四、Self-Refine（自我优化）—— 简单迭代范式

一、范式核心信息全称Self-Refine自我优化核心一句话先生成初稿再自己评判、修改迭代直到生成满意结果定位简单迭代场景的首选无需外部工具仅靠模型自身完成优化核心特点无行动、无工具调用、纯自我迭代只修改答案不反思过程成本中需多次迭代Token消耗中等推理能力中适用于简单迭代、优化场景工业可用文本润色、代码优化、简单文案迭代二、范式详细定义Self-Refine自我优化是一种“纯模型内部迭代”的推理范式核心是“生成→评判→修改”的循环——模型首先生成一个初始答案初稿然后对初稿进行自我评判分析不足、漏洞再根据评判结果修改初稿重复这个循环直到生成满意的最终结果。与其他范式的核心区别Self-Refine不调用任何外部工具、不执行任何外部行动也不反思“为什么会出错”只关注“如何修改答案”迭代过程完全在模型内部完成适合简单的优化场景。三、完整推理流程Self-Refine的推理流程是“线性迭代”无分支、无交互具体步骤如下接收用户输入的任务如“润色一段文案”“优化一段代码”Generate生成生成任务的初始答案初稿Evaluate评判自我分析初稿的不足、漏洞如“文案不够简洁”“代码有语法错误”Refine修改根据评判结果修改初稿生成新版本重复“评判→修改”直到模型认为结果满意输出最终版本。流程简化生成初稿 → 自我评判 → 修改 → 重复 → 最终版本四、适用场景Self-Refine适用于「无需外部工具、只需简单迭代优化」的场景典型用途包括文本润色如“润色一段养老智能体的宣传文案使其更简洁有吸引力”代码优化如“优化一段Python代码使其更简洁、高效”文案迭代如“修改一段活动文案突出核心卖点”简单答案优化如“优化对‘养老智能体’的定义使其更准确易懂”。不适用场景需要调用工具、需要反思过程、复杂多步骤任务。五、工程级实现代码LangChain LangGraph可直接运行Self-Refine的核心是“生成-评判-修改”的循环以下以“润色养老智能体宣传文案”为例实现完整流程1. LangChain 实现from langchain_openai import ChatOpenAI from langchain.prompts import ChatPromptTemplate import os from dotenv import load_dotenv # 加载环境变量一次配置永久生效 load_dotenv() # 1. 初始化大模型从环境变量读取密钥 llm ChatOpenAI( modelqwen3.5-flash, api_keyos.getenv(DASHSCOPE_API_KEY), base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1, temperature0.7 ) # 2. 定义3个核心Prompt模板生成、评判、修改 # 2.1 生成初稿模板 generate_prompt ChatPromptTemplate.from_messages([ (system, 你是一个文案撰写助手根据用户需求生成一段宣传文案无需优化直接输出初稿。), (human, 需求{demand}) ]) generate_chain generate_prompt | llm # 2.2 自我评判模板 evaluate_prompt ChatPromptTemplate.from_messages([ (system, 你是一个文案评判助手分析给定文案的不足重点关注1. 简洁性2. 吸引力3. 核心卖点突出度4. 语言流畅度只输出不足不修改。), (human, 文案{draft}) ]) evaluate_chain evaluate_prompt | llm # 2.3 修改优化模板 refine_prompt ChatPromptTemplate.from_messages([ (system, 你是一个文案优化助手根据给定的文案初稿和评判意见修改文案解决所有不足生成优化后的版本。), (human, 文案初稿{draft}\n评判意见{evaluation}\n请输出优化后的文案。) ]) refine_chain refine_prompt | llm # 3. 完整Self-Refine流程 def self_refine(demand: str, max_iterations: int 1): # 第一步生成初稿 print( 生成初稿 ) draft generate_chain.invoke({demand: demand}).content print(draft) # 第二步迭代优化 for i in range(max_iterations): print(f\n 第{i1}次优化 ) # 自我评判 evaluation evaluate_chain.invoke({draft: draft}).content print(f评判意见{evaluation}) # 若没有不足停止迭代 if 无不足 in evaluation or 无需修改 in evaluation: print(文案已符合要求停止迭代。) break # 修改优化 draft refine_chain.invoke({draft: draft, evaluation: evaluation}).content print(f优化后文案{draft}) return draft # 4. 