让 Agent 自己检查自己，为什么总是通不过？

几乎每个做 Agent 的团队都试过同一个方案：让模型执行完任务以后，再问它一句”请检查你刚才的输出是否正确”。

结果通常是——它说”看起来没问题”。

一个明明把两个日期搞混的行程表、一份引用了不存在文献的报告、一段漏了边界条件的代码，经过”自检”之后依然原样交付。于是有人下结论：模型没有自审能力。这个结论一半对，一半完全搞错了失败原因。

一、自审为什么系统性失效

同源性错误（最致命）。检查者使用的是和执行者相同的权重、相同的上下文、相同的错误理解。你让它检查”2026 年 3 月有 31 天”这种错误，它心里的日历和刚才写的时候是同一本，看不出问题。审查能发现的是”和上下文矛盾”的错误，发现不了”上下文本身错了”的错误。

被自己的输出锚定。上下文里已经存在那份答案，模型的任务变成了”为这份答案找支持理由”，而不是”从零推导一遍再比对”。这是典型的确认偏误，且随着答案越长越严重。

缺少外部事实。没有工具、没有检索、没有测试执行的自审，本质上是在做语言上的自我安慰。它只能评估”读起来像不像对的”，而绝大多数错误恰好读起来很像对的。

激励方向不对。如果你在提示里写”请仔细检查确保没有问题”，模型倾向于给出”已检查，无问题”的结论——因为那是最短路径。想让它挑出问题，就得明确告诉它”这里至少存在两个问题，请找出它们”，这会显著改变产出，但代价是会编造问题。

二、把”自审”拆成四种不同的东西

工程上更有效的做法，是不要再把审查当成一句提示，而是拆成四个可独立实现的机制：

机制	谁来做	能拦住的错误	拦不住的
规则校验	代码	格式、枚举、范围、必填	语义错误
事实核对	检索/工具	引用不存在、数据不符	逻辑推演错误
独立性审查	另一模型/另一上下文	遗漏、指令未遵守	共享的前提错误
执行验证	测试/沙箱	代码跑不通、结果不一致	需求理解偏差

关键是每一层都不假设上一层是对的。

规则校验先上，别浪费 token。日期格式、金额区间、枚举值、链接可达性、JSON schema，这些用代码几十毫秒就能查完。很多团队把这些交给模型查，既慢又不准。

事实核对必须有外部锚点。报告里的每个数字、每个人名、每个引用，都要能回溯到一个检索到的片段或工具返回结果。做法是要求执行者在输出时携带 claim → source_id 的映射，审查环节只做机械比对。没有 source_id 的断言直接标记为”未核实”，而不是”通过”。

独立性审查要切断上下文。把执行者的完整推理过程藏起来，只给审查者三样东西：原始需求、交付物、（可选）被引用的材料。它不知道执行者”当时是怎么想的”，因此不会被带偏。实践中，只给需求和产物、不给过程，能多抓出 20%–30% 的问题。

执行验证交给环境。代码就跑测试，SQL 就在只读库上跑一遍看是否报错，链接就真去请求一次。任何可以”跑一下就知道”的东西，都不要问模型。

三、审查提示应该怎么写

如果你只能改一个地方，把审查提示从”请检查”改成带具体检查项的清单，并强制结构化输出：

你是审查员。你只能依据下面给出的【需求】和【材料】做判断。
不要假设交付物是正确的。对每一项输出 pass / fail / unknown。
unknown 表示材料中无法确认，不得填 pass。

检查项：
1. 是否完整覆盖需求中的每一个要求（逐条列出对应位置）
2. 每个数字、日期、名称是否能在材料中找到出处
3. 是否存在超出材料范围的结论
4. 是否存在自相矛盾之处

输出 JSON：{ "items": [{"id":1,"verdict":"","evidence":"","note":""}], "overall": "" }

三个细节值得注意：允许 unknown 是这套设计的灵魂，它把”没查到”和”查了没问题”分开了；逐条列对应位置逼着模型真的去定位；overall 不能覆盖条目，任何一条 fail 都直接导致整体不通过，否则模型会用”总体良好”抹平硬伤。

四、成本和收益怎么权衡

全套审查会让成本翻倍甚至三倍。务实的做法是按风险分级：

低风险输出（闲聊、草稿、内部备忘）：不做审查，靠人事后看。 中风险输出（对外邮件、报价、客服答复）：规则校验 + 事实核对。 高风险输出（代码入库、合同条款、对外报告、金额相关）：四层全上，且必须有人工签核节点。

另一个省钱的手段是只审动作，不审全文。Agent 要执行写操作时，审查的重点不是它的解释文本，而是即将发出的结构化参数：收件人是谁、金额多少、删的是哪几条。这些字段小、可机检，成本极低而拦截价值极高。

五、一个判断标准

判断你的审查层是否真的在工作，看一个指标：它的拒绝率。

如果审查环节从来没否决过任何输出，它不是在做审查，是在盖章。健康的区间通常在 5%–20%——低了说明检查项太软，高了说明执行环节本身有问题，该往上游修。

把这句话记下来：审查的价值不在于让模型说”没问题”，而在于它有能力说”有问题”，并且说得出是哪里。做不到这一点的自检，写一百遍也不如一段三行的校验代码。