一个 Agent 在第 7 步调用错了 API。后续步骤仍可能照常运行，直到交付时才暴露问题。遇到这种情况，继续补角色设定和注意事项，往往只是把错误路线写得更详细。
哪怕把 Prompt 拉到 5000 字、塞进 20 个 Few-shot 示例，只要工作流里没有发现错误的环节，它仍可能带着早期偏差一路执行。Google Cloud 的《AI agent trends 2026》开头写得很直接：The era of simple prompts is over。报告页面称，相关内容参考了超过 3,466 位全球企业高管和 Google AI 专家的洞察。
这不等于 Prompt 没用了。变化在于，它已经无法单独承担 Agent 的可靠性。
Prompt 管得到开头，管不到执行现场
在 2023—2024 年，角色设定、分步思考和 Few-shot 都是有效办法，现在也依然有用。问题是，这些技巧主要影响模型拿到任务时怎么回答，而 Agent 还要继续调用工具、读取结果、修改计划。
当一次任务持续数小时，需要调用十几个 API，或要在数万行代码里定位问题时，Prompt 更像任务说明书，不是运行中的纠错装置。约束写得越多，还可能出现遗漏、冲突和上下文稀释。第一步理解错了，后面照着 SOP 执行得再整齐，交付物仍然不可用。
Prompt 适合写清目标、输入、输出格式和边界。异常处理则应该留在工作流里：运行后检查结果，发现偏差后定位原因，再只重做必要部分。模型能写代码，不等于工作流可以省掉；Agent 已经能自己写代码，工作流为什么还不能省？讨论的就是这层区别。
先做验收，再谈 Reflection
一套可用的自我纠错流程，可以压缩成四个动作：
执行 → 检测 → 反思 → 修正
执行阶段不是越短越好。所谓最小化指令，是保留必要的任务目标、输入、输出和禁止项，不再试图用大量“如果 A，就执行 B”穷举所有异常。
检测才是这条链路里的硬锚点。Agent 不能只靠一句“请检查自己的答案”判断对错，最好把结果交给外部标准：
- 代码任务运行单元测试，用 Linter 和编译器返回具体报错；
- 数据分析检查 SQL 结果的行数、字段类型和数值范围；
- API 调用检查 HTTP 状态码，以及返回内容是否符合 JSON Schema。
验证器至少要返回成功或失败，最好同时给出可定位的错误信息。没有确定性规则时，可以增加独立的 Critic Model，但它只能作为补充，不能替代测试、Schema 和业务规则。
自进化 Agent 的关键，是把失败写进工作流，但还要补半句：写进去的应该是验证器确认过的失败，不是模型对自己的泛泛评价。
检测失败后，Reflection 才有明确输入。比起让模型“再想一遍”，更有效的写法是把预期、实际结果和报错放在一起：
预期结果是 A，实际结果是 B，验证器返回 C。请判断问题来自工具参数、任务理解还是外部环境，并给出只修改必要步骤的方案。
修正也不等于从头再跑。它可以是修改一段代码、更换搜索关键词、调整工具参数，或者在信息不足时向用户提问。自我纠错的价值，就在于把返工限制在出错的分支，而不是让整个任务反复重启。
RepoPrompt 的价值，在于把返工缩小
2026 年 6 月 30 日的一则开发者工具汇总提到，RepoPrompt 社区版已经开源，新架构支持用推理模型（Reasoning Model）分解任务，再交给不同 Agent 并行执行。
这解决的是任务拆分和上下文分配，还不能自动等同于纠错。要形成可靠的 Agent 工作流，每个子任务仍需要自己的验收条件。
例如，一个工程需求被拆成 5 个子任务后，如果子任务 A 没通过测试，只让 A 进入“反思—修正”循环，其他已经验收的部分不必重做。相比在一段 2000 字的 Prompt 里提醒模型“注意所有异常”，这种方式更容易找到问题，也更容易控制返工范围。
并行不是质量保证。没有验收，并行只会更快地产出错误结果。
在现成平台里，先补三个缺口
如果正在用 Dify、Coze 或 FastGPT 搭建 Agent，可以先改工作流里的三个位置。
- 把生成和验收拆开。 不要让同一个节点既产出结果又给自己判分。能运行测试脚本就运行脚本，能检查 Schema 就检查 Schema，确实没有硬标准时再调用 Critic Model。
- 失败记忆只保存已经验证的经验。 可以把“错误现象 → 根因 → 解决方案”存进向量数据库，但前提是修正后的结果已经通过验收。否则保存的只是模型猜测，下次检索出来还会继续误导任务。
- 给循环设置停止条件。 连续 3 次修正仍未通过验证，就停止自动尝试，向人报告任务目标、已经做过的修改、最近一次报错和仍缺少的信息。所谓置信度阈值，不必依赖模型自报分数；明确的失败次数就是一种停止信号。这也是机器人学会‘犹豫’能给 Agent 的直接启发：不知道怎么继续时，停下来比盲目消耗 Token 更有价值。
最难复制的是业务验收标准
2026 年 7 月 17 日，由奇点智能研究院与 CSDN 联合举办的「2026 奇点智能产品大会」在北京举行。相关报道没有停在模型参数量上，而是把问题落到了 Agent 能否完成任务，以及 AI 能否产生可衡量的 ROI。
任务完成率（Task Completion Rate）不是唯一指标，但 Agent 如果无法稳定交付，ROI 也无从谈起。
Prompt 技巧很容易复制，业务里的验收条件却很难照搬。哪些 SQL 字段必须存在，数值范围是否合理，API 返回结构是否合规，代码要通过哪些单元测试，失败到什么程度必须交给人——这些规则才是自我纠错真正依赖的东西。
Prompt 决定第一次怎么做。工作流决定出错之后，是继续错下去、局部返工，还是及时把问题交给人。