智能体式上下文工程（演进式策略手册）(ACE)

将智能体的上下文视为一部由具体策略构成、不断演进的策略手册，并由三个角色加以改进：在真实任务上生成推理轨迹的 Generator，从成功或失败中提炼经验的 Reflector，以及将这些经验以紧凑、结构化的增量（delta）更新方式合并进策略手册的 Curator。由于更新是增量式的追加和编辑，而非彻底重写，策略手册得以不断积累领域细节，而不会陷入上下文坍塌和简洁性偏差（即反复重写会侵蚀来之不易的具体细节）。它无需带标签的监督，既可离线用作改进的系统提示词，也可在线用作智能体记忆；ICLR 2026 的 ACE 论文报告在智能体任务上约提升 +10.6%，在金融任务上提升 +8.6%。它有别于 `prompt-optimization`：DSPy 和 GEPA 针对某一指标优化提示词这一产物，而 ACE 则通过增量策展来扩充自然语言的策略手册，并具备贯穿提示词与记忆的显式防坍塌机制；同时，与 `skill-library`（可执行技能）或 `self-improving-systems`（在审批关卡之后受治理的提示词和工具编辑）不同，被改进的产物是一部经过策展的自然语言策略手册。