这项研究介绍了一种名为 ACE (Agentic Context Engineering) 的创新框架，旨在通过优化上下文来提升大语言模型的性能。研究人员发现，现有的提示词优化方法往往存在简略偏见和上下文崩溃的问题，导致模型丢失关键的领域知识。ACE 将上下文视为不断进化的“实战手册”，通过生成器、反射器和策划器三个模块协作，实现知识的持续积累与提炼。该框架引入了增量更新和增长精炼机制，能有效保留复杂的任务策略并降低计算延迟。实验证明，ACE 在智能体任务和金融等专业领域显著超越了现有基准，甚至在使用开源模型的情况下，在 AppWorld 排行榜上达到了顶级商用模型的水平。这种方法不仅支持在线和离线适配，还展示了在无需人工标注监督的情况下，利用执行反馈实现模型自我进化的潜力。
