳化和反覆改進。

![評估者的工作流程。](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/agentic-ai-patterns/images/workflow-patterns-evaluator-reflect-refine-feedback-loop.png)


評估器工作流程非常適合輸出品質、準確性和一致性很重要，以及產生單一通道不可靠或不足的情況。當客服人員必須自我批評、反覆運算和精簡其輸出時，此工作流程會更好，無論是符合更高的正確性標準，還是根據意見回饋探索改善的替代方案。

此工作流程在以下情況特別有效：
+ 輸出涉及主觀品質指標 （例如，風格、色調和可讀性） 或目標條件 （例如，正確性、安全性和效能）。
+ 客服人員必須透過權衡、評估限制或最佳化目標來推斷。
+ 您需要內建備援和品質保證，尤其是在受管制、面向客戶或創意領域。
+ Human-in-the-loop審核非常昂貴或無法使用，需要自動驗證。

此工作流程用於內容產生、程式碼合成和檢閱、政策強制執行、一致性檢查、指令調校和 RAG 後製處理。它也適用於自我改善客服人員，其中持續意見回饋有助於隨著時間的推移形成更好的回應，以建立值得信任的自動決策迴圈。

## 常用案例
<a name="common-use-cases-evaluators"></a>
+ 與藍隊客服人員相比的紅隊客服人員
+ 產生、評估和修訂程式碼或計劃的代理程式
+ 品質保證、幻覺偵測和風格強制執行

## 功能
<a name="capabilities-evaluators"></a>
+ 支援使用不同模型的解耦產生和評估 （例如，產生 Claude 和評估 Mistral)
+ 意見回饋是結構化的，用於提示修改後的輸出
+ 支援多個反覆運算或收斂閾值