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

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。