是什么让一位AI自动化架构师发出“微调已死”的感慨？一篇来自斯坦福大学、SambaNova、UC伯克利的论文，最近在圈子里炸开了锅。他们提出的技术叫Agentic Context Engineering（主动式上下文工程），说白了就是让语言模型不靠微调也能自己迭代升级——这听着是不是有点碘伏传统认知？
先别急，论文原文已经挂出来了：
论文标题：Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models
论文地址：https://www.arxiv.org/abs/2510.04618
一切要从上下文适应说起
当代基于大语言模型的AI系统——无论是智能体还是复合式AI系统——越来越依赖一种叫“上下文自适应”的能力。什么是上下文自适应？简单来说，就是在模型训练完成后，通过往输入里塞更明确的指令、结构化的推理步骤或者领域特定的格式，来提升模型表现。这和直接改模型参数的微调，完全是两条路。
上下文这东西，其实构成了好多AI系统组件的底座：引导下游任务的系统提示词、承载过往事实和经验的记忆机制、用来减少幻觉和补充知识的事实证据……每一项都离不开它。
那为什么不用传统的参数更新，反而要折腾上下文呢？优势挺明显：对用户和开发者来说，上下文更直观、可解释；运行的时候能快速整合新知识；还能在复合系统的多个模型或模块之间共享。再加上长上下文语言模型的进步，以及KV缓存复用这类高效推理机制，基于上下文的方法越来越落地。可以说，上下文自适应正在成为构建高性能、可扩展、能自我改进的AI系统的核心范式。
不过，现有的上下文自适应方法有两个明显的坑。
第一个是“简约偏置”。很多提示词优化器特别喜欢追求又短又通用的指令，觉得简洁就是好，结果把该积累的知识给忽略了。比如GEPA就把简短当成优点，但这么一抽象，实践中那些关键的领域启发式规则、工具使用指南、常见错误模式，全漏了。这种优化可能在部分指标上奏效，但碰上智能体或知识密集型应用，往往抓不住那些细致策略。
第二个是“上下文塌缩”。如果依赖LLM对整个提示大段大段地重写，随着时间推移，内容会变成越来越短、越来越模糊的摘要，性能直接跳水（见图2）。像交互式智能体、领域特定编程、金融或法律分析这类任务，系统性能靠的是保留细颗粒度、任务相关的知识，而不是把它们压缩掉。
随着智能体和知识密集型推理对可靠性的要求越来越高，研究正在转向构建“信息饱和”的上下文——也就是借助长上下文LLM的进展，把更多潜在有用的信息装进去。
斯坦福、SambaNova、UC伯克利这个团队的想法更激进：上下文不该是简短的摘要，而应该是一套全面、动态演化的“作战手册” —— 内容要详实、包容、充满领域洞见。而且，和人类不同，LLM在拿到长而细致的上下文时，表现反而更好，自己就能提炼关键信息。与其压缩领域的启发和策略，不如留着它们，让模型在推理时自己判断哪些最重要。
在这个核心洞察之上，主动式上下文工程（ACE）就诞生了。
主动式上下文工程（ACE）
ACE框架能实现可扩展且高效的上下文自适应，既适用离线场景（比如系统提示词优化），也适用在线场景（比如测试时的记忆自适应）。
和过去那种把知识蒸馏成简短摘要或静态指令的方法完全不同，ACE把上下文当成一本不断演化的作战手册，能持续积累、蒸馏和组织策略。
这个框架基于Dynamic Cheatsheet（参见arXiv:2504.07952）的智能体架构，引入了三种协作角色：
- 生成器：负责生成推理轨迹
- 反思器：从成功和错误中蒸馏出具体洞见
- 整编器：把这些洞见整合进结构化的上下文更新
这个设计模仿了人类“实验–反思–整合”的学习方式，同时避免让单一模型承担所有职能带来的瓶颈。
为了应对前面提到的简约偏置和上下文塌缩，ACE引入了三个关键创新：
- 专职反思者模块：把评估和洞见提取与整编过程解耦，提升上下文质量和下游性能
- 增量式Delta更新机制：用局部编辑代替整体重写，大幅降低延迟和计算开销
- Grow-and-Refine机制：在持续扩充内容的同时抑制冗余，实现上下文的稳态演化
工作流程是这样的：生成器先针对新任务生成推理轨迹，暴露有效策略和常见陷阱；反思器对这些轨迹评析提炼，可以多轮迭代优化；整编器再把经验整合成紧凑的增量条目，最后通过轻量的、非LLM的逻辑机制合并到现有上下文中。