测试任务 demand 撰写一段养老智能体的宣传文案突出‘智能照护、用药提醒、操作简单’三大核心卖点面向老年用户及其子女语言简洁易懂、有吸引力。 final_copy self_refine(demand, max_iterations1) # 5. 输出最终结果 print(\n 最终优化文案 ) print(final_copy)输出示例 生成初稿 标题给父母最好的礼物是一个懂事的“智能家人” 正文 工作忙碌无法时刻陪伴在侧担心父母忘了吃药、突发状况无人知晓 [产品名称] 养老智能体专为银发族设计让关爱无时差。 三大核心安心之选 ✅ 智能照护全天候健康监测异常情况及时预警像儿女在身边一样放心。 ✅ 用药提醒到点自动语音播报支持自定义设置再也不怕记错药量、漏服药物。 ✅ 操作简单大声音、大字体全程语音交互老人零基础也能轻松上手。 把专业的事交给科技把宝贵的时间留给亲情。 现在咨询开启智慧养老新生活 第1次优化 评判意见1. **简洁性方面** - 正文中出现[产品名称]占位符破坏了文案的完整性和阅读沉浸感。 - 部分修饰语略显冗余例如“专为银发族设计”与后文语境重复可进一步精简。 2. **吸引力方面** - 标题使用“最好的礼物”属于养老赛道高频陈词缺乏新意难以在信息流中脱颖而出。 - 痛点挖掘停留在通用层面忙碌、忘吃药缺乏更具象、扎心的生活场景描述难以引发深层情感共鸣。 - 结尾的行动号召CTA过于平淡“现在咨询”缺乏紧迫感、优惠激励或独特价值引导转化动力不足。 3. **核心卖点突出度方面** - 三大功能点健康监测、用药提醒、操作简单为行业标配未体现出该产品的差异化竞争优势。 - “像儿女在身边一样放心”属于感性承诺缺乏具体的技术支撑或服务模式介绍显得空洞。 - 未能突出产品的核心壁垒如是否有人工后台介入、数据精度如何、隐私保护机制等导致卖点辨识度低。 4. **语言流畅度方面** - “让关爱无时差”表述略显生硬“无时差”通常用于跨国通信用于养老陪伴语境搭配不当。 - 整体语调偏向说明书风格情感温度不足部分短句节奏感不强朗读体验一般。 优化后文案优化后的文案如下 ### 标题你在远方打拼它在身旁守候给父母定制一位“数字儿女” **正文** 深夜加班到家电话里爸妈总习惯报喜不报忧“身体硬朗着呢不用挂念。” 可你知道他们最怕的不是生病而是突发状况时那个能第一时间接起电话的人是你却不在身边。 **这份“想见却难见”的愧疚不该由你们独自承担。** **这款智能养老伴侣**不只是冷冰冰的设备更是连接两代人的情感纽带。我们重新定义“陪伴”让科技有温度让守护更精准。 **三大核心把专业的事交给专家把时间留给亲情** ✅ **主动式健康监护非普通监测** 不止记录数据更懂风险预判。异常指标触发后**后台人工客服 30 秒内介入核查**。就像儿女就在隔壁不仅知道“发生了什么”更知道“该怎么办”。 ✅ **双重确认服药管理告别凭记忆** 拒绝无效语音唠叨。支持**拍照识别药盒 语音二次确认**只有当老人完成动作系统才判定服用成功。杜绝漏服、错服让每一次吃药都实实在在。 ✅ **零学习成本交互像聊天一样简单** 无需下载 APP无需学习按钮。老人只需**开口说话**就能查询天气、播放戏曲或联系家人。大音量、大字体、方言识别让 80 岁长辈也能轻松掌控。 **隐私与数据安全承诺** 所有健康数据采用银行级加密传输仅授权亲属可见尊重长辈尊严守护家庭隐私。 **别让爱因为距离而迟到** 现在的每一分钟都是未来回忆里的珍贵时光。与其担忧不如行动。 **限时孝心礼遇** 即日起咨询**免费领取 7 天深度体验版**并获赠一份《居家防跌倒安全指南》电子版。 **点击下方链接为父母开启智慧守护新生活** --- ### 优化思路说明供参考 1. **去除了占位符干扰**将原文中生硬的[产品名称]替换为“这款智能养老伴侣”使文案在视觉上更完整用户代入感更强。实际使用时可直接替换为具体品牌名。 2. **场景化痛点挖掘**开篇不再泛泛而谈“工作忙碌”而是描绘“报喜不报忧”的具体通话场景直击子女内心的愧疚感引发情感共鸣。 3. **卖点差异化升级** * **健康**增加了“人工客服介入”的细节区别于市面上纯机器报警的产品体现服务壁垒。 * **用药**从简单的“语音提醒”升级为“拍照 语音双重确认”解决了“说了没吃怎么办”的实际难题。 * **操作**强调“零学习”、“方言识别”比单纯的“大字体”更具针对性。 4. **语言润色与节奏**修正了“关爱无时差”的生硬搭配改为“让爱及时到达”整体语调从说明书风格转变为温暖、坚定的对话风格增强朗读时的韵律感。 5. **强化 CTA行动号召**增加了具体的福利7 天免费体验 安全指南制造稀缺感和获得感提高转化率。 