9月12日、n8nが「Reflection Pattern: How AI Agents Self-Correct in Production」と題した記事を公開した。この記事では、AIエージェントが自己批評ループ（リフレクションパターン）によって出力を自律的に修正する仕組みと、その実装判断の指針について詳しく紹介されている。
リフレクションパターンとは何か
リフレクションパターンは、AIエージェントの設計パターンのひとつだ。ツール使用・プランニング・マルチエージェント協調とともに、主要なエージェント設計パターンのひとつに位置づけられる（元記事における各パターンの順序や位置づけの詳細は原文を参照されたい）。
仕組みはシンプルで、Generate → Reflect → Refine の3ステップのループで構成される。
- Generate（生成）: エージェントに接続されたLLMが初期回答を生成し、一時的な状態として保持する。
- Reflect（批評）: 同一または別のモデルが、あらかじめ開発者が定義した基準に基づいて初期出力を批評する。「ポリシーを考慮できているか」「誤りや有害な情報を含んでいないか」といった観点でチェックし、修正すべき問題点をカタログ化する。
- Refine（改善）: 初期出力と批評をまとめて生成モデルに再入力し、修正版の出力を生成する。
重要なのが停止条件の設定だ。反復回数の上限など明示的な停止基準がないと、エージェントがループから抜け出せず、トークンを過剰消費したり、最適な回答を通り越して品質が下がる事態が起きる。停止条件を適切に設定することで、計算コストとレイテンシを抑えつつ出力品質を維持できる。
3つの実装バリエーション：どれを選ぶか
シングルモデル自己反省
最もシンプルな構成で、生成と評価を同一モデルが担う。実装は容易だが、自己選好バイアス（self-preference bias） という根本的な問題がある。モデルが自分の誤りを見逃したり、ハルシネーション（幻覚的な誤情報）を強化してしまうリスクだ。
マルチエージェント反省
生成を担うエージェントと批評を担うエージェントを分離する構成。異なる推論プロセスを持つモデルが批評を担うことで、シングルモデルでは見逃しがちなエラーやハルシネーションを検出しやすくなる。いわばピアレビューの自動化だ。
ツール拡張型反省
反省フェーズに外部ツール（検索エンジン、データベースなど）を組み込む構成。モデルの内部知識だけでは事実確認が不十分な場合に、外部システムを呼び出して検証する。ただし、外部ツールやデータの精度に結果が左右される点には注意が必要だ。
使うべき場面、使わない方がいい場面
リフレクションパターンはコストとレイテンシが増加する。導入判断の基準を記事は明確に示している。
使うべきケース：
- 出力品質と論理的一貫性がスピードより重要な場合
- 出力が明確な正誤基準や事前定義のチェックリストで検証可能な場合
- シングルパスの出力に頻繁にエラーが含まれる場合
使わない方がいいケース：
- タスクが時間的に厳しい場合（ループのたびにLLM推論と場合によっては外部ツール呼び出しが発生し、レイテンシが増加する）
- 初稿の品質がビジネス要件を十分に満たしている場合
- 大量リクエストを処理する環境でコスト削減が最優先の場合
「Reflexion」との違い
記事では混同されやすい用語の違いも整理されている。リフレクションパターンは単一のタスク内でモデルが反復して精度を高める設計戦略であり、**Reflexion**（複数の独立したトライアルをまたいでAIシステムが失敗から学習する研究アプローチ）とは異なる概念だ。なお、Reflexionの学会発表に関する詳細（発表年・発表先など）は元記事の記述を直接参照されたい。
n8nでの実装
記事はn8nのプラットフォームを使った実装方法についても具体的に触れている。基本的な構成は、AIエージェントノードを複数チェーンし、生成用と批評用にそれぞれ異なるシステムプロンプトを設定するというものだ。生成エージェントが初期出力を返した後、批評エージェントが定義済みの評価基準に照らして問題点を列挙し、その結果を生成エージェントに戻すループをワークフロー上で表現する。
ループ制御にはサブワークフローと条件分岐を組み合わせて使用し、反復回数の上限に達したか、あるいは批評エージェントが「修正不要」と判断した時点でループを終了させる。各反復でのトークン消費量とコストはAPIレスポンスから追跡可能で、モデルの切り替えも容易なため、品質とコストのバランスを取りながら調整を重ねやすい構成だとしている。また、生成モデルと批評モデルに異なるLLMプロバイダーを割り当てることもできるため、マルチエージェント反省パターンへの発展も自然な流れで実現できる。
詳細はReflection Pattern: How AI Agents Self-Correct in Productionを参照していただきたい。
