智能体上下文工程 ACE 是什么？让上下文像剧本一样不断进化

智能体上下文工程（Agentic Context Engineering，ACE）是一个让大模型通过不断改进上下文来自我提升的框架，由斯坦福大学、SambaNova 和加州大学伯克利分校的研究人员在 2025 年 10 月提出，论文标题是《智能体上下文工程：为自我改进的语言模型演化上下文》。

背景：改上下文，而不是改权重

智能体、领域推理等大模型应用，越来越依赖“上下文适配”：通过修改输入给模型的指令、策略和证据来提升效果，而不是重新训练、更新模型权重。比如给客服智能体写一份详细的操作手册，并根据实际表现不断修订。这种方式成本低、见效快。

现有方法的两个问题

论文指出，以往的上下文优化方法存在两个问题。一是“简洁偏差”：为了让提示词精炼，往往把内容压缩成简短的总结，结果丢掉了领域里的关键细节和经验。二是“上下文崩塌”：反复让模型重写上下文时，每次重写都可能丢失一些细节，迭代次数多了，积累的知识被逐渐侵蚀，效果反而下降。

ACE 的做法

ACE 把上下文看作一本不断演化的“剧本”（playbook）：它持续积累、提炼和组织各种策略和经验。这个过程被拆成三个模块化的角色：生成者负责执行任务，产生成功或失败的经验；反思者分析这些经验，提炼出有用的教训；策展者把新的教训整合进剧本。关键在于整合的方式：不是每次整篇重写，而是结构化、渐进式地增量更新，新增条目、修改条目、合并重复，从而保留详细的知识，防止上下文崩塌。

效果

论文报告，ACE 在智能体任务和金融等领域专项任务上都明显提升了效果，并且降低了适配所需的成本和延迟。在一个智能体排行榜上，用较小的开源模型配合 ACE，取得了可以和更大的商用模型智能体相当的成绩。它说明，精心维护的上下文本身就是一种可以持续积累的“知识资产”。