AI Agent / 系统课时

把错误反馈给模型

把错误反馈给模型

本篇解决智能体执行失败后如何重新组织反馈信息的问题。最终结果是让模型拿到足够的错误上下文,包括失败原因、相关代码和当前修改状态,从而生成下一轮更准确的修复方案。

学习目标

  • 理解错误反馈上下文为什么决定模型修复质量
  • 掌握错误信息、源码和状态信息的组装方式
  • 能够设计一次有效的修复反馈请求

错误反馈为什么需要重新组装

智能体执行代码或调用工具失败后,原始错误信息通常不足以支持模型修复。例如编译失败只包含一行异常,而模型还需要知道修改了哪个文件、当前代码是什么状态、之前尝试过哪些方案。

因此,反馈阶段不是简单转发错误,而是把执行结果转换为下一轮推理可以使用的上下文。

一个完整反馈通常包含三个部分:

  • 错误结果:异常信息、退出码、失败步骤
  • 相关上下文:涉及文件、源码片段、配置状态
  • 修改历史:已经尝试的调整和当前版本差异

错误反馈上下文组装流程图

设计修复上下文结构

反馈给模型的数据应保持结构稳定,避免每次请求格式变化导致模型难以判断重点。

一个简单的上下文对象可以包含错误描述、代码位置和当前状态。

json
{
  "error": {
    "message": "TypeError: user.name is undefined",
    "step": "test"
  },
  "source": {
    "file": "src/user.js",
    "line": 42,
    "snippet": "return user.name.toUpperCase();"
  },
  "changes": {
    "attempt": 2,
    "previousFix": "added null check"
  }
}

预期结果

text
模型收到包含错误位置、代码片段和修改历史的完整修复上下文,可以针对具体问题生成下一步修改建议。

在智能体中生成反馈消息

反馈消息应该突出当前需要模型解决的问题,而不是堆积所有运行日志。

python
from dataclasses import dataclass

@dataclass
class RepairContext:
    error: str
    source: str
    status: str


def build_feedback(context: RepairContext) -> str:
    return f"""请修复以下问题:
错误:{context.error}
相关代码:{context.source}
当前状态:{context.status}
请给出下一步修改方案。"""

context = RepairContext(
    error="测试失败: expected 200 but got 500",
    source="api/user.py line 18",
    status="第一次修复未通过"
)

print(build_feedback(context))

预期输出

text
请修复以下问题:
错误:测试失败: expected 200 but got 500
相关代码:api/user.py line 18
当前状态:第一次修复未通过
请给出下一步修改方案。

常见反馈设计错误

错误反馈过长会降低模型关注重点,反馈过短又会导致模型猜测原因。常见问题包括:

  • 只发送异常堆栈,不提供触发条件
  • 提供整个项目源码,缺少关键定位信息
  • 不记录之前失败尝试,导致重复修复

更好的方式是先定位相关上下文,再把必要信息发送给模型。

本课总结

  • 错误反馈的目标是构造下一轮推理上下文,而不是转发日志。
  • 错误信息、源码位置和修改状态共同决定修复质量。
  • 稳定的数据结构可以让智能体持续迭代修复。

下一课预告

下一课将把错误反馈连接到自动编辑和执行流程,实现完整的自动修复循环。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

把错误反馈给模型

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通