因为更新是局部的，多个增量可以并行合并，实现批量适应和扩展。ACE还支持多轮自适应，同一个任务可以反复重访，持续强化上下文。
增量式Delta更新
ACE的核心设计理念是：把上下文表示成结构化的条目集合，而不是单一的提示词。
每个条目包含两部分：
- 元数据：唯一标识符，以及“有用/有害”计数器
- 内容：比如可复用策略、领域概念或常见错误模式
当解决新问题时，生成器会标记哪些条目起到了帮助或误导作用，给反思器提供改进依据。
这种条目化设计带来了三大特性：
- 局部化：只更新相关条目
- 细粒度检索：生成器可以聚焦最相关的知识
- 增量式适应：推理时可以高效合并、剪枝和去重
ACE不会重写整个上下文，而是生成紧凑的增量上下文——由反思器提炼、整编器整合的一小组候选条目。这种方式避免了整体重写的高计算成本和延迟，同时保留了旧知识并持续吸收新见解。随着上下文增长，这种机制为长周期或高知识密度的任务提供了必要的可扩展性。
Grow-and-Refine
在持续增长的基础上，ACE通过定期或延迟蒸馏来确保上下文保持紧凑和相关。
在Grow-and-Refine过程中，新条目被追加到上下文中，已存在条目通过元数据更新（比如计数器递增）进行原地修订。去重步骤则通过语义嵌入比较条目相似度来消除冗余。这个过程可以在每次增量更新后主动执行，也可以在上下文窗口超限时被动触发，具体看延迟和精度要求。
增量更新和Grow-and-Refine机制共同维持了上下文的动态可扩展性和高相关性。
ACE的效果如何？
团队进行了实验来验证新方法。他们在两类任务上做了测试：智能体类任务和领域特定任务。
- 智能体任务：采用AppWorld基准，涵盖多轮推理、工具调用与环境交互等复杂行为，包含普通和挑战两种难度，还设有公开排行榜。
- 领域特定任务：聚焦金融分析，使用FiNER和Formula两个数据集——前者要求识别XBRL财报文档中的细粒度实体类型，后者考察模型在结构化财报中的数值推理与计算能力。
对比的基线方法包括：
- ICL（上下文学习）：在输入中提供示例实现少样本学习
- MIPROv2和GEPA：两种主流提示词优化算法
- Dynamic Cheatsheet（DC）：一种测试时自适应记忆机制
相比之下，ACE在相同基模型和运行条件下，通过“生成–反思–整合”的主动上下文工程框架，实现了更高的准确度、更快的适应速度和更低的计算成本。
实验结果非常亮眼，下图给出了整体表现——优势相当明显。
ACE确实能实现高性能、自我改进的智能体。通过动态优化输入上下文，ACE让智能体实现了自我改进。在AppWorld基准上，无需标注数据，仅凭执行反馈就能提升性能高达17.1%，让开源小模型的表现接近最强商用系统。
下图展示了在AppWorld基准上ACE生成的上下文示例（部分）。可以看到，ACE生成的上下文包含了详细的、领域特定的洞见，还有可直接使用的工具和代码，构成了一个面向大语言模型应用的完整“作战手册”。
ACE也能大幅提升领域特定任务的表现。在复杂的金融推理任务中，通过构建富含领域知识的“作战手册”，平均性能提升8.6%。
团队还通过消融实验验证了新设计的有效性，结果说明反思器和多轮蒸馏等组件对性能提升至关重要。
最后，团队分析了ACE的成本与延迟，两个指标都有显著下降：通过增量更新和轻量化合并机制，适应延迟平均降低86.9%，并减少了生成消耗。
至于ACE能不能真的让“微调已死”，这还得看读者您自己的判断——毕竟这篇研究在网上也招来了一些批评。
结语
团队给出了一个关键判断：“长上下文≠更高Serving成本。”虽然ACE生成的上下文比GEPA等方法更长，但并不会导致推理成本或显存使用线性增加。现代服务基础设施已经通过KV缓存复用、压缩与卸载等机制优化了长上下文负载，常用的上下文片段可以被缓存，避免重复计算。随着系统层优化持续进步，长上下文方法（比如ACE）的实际部署成本还会进一步下降。
团队还分析了这项研究对在线学习与持续学习的启示。在线学习和持续学习是应对分布漂移和训练数据有限性的重要方向。ACE为传统模型微调提供了一种灵活且高效的替代方案：更新上下文通常比更新模型参数成本更低，同时具备可解释性，还能实现选择性遗忘——这对隐私保护、合规以及剔除错误或过时信息来说，意义重大。
团队认为，ACE未来有望成为推动持续学习与负责任学习的核心机制之一。
你觉得这项技术的潜力如何？