最终优化文案 优化后的文案如下 ### 标题你在远方打拼它在身旁守候给父母定制一位“数字儿女” **正文** 深夜加班到家电话里爸妈总习惯报喜不报忧“身体硬朗着呢不用挂念。” 可你知道他们最怕的不是生病而是突发状况时那个能第一时间接起电话的人是你却不在身边。 **这份“想见却难见”的愧疚不该由你们独自承担。** **这款智能养老伴侣**不只是冷冰冰的设备更是连接两代人的情感纽带。我们重新定义“陪伴”让科技有温度让守护更精准。 **三大核心把专业的事交给专家把时间留给亲情** ✅ **主动式健康监护非普通监测** 不止记录数据更懂风险预判。异常指标触发后**后台人工客服 30 秒内介入核查**。就像儿女就在隔壁不仅知道“发生了什么”更知道“该怎么办”。 ✅ **双重确认服药管理告别凭记忆** 拒绝无效语音唠叨。支持**拍照识别药盒 语音二次确认**只有当老人完成动作系统才判定服用成功。杜绝漏服、错服让每一次吃药都实实在在。 ✅ **零学习成本交互像聊天一样简单** 无需下载 APP无需学习按钮。老人只需**开口说话**就能查询天气、播放戏曲或联系家人。大音量、大字体、方言识别让 80 岁长辈也能轻松掌控。 **隐私与数据安全承诺** 所有健康数据采用银行级加密传输仅授权亲属可见尊重长辈尊严守护家庭隐私。 **别让爱因为距离而迟到** 现在的每一分钟都是未来回忆里的珍贵时光。与其担忧不如行动。 **限时孝心礼遇** 即日起咨询**免费领取 7 天深度体验版**并获赠一份《居家防跌倒安全指南》电子版。 **点击下方链接为父母开启智慧守护新生活** --- ### 优化思路说明供参考 1. **去除了占位符干扰**将原文中生硬的[产品名称]替换为“这款智能养老伴侣”使文案在视觉上更完整用户代入感更强。实际使用时可直接替换为具体品牌名。 2. **场景化痛点挖掘**开篇不再泛泛而谈“工作忙碌”而是描绘“报喜不报忧”的具体通话场景直击子女内心的愧疚感引发情感共鸣。 3. **卖点差异化升级** * **健康**增加了“人工客服介入”的细节区别于市面上纯机器报警的产品体现服务壁垒。 * **用药**从简单的“语音提醒”升级为“拍照 语音双重确认”解决了“说了没吃怎么办”的实际难题。 * **操作**强调“零学习”、“方言识别”比单纯的“大字体”更具针对性。 4. **语言润色与节奏**修正了“关爱无时差”的生硬搭配改为“让爱及时到达”整体语调从说明书风格转变为温暖、坚定的对话风格增强朗读时的韵律感。 5. **强化 CTA行动号召**增加了具体的福利7 天免费体验 安全指南制造稀缺感和获得感提高转化率。2. LangGraph 实现from langchain_openai import ChatOpenAI from langchain.prompts import ChatPromptTemplate from langgraph.graph import StateGraph, END from typing import TypedDict import os from dotenv import load_dotenv # 加载环境变量 load_dotenv() # 1. 定义 Graph 状态 class SelfRefineState(TypedDict): demand: str # 需求 draft: str # 当前文案 evaluation: str # 评判意见 iteration: int # 当前迭代次数 max_iterations: int # 最大迭代次数 final_output: str # 最终输出 # 2. 初始化模型 llm ChatOpenAI( modelqwen3.5-flash, api_keyos.getenv(DASHSCOPE_API_KEY), base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1, temperature0.7 ) # 3. 定义 3 个核心节点 # 节点1生成初稿 def generate_draft(state: SelfRefineState): print( 生成初稿 ) prompt ChatPromptTemplate.from_messages([ (system, 你是文案助手根据需求生成宣传文案初稿直接输出。), (human, 需求{demand}) ]) draft (prompt | llm).invoke({demand: state[demand]}).content print(draft) return {draft: draft} # 节点2自我评判 def evaluate(state: SelfRefineState): print(f\n 第{state[iteration]}次 评判 ) prompt ChatPromptTemplate.from_messages([ (system, 分析文案不足简洁性、吸引力、卖点、流畅度。