ace-agent/ace

它解决了什么问题

ACE（智能体上下文工程）解决了大型语言模型中的「上下文坍缩」和「简洁性偏差」问题。传统的迭代式提示重写往往会随着时间推移逐渐丢失详细且领域特定的知识。ACE 允许 LLM 自我改进，将系统提示（上下文）视为一个不断演化的「作战手册」，在不丢失先前信息的前提下积累并优化策略。

它如何工作

ACE 使用一种三角色智能体架构来管理上下文的演化过程：

1. 生成器：为查询生成推理轨迹，识别有效策略和反复出现的错误。
2. 反思者：评估这些轨迹，提取洞察，并更新特定策略的「有益/有害」计数器。
3. 策展者：将这些洞察转化为结构化的增量更新——基于语义相似性和使用统计的局部编辑，用于添加、合并或删除信息。

该过程使模型能够从自然执行反馈中学习，支持离线（使用训练/验证集）或在线（实时适应）两种模式。

适用于谁

希望在不付出微调的成本和复杂性的情况下提升模型性能的开发者和研究人员，尤其适用于 LLM 智能体和特定领域推理任务（如金融分析或数字环境交互）。

主要亮点

• 自监督学习：利用执行反馈而非标注监督来提升性能。
• 增量式增量更新：通过局部编辑而非完整重写，防止上下文坍缩。
• 高效率：相比其他自适应方法，显著降低适应延迟和 token 成本。
• 结构化作战手册：将演化的上下文组织为可追踪的策略、公式和常见错误，并附带使用计数器。