正在加载模式…
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。
30秒速览
- 是什么
- 将智能体拆分为生成器、反思器与策展器三种角色，通过增量式差分更新而非整篇重写来构建自然语言的策略手册，从而防止上下文坍缩。
- 何时使用
- 多步骤的领域任务：智能体必须在没有标注数据的情况下，从执行轨迹中积累并保留具体经验，而提示词一旦追求简短就会磨掉这些来之不易的细节。
- 注意
- 策展器必须分辨信号与噪声；差分挑选不当会让手册被污染的速度快于优质策展的清理速度，进而拖累性能。
向AI专家咨询此模式
打开助手并预填您的问题,发送前可先确认。
智能体式上下文工程（演进式策略手册）: 概览
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。
- Generator, Reflector, Curator role division
- Context as an evolving strategy playbook
- Compact structured delta updates (append and edit, not full rewrite)
- Anti-collapse mechanism against context collapse and brevity bias
- Offline (system prompt) and online (agent memory) adaptation
- Self-improvement from execution traces without labeled supervision
The Agent Architect
每周一个模式、一个权衡、一个生产事故案例。为构建智能体系统的人准备的每周简报。
每周一封邮件,一键退订。您的地址仅用于发送简报。
参考资料
该模式所依据的论文、规范和代码仓库。
由本目录背后的工程师执行
为你的智能体架构做一次评审
本页讲的是一个模式。真实系统会同时跑几十个，而多数故障恰恰出在它们的衔接处。我们按本目录的 288 个模式评审你的整体设计：架构、可靠性、评测与成本，每一条结论都对应到能修复它的模式。
€750（原价 €1,500），一周交付，书面报告加讲解通话，9月30日前