自我修正迴圈：讓模型檢查並修正自己的輸出

三層檢查

1. 程式檢查：格式、必填欄位、數值範圍、引用是否存在。最快最可靠，先做。
2. 規則檢查：業務規則的自動驗證，例如金額加總、日期先後。
3. 模型檢查：只處理前兩層無法判斷的，例如語氣是否恰當、有沒有遺漏重點。

def generate_with_repair(task, max_rounds=2):
    out = generate(task)
    for i in range(max_rounds):
        issues = check_program(out) + check_rules(out)
        if not issues:
            issues = check_model(out, task)      # 最貴的一層放最後
        if not issues:
            return out, {'rounds': i, 'status': 'clean'}
        out = repair(out, issues, task)
    # 仍有問題：回報而不是硬給
    return out, {'rounds': max_rounds, 'status': 'unresolved',
                 'issues': check_program(out) + check_rules(out)}

修正提示要具體

「請修正上面的問題」效果很差。要把問題清單、原始輸出與原始要求一起給，並明確要求只改有問題的部分。

REPAIR = '''以下輸出有具體問題需要修正。

原始要求：{task}
目前輸出：{output}
發現的問題：
{issues}

請只修正列出的問題，其餘部分保持不變，並輸出完整的修正版本。'''

避免無限迴圈

• 硬性上限：兩輪通常就夠，第三輪的邊際效益很低。
• 問題數必須遞減：修正後問題沒有變少就中止，這代表模型在原地打轉。
• 偵測震盪：記錄每輪輸出的雜湊，出現重複就中止。

讓檢查者更嚴格

模型檢查層要明確要求「找出問題」而非「評估品質」，並且給出具體的檢查項目清單。開放式的「這個回答好嗎」幾乎一定會得到「很好」。

CHECK = '''逐項檢查下列輸出，只回報**確實存在**的問題。

檢查項目：
1. 是否有未經 context 支持的主張
2. 是否遺漏了問題中明確要求的部分
3. 是否出現與 context 矛盾的內容

沒有問題時輸出 {"issues": []}。不要為了找問題而挑剔。'''