Reflexio - Quelloffene KI-Agenten-Lernplattform

Was ist Reflexio? Eine verständliche Erklärung

Reflexio ist eine Verhaltenslernplattform für KI-Agenten. Wenn Sie einen Support-Bot, Coding-Assistenten oder internen Agenten betreiben, haben Sie wahrscheinlich schon erlebt, dass derselbe Fehler zweimal passiert: Er erstattet die falsche Position, überspringt eine erforderliche Bestätigung oder dreht sich im Kreis, bis ein Mensch eingreift. Das Foundation-Modell neu zu trainieren ist langsam und teuer. Einmalige Prompt-Anpassungen überleben das nächste Release nicht.

Reflexio sitzt neben Ihrem Agenten und verwandelt echte Gespräche — Nutzerkorrekturen, fehlgeschlagene Tool-Pfade und erfolgreiche Ergebnisse — in lesbare Regeln, die der Agent vor der nächsten Nachricht abruft. Es gibt keine Gewichts-Updates und keine Fine-Tune-Warteschlange. Wenn ein Nutzer den Agenten einmal korrigiert, kann diese Lektion auf die nächsten tausend ähnlichen Sitzungen angewendet werden — mit Audit-Trail und Lösch-Button, falls die Regel veraltet.

Stellen Sie es sich als Erfahrungsspeicher für Agenten vor: nicht „was der Nutzer gesagt hat“, sondern „wie sich der Agent beim nächsten Mal anders verhalten soll“.

Wie der Agenten-Lernkreislauf funktioniert

Reflexio umschließt Ihre bestehenden LLM-Aufrufe mit einer leichtgewichtigen Schleife aus Publish → Extract → Retrieve:

1. Publish — Nach einer Sitzung sendet Ihr Agent Transkript, Tool-Aufrufe und Ergebnissignale (gelöst, korrigiert, eskaliert) an Reflexio.
2. Extract — Reflexio destilliert wiederkehrende Fehler und Erfolge zu Learnings: kurze, menschenlesbare Regeln, die Ihr Team umschreiben, genehmigen oder ablehnen kann.
3. Retrieve — Zu Beginn der nächsten Sitzung werden nur relevante Learnings vor dem ersten Modellaufruf eingefügt, was die Token-Kosten niedrig hält.

Starten Sie mit dem portablen Integration Skill für Codex, Claude Code oder Cursor, oder verdrahten Sie dieselbe Schleife über das Python SDK, die REST API oder die CLI. LangChain, AutoGen, CrewAI und individuelle Stacks werden unterstützt.

Was Reflexio mit Ihren Logs macht

Kontinuierliche Selbstverbesserung

Jedes Gespräch fließt zurück. Reflexio erkennt Muster, die wiederholt scheitern, hebt sie zu Learnings und setzt ältere Regeln außer Kraft, wenn neuere Sitzungen ihnen widersprechen — so folgen Agenten Richtlinienänderungen statt am Launch-Verhalten festzuhalten.

Selbstoptimierende Learnings

Jedes Learning wird nach Live-Wirkung bewertet: welche Sitzungen es half und welche nicht. Reflexio passt die Formulierung anhand dieser Fälle an, statt eine schlechte Regel für immer stehen zu lassen.

Evaluation und messbarer Impact

Sie definieren Erfolg — Ticket geschlossen, keine Eskalation, Aufgabe erledigt. Reflexio bewertet Sitzungen gegen diese Definition und verknüpft Ergebnisse mit den aktiven Learnings, sodass Sie wissen, ob eine Änderung den Nutzern wirklich geholfen hat.

Review, Freigabe und sofortiger Widerruf

Öffnen Sie jedes Learning, um die dahinterliegenden Belege zu sehen. Umschreiben, genehmigen, ablehnen oder löschen. Ablehnung entfernt es sofort aus dem Retrieval. Der optionale Modus „Freigabe erforderlich“ blockiert Learnings ohne menschliche Zustimmung — wichtig für regulierte oder kundenorientierte Agenten.

Für wen Reflexio geeignet ist

Gute Passung:

• Produktions-Agenten mit wiederkehrendem Traffic: Support, Vertrieb, Coding-Assistenten, Recruiting, interne Ops.
• Teams, die prüfbare Verhaltensänderungen ohne vollständiges Modell-Retraining brauchen.
• Organisationen, die Daten in ihrer VPC, eigener Datenbank oder air-gapped Umgebung halten müssen.

