一、反射设计模式：让 Agent 审视自己的输出 1.1 从人类反思到 LLM 反思 人写东西很少一遍到位。草稿写完回头看，会发现日期不明确、用词不准、漏了签名，改完再发。这个「写完 → 审视 → 修改」的过程就是反思（reflection）。 LLM 也能走同样的流程。与其让它一次生成最终答案，不如分两步：先生成初稿，再让它以另一个提示词审视初稿、指出问题、写出改进稿。课程里用邮件举过例子：约朋

本文内容整理自吴恩达（Andrew Ng）《Agentic AI》课程模块1（共 8 节） 一、从一次性单向生成到 Agentic 工作流 1.1 一次生成的问题（直接调用裸模型思考） 今天大多数人用 LLM（大语言模型，接收提示、逐词生成文本的模型）的方式，相当于要求一个人从第一句写到最后一句，中途不许回头、不许查资料、不许改。人在这种约束下写不出好东西，因为输出顺序必须一次就对。 模型也一样。

一、Okio 简介 Okio 把Buffer从 BufferedOutputStream ByteArray，换成了「8 KiB 定长块组成的双向环形链表 + 全局无锁块池」，于是缓冲区可以按块移动而不是按字节拷贝，落盘粒度天然对齐到块边界，块用完之后回池复用。 1.1 与 Java IO 的设计对比 java.io 中的 InputStream / OutputStream，数据的载体是 byt

AsyncTaskPool 是一个轻量多线程框架，其核心代码不到 400 行，同时支持三种常用设计模式。 一、整体架构：三层角色 AsyncTaskPool 只有三个核心角色： BasicTaskDispatchPool——对外的门面。通过继承实现三个抽象方法：runTask（具体任务逻辑）、getFinishedCallback（全部完成后回调）、getItemTaskCallback（单个任务