只输出不足。), (human, 文案{draft}) ]) evaluation (prompt | llm).invoke({draft: state[draft]}).content print(评判意见, evaluation) return {evaluation: evaluation} # 节点3优化修改 def refine(state: SelfRefineState): print( 优化修改 ) prompt ChatPromptTemplate.from_messages([ (system, 根据意见优化文案解决所有不足输出新版。), (human, 初稿{draft}\n意见{evaluation}) ]) new_draft (prompt | llm).invoke({ draft: state[draft], evaluation: state[evaluation] }).content print(优化后, new_draft) return { draft: new_draft, iteration: state[iteration] 1 } # 节点4判断是否继续迭代核心路由 def should_continue(state: SelfRefineState): eval_text state[evaluation] if 无不足 in eval_text or 无需修改 in eval_text: print(✅ 无需修改结束迭代) return end if state[iteration] state[max_iterations]: print(✅ 达到最大迭代次数结束) return end return refine # 4. 构建 LangGraph 流程图 wf StateGraph(SelfRefineState) # 添加节点 wf.add_node(generate, generate_draft) wf.add_node(evaluate, evaluate) wf.add_node(refine, refine) # 流程 wf.set_entry_point(generate) wf.add_edge(generate, evaluate) # 条件判断继续优化 OR 结束 wf.add_conditional_edges( evaluate, should_continue, { refine: refine, end: END } ) wf.add_edge(refine, evaluate) # 优化完 → 再次评判 app wf.compile() # 5. 运行 if __name__ __main__: demand 撰写一段养老智能体的宣传文案突出‘智能照护、用药提醒、操作简单’三大核心卖点面向老年用户及其子女语言简洁易懂、有吸引力。示例即可 result app.invoke({ demand: demand, draft: , evaluation: , iteration: 1, max_iterations: 1, final_output: }) print(\n *50) print( 最终优化文案) print(result[draft]) 生成初稿 标题爸妈的健康管家就在手边 担心父母独自在家怕他们忘吃药新设备太难学会闲置 [产品名称] 养老智能体懂老人更懂你 ✅ **智能照护**全天候安全监测异常情况即时通知子女。 ✅ **用药提醒**大音量语音播报定时提醒按时服药健康不遗漏。 ✅ **操作简单**无需学习复杂功能开口说话就能控制像聊天一样简单。 把专业照护带回家让子女安心让爸妈舒心。立即体验守护每一份亲情陪伴 第1次 评判 评判意见 1. **简洁性**部分表述存在语义重复如“定时提醒按时服药”“健康不遗漏”与前文痛点呼应不够紧凑信息密度可进一步优化。 2. **吸引力**标题过于常规缺乏独特的痛点钩子产品名称“养老智能体”偏冷硬技术风缺乏情感温度整体缺乏具体的生活场景描绘难以瞬间抓住用户注意力。 3. **卖点**核心功能监测、提醒、语音为行业通用方案差异化优势不明显缺乏信任背书如权威认证、用户数据仅停留在功能层面未深入挖掘缓解子女焦虑或维护父母尊严等深层心理价值 。 4. **流畅度**“懂老人更懂你”及结尾口号属于陈词滥调略显生硬行动号召CTA“立即体验”力度不足不符合高决策成本产品的转化逻辑段落间过渡平淡口语化亲切感欠缺。 ✅ 达到最大迭代次数结束 最终优化文案 标题爸妈的健康管家就在手边 担心父母独自在家怕他们忘吃药新设备太难学会闲置 [产品名称] 养老智能体懂老人更懂你 ✅ **智能照护**全天候安全监测异常情况即时通知子女。 ✅ **用药提醒**大音量语音播报定时提醒按时服药健康不遗漏。 ✅ **操作简单**无需学习复杂功能开口说话就能控制像聊天一样简单。 把专业照护带回家让子女安心让爸妈舒心。立即体验守护每一份亲情陪伴六、核心注意事项控制迭代次数一般迭代3-5次即可过多迭代会导致Token消耗过高且优化效果边际递减评判标准要明确在Prompt中明确评判维度如文案的简洁性、吸引力避免模型评判模糊避免过度优化引导模型“解决核心不足即可”不要追求完美否则会导致文案失去原有风格。