一个自我修正的代理实际上需要多少大语言模型能力？

近期基于大语言模型的代理常将世界建模、规划与反思整合于单一模型循环中，难以区分能力来源。本文提出一种声明式反思运行时协议，将代理状态、置信度信号及假设转移外化为可检查结构。通过在噪声协作战舰游戏上的实验，分解出信念追踪、显式规划、符号反思及稀疏 LLM 修正四个组件。结果显示，显式规划显著提升性能，而条件性 LLM 修正贡献微小且非单调。该方法论贡献在于通过外化反思，使 LLM 干预的边际作用可直接被研究。