Schlechte Passung:

• Einmal-Demos mit fast keinem Volumen — zu wenig Signal für stabile Regeln.
• Teams, die Erfolg nicht definieren oder Learnings nie prüfen; veraltete Regeln häufen sich an.

Die Produktseite hebt Support, Coding-Agenten, Vertriebsassistenten, Datenanalysten und Recruiting-Workflows als typische Einstiegspunkte hervor.

Reflexio vs. Vektorspeicher

Reflexio ist keine weitere RAG-Schicht. Es beantwortet „Wie soll sich der Agent beim nächsten Mal anders verhalten?“ mit Governance — nicht „Was hat der Nutzer einmal erwähnt?“

Preise und Plan-Limits

Stand September 2026 veröffentlicht Reflexio diese Stufen auf der offiziellen Preisseite:

• Free — 0 $/Monat — 100K Input-Tokens/Monat, 100 generierte Learnings/Monat, 1.000 Suchanfragen/Monat; Daten bleiben solange gespeichert, wie Ihr Konto aktiv ist; inklusive 30-tägiger Pro-Testphase; Community-Support.
• Pro — 299 $/Monat — 10M Input-Tokens/Monat, 10K Learnings/Monat, 100K Suchanfragen/Monat; Priority-Support.
• BYOC Self-Hosted — individuell — Betrieb in Ihrer AWS-, GCP- oder Azure-Umgebung; Daten bleiben in Ihrer Infrastruktur; selbst verwaltete Token-Nutzung; konfigurierbare Aufbewahrung; Vertrieb für Onboarding kontaktieren.

Registrierung per E-Mail, Google oder GitHub. Demo auf der Website buchen, wenn Sie Hilfe bei der Dimensionierung brauchen.

Deployment und Datenkontrolle

Die API, die Ihr Agent aufruft, bleibt über alle Modi gleich:

• Managed — Reflexio betreibt den Dienst mit isoliertem Schema pro Organisation.
• BYOK — Ihre Keys für OpenAI, Anthropic, DeepSeek, Qwen, xAI oder eigene Endpoints.
• Your database — Managed Service mit Learnings in Ihrer Supabase- oder Postgres-Instanz.
• BYOC — Reflexio läuft in Ihrem Cloud-Konto.
• Self-host — Single-Tenant auf Infrastruktur unter Ihrer Kontrolle, ohne Verbindung zurück zu Reflexio — für air-gapped oder Vendor-Unabhängigkeit.

Die Plattform dokumentiert Nutzerdaten-Export/-Löschung auf Anfrage und Hintergrund-Konfliktlösung, damit widersprüchliche Learnings das Verhalten nicht langfristig verzerren.

Häufig gestellte Fragen

Trainiert Reflexio mein Foundation-Modell neu?

Nein. Verbesserungen sind Runtime-Learnings — abgerufene Regeln und Präferenzen — keine neuen Modellgewichte. Rollback ist so einfach wie das Ablehnen einer Regel.

Worin unterscheidet sich das von Fine-Tuning oder RLHF?

Fine-Tuning und RLHF ändern den Modell-Checkpoint. Reflexio erfasst Verhaltenskorrekturen aus der Produktion und wendet sie in der nächsten Sitzung an — mit menschlichem Veto und messbarem Impact pro Deployment.

Kann ich Reflexio selbst hosten?

Ja. Der Kern ist Apache 2.0 Open Source auf GitHub (ReflexioAI/reflexio). Managed-Tiers bieten gehosteten Komfort; BYOC und vollständiges Self-Hosting existieren für Datenresidenz-Anforderungen.

Was brauche ich zum Start?

Kostenloses Konto anlegen, Integrationsweg wählen (Agent Skill, Python SDK, REST oder CLI), erste Sitzung publizieren, extrahiertes Learning prüfen und Retrieval beim nächsten Lauf aktivieren. Siehe Dokumentation für SDK- und CLI-Referenz.

Ist Reflexio nur für Chatbots?

Nein. Jeder Tool-nutzende Agent mit wiederholbaren Workflows — Erstattungen, Code-Edits, CRM-Updates — kann Sitzungen publizieren und Learnings abrufen. Fokus auf mehrstufige Agenten, nicht nur Ein-Turn-FAQ-Bots.

Offizielle Ressourcen und Entwickler-Community

• Dokumentation und API-Referenz
• Preise
• GitHub-Repository (Apache 2.0)
• Integration Skill für Coding-Agenten