Evaluator-Optimizer 模式

概述

一个 LLM 生成响应，另一个 LLM 提供评估和反馈，形成循环迭代机制，直到输出通过评估标准。

关键内容

1. 工作流程：Input → Generator] → [Evaluator] → Pass? → Output（若未通过则反馈给 Generator 重新生成）。形成闭环反馈循环。
2. 适用场景的两个判断标准：
3. LLM 响应在人工反馈后可明显改进
4. LLM 能提供有效的反馈
5. 典型案例：文学翻译（翻译器 + 评论器）；复杂搜索任务（多轮搜索+分析）；代码生成与审查循环。
6. 工程要点：Evaluator 需要有明确的评估标准，避免无限循环。应设置最大迭代次数和收敛条件。
7. 与软件工程的对应：Evaluator-Optimizer 对应 Feedback Control Loop（反馈控制循环），通过持续反馈调节系统输出。

来源

• 01_building_effective_agents.md — 第三章 3.6 节，Anthropic Engineering Blog "Building effective agents"

相关

• AI Agent 架构模式 — part_of (五种核心模式之一)
• ACI (Agent-Computer Interface) — relates_to (评估标准设计属于 ACI 范畴)
• Agent vs Workflow — relates_to (属于工作流范式)