第 5 章 智能增强
提示🎧 本章配套播客
重要学习目标
- 理解 反思机制中的生产者-批评者架构，掌握其防止认知偏误的原理和四步反思流程
- 应用 Opencode 的反思 Skill、AGENTS.md 提示和 ultrathink 模式实现具有自我修正能力的智能体系统
- 应用 根据不同推理需求选择合适的推理技术（CoT、ToT、ReAct），并在实际金融问题中运用
- 分析 规划模式中的目标分解、约束管理、动态重规划等核心组件
- 应用 设计护栏机制与人在回路流程，明确风险阈值与人工介入条件
- 创造 设计并实现一个整合反思、推理、规划、护栏与 HITL 的完整智能体系统
- 评价 在给定的金融业务场景中评估不同智能增强模式的成本-收益权衡
想象这样一个场景：你是某券商的研究助理，需要在一小时内完成一份互联网行业龙头公司的投资价值分析。如果只是简单地让 AI 生成一份报告，结果往往不尽如人意——数据可能过时，推理可能跳跃，风险提示可能不足。
但如果 AI 能先规划分析框架，再逐步收集数据，每完成一部分就自我审查，遇到不确定的地方主动请教人类，最后在输出前进行合规检查，结果会可靠得多。
这就是本章要讲的智能增强。它不是给 AI 装上更多功能，而是让 AI 具备深度思考、自我审视、系统规划和安全控制的能力。
智能增强包含五大核心模式：
- 反思：让 AI 审视自己的输出，发现问题并改进
- 推理：让 AI 展示思考过程，逐步解决复杂问题
- 规划：让 AI 分解目标，制定可执行的计划
- 护栏：在 AI 的输入输出环节设置安全检查
- 人在回路：在关键决策点引入人工确认
这五种模式不是孤立的技巧，而是相互配合的整体。一个成熟的金融智能体系统，往往需要综合运用多种模式。本章将逐一讲解每种模式的原理和实践，最后展示如何在 Opencode 中将它们组合使用。