近日，斯坦福大学与 SambaNova Systems 合作发表了论文《Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models》。 

该论文提出了一个名为ACE（Agentic Context Engineering）的框架，可以让AI在不重新训练权重的前提下，实现自我改进。 

论文链接： http://arxiv.org/abs/2510.04618v1 

论文的核心思想是，大模型的能力，并非仅由参数决定，更取决于“上下文的质量”。换句话说，谁能构建出最优的上下文，谁就能让模型更聪明。 

ACE的核心思想，是让模型不再依赖“静态提示（prompt）”，而转向一种动态、结构化、可进化的“知识剧本”（playbook）。

这些剧本记录了模型在任务执行中积累的策略、规则、模板和修正规则。每一次失败或成功，都会被转化为一条“增量更新”（delta）。

与传统的“重写提示”不同，ACE通过小步安全更新不断改进剧本，而不是一次性推倒重来。

这种机制意味着，AI可以在运行中学习、记忆、改进，而不需任何参数微调。

ACE框架

研究者指出，这一机制能避免两种致命问题：一是简化偏差（brevity bias），即在追求简洁的优化中丢失关键细节；二是上下文崩塌（context collapse），即重写导致的知识损毁。

论文举例称，在实验中，一个AI代理积累了1.8万token的上下文，表现良好。但当模型试图“总结压缩”它时，剧本被削减至仅122个token，性能瞬间跌至57.1%。

研究者直言：“模型擅长使用知识，但不擅长整理知识。一次错误的重写，就可能摧毁全部积累。”

论文称ACE解决了这种“自毁式学习”的结构性风险。

图注：ACE 框架在三类任务（智能体操作、领域知识、数值推理）上都显著优于其他方法，准确率提升最明显。

三角色协作：生成、反思、策展

ACE体系建立在一个极简哲学上： 不要重写知识，要管理知识。

整个系统被拆解为三个互补的角色。

第一个是生成器（Generator）。它负责执行任务，与环境交互，生成推理过程、代码或操作序列。

第二个是反思器（Reflector）。它分析生成器的行动轨迹，识别成功与失败的原因，提取“可操作的教训”。这些反馈信号可能来自代码错误、执行结果或外部标签。

第三个是策展器（Curator）。它将这些经验提炼为结构化条目（delta context），并通过确定性规则（非语言模型决策）整合进主剧本。

这样的三层循环——行动、反思、整合构成了ACE的学习闭环。

每次更新都只影响局部条目，不触碰整体文本。这种局部增量机制，让知识库既能不断扩展，又不会坍塌。

剧本本身被设计为项目化结构：包含策略规则、API调用模板、调试经验、常见错误解决方案等。每条条目附带使用计数与正负反馈元数据。

反思器会根据这些记录判断哪些规则有效、哪些无用。策展器再据此修改或删除。

论文称，这种方式让AI的知识“像Git仓库一样演化”，能安全地生长、细致地修剪、透明地追溯。

研究者强调，ACE的复杂度并非负担，而是一种结构化的安全机制，以微小的系统开销换取知识的稳定积累。

小模型“越级打怪”：DeepSeek击败GPT-4.1

在复杂的AppWorld代理任务中，ACE框架带来了+10.6%的平均性能提升，并将适应延迟降低86.9%。

研究团队特别提到，这一提升并非依赖更大的模型，而是源于更好的上下文管理。

一个典型例子是：DeepSeek V3.1，参数量低于GPT-4.1。但在ACE框架下，它在AppWorld基准测试中，竟能与GPT-4.1代理（IBM CUGA）持平，甚至在更复杂的测试集上反超。

研究者指出，这一结果说明，“上下文工程”已成为新的算力平权器。

更重要的是，ACE的效率优势惊人。在多轮任务学习中，它的更新延迟减少82%~91%，token成本下降83.6%。

图注：在金融分析任务中，ACE 框架显著提升模型表现（平均提升约 8.6%），即使没有真实标签也能保持稳定表现。

论文认为，这让“在线持续学习”从概念变为现实。AI不再需要频繁微调，而可以在运行中自我优化。

同时，ACE的结构化剧本让学习过程可解释、可审计、可撤回。

如果某条规则被发现过时、偏颇或违规，系统可以精准删除对应条目，实现“选择性遗忘”。