目录一、案例简介二、案例目标三、技术栈与核心依赖四、项目配置4.1 环境变量配置4.2 依赖安装4.3 模型配置五、项目结构六、核心代码实现6.1 初始答案生成6.2 批评阶段6.3 修改阶段6.4 主循环函数七、运行与测试7.1 启动应用7.2 使用步骤7.3 示例提示7.4 预期结果八、实现思路与扩展建议8.1 核心设计思想8.2 工作流程8.3 使用场景8.4 扩展建议8.5 性能优化建议九、完整源码requirements.txtstreamlit_app.py一、案例简介本案例演示了如何使用 GPT-OSS 模型通过 Groq API 实现一个"自动批评 + 改进循环"模式，通过迭代式的质量改进过程生成高质量答案。这是一个基于 Streamlit 的 Web 应用，展示了 AI 自我批评和改进的完整流程。二、案例目标实现迭代改进机制：通过多轮批评-修改循环，逐步提升答案质量透明化改进过程：在每一步展示批评意见和修改内容，让用户了解改进过程提高答案质量：通常能将答案质量提升 20-40%，特别是在复杂主题上降低成本：使用 GPT-OSS 模型而非更昂贵的模型，在保证质量的同时控制成本
