PART 5 · Harness 与自我改进
上下文工程：从手写 Prompt 到自动进化
随着 Agent 任务变长，上下文管理不再是可选项——它正在成为 Harness 优化的核心战场。
优化对象的演进
模型越智能、越强大，我们能优化的目标就越复杂、方法越通用。这条演进线从"调 prompt"一路到"优化写优化器的代码"。
问题：上下文膨胀
简单追加 = 失控
把所有工具响应和模型生成简单追加到上下文中，随着 Agent 任务时长增加会迅速失控。
长上下文研究会持续进步，但目前长上下文智能和上下文工程往往交织在一起——上下文管理是在 LLM 有限注意力下构建更结构化、简洁上下文的关键层。
长上下文研究会持续进步，但目前长上下文智能和上下文工程往往交织在一起——上下文管理是在 LLM 有限注意力下构建更结构化、简洁上下文的关键层。
ACE：Agentic Context Engineering
说人话："上下文"就是 AI 的工作记忆——它眼前能看到的所有资料。ACE 的思路是：别让记忆变成一锅粥，而是维护一本条理清晰的"工作手册"。干活的人（Generator）照手册干活，复盘的人（Reflector）总结经验教训，管手册的人（Curator）把教训一条条整理进手册。手册越用越精，而不是越用越厚。
上下文是"不断演进的剧本"，而非"不断增长的 Prompt"
ACE（Zhang et al. 2025）维护一份结构化的 bullet point 剧本，每条包含 identifier 和 description。三个组件协作维护这份剧本：
组件 1
Generator 生成器
执行任务、生成轨迹，参考剧本中的 bullet points 作为指引。
组件 2
Reflector 反思器
从成功和失败的轨迹中提炼洞察，萃取经验教训。
组件 3
Curator 策展器
用增量的、条目化的 entries 更新结构化上下文，定期精炼去重。
ACE 框架：Generator 生成轨迹 → Reflector 提炼洞察 → Curator 增量更新上下文剧本。（来源：Zhang et al. 2025）
关键设计：Curator 不重写整块 prompt blob——而是输出结构化的 (identifier, description) 条目，用确定性逻辑合并进剧本。这避免了迭代重写时的"上下文坍缩"和"简洁偏差"。
MCE：Meta Context Engineering
说人话：ACE 是"把手册整理好"，MCE 追问了一个更深的问题："整理手册的方法"本身是不是也能优化？比如按时间排还是按主题排？记大纲还是记细节？MCE 把"记什么"（内容）和"怎么记"（方法）分开，两头一起进化——不仅笔记越来越好，记笔记的方法也越来越聪明。
分离"机制"与"内容"，双层优化
MCE（Ye et al. 2026）在 ACE 基础上更进一步：将如何管理上下文（机制/Skill）与上下文中有什么（内容）分离，在两个层面同时优化。
一个 MCE Skill 定义了上下文函数
• ρ = 静态组件（prompts、知识库、代码库）
• F = 动态算子（搜索、选择、过滤、格式化）
一个 MCE Skill 定义了上下文函数
c = F(x; ρ)：• ρ = 静态组件（prompts、知识库、代码库）
• F = 动态算子（搜索、选择、过滤、格式化）
下面的公式在说啥：就两句话——内层：用当前的记笔记方法，把笔记写到最好；外层：比较不同的记笔记方法，选出最好的那套方法。先优化"内容"，再优化"方法"，轮流来。
双层优化：
内层: c* = argmax J_train(c; s) ← 给定 skill s，找最优上下文
外层: s* = argmax J_val(c*) ← 找最优 skill（在验证集上）
Skill 数据库： H = {(s_i, c_i, J_train_i, J_val_i)} 跟踪历史
技能进化： s_new = crossover(task, H) ← Meta-agent 执行 agentic crossover
上下文优化： c_new = engineer(task, s_new; c_prev, Rollouts)
MCE 框架：meta-level 技能进化搜索上下文管理机制，base-level 优化任务上下文。（来源：Ye et al. 2026）
实现：上下文函数 = 文件系统中的目录
MCE 中一个 context function 被实例化为专用目录中的文件集合：
• 静态文件：
• 动态文件：上下文数据和 rollout 记录
meta-level 和 base-level 优化都在标准编码环境中执行，使用工具集：
• 静态文件：
skill.md（存储任务最重要的知识）• 动态文件：上下文数据和 rollout 记录
meta-level 和 base-level 优化都在标准编码环境中执行，使用工具集：
Read, Write, Edit, Bash, Glob, Grep, TodoWrite
Meta-Harness：优化 Harness 的 Harness
说人话：这是套娃的最外层。ACE 优化笔记内容，MCE 优化记笔记的方法，Meta-Harness 直接优化整个工作台的源代码——相当于不只换工具、换方法，而是让 AI 重新装修整个车间。威力最大，但也最烧算力（每改一版都要完整试运行打分）。
优化对象：决定信息存储、检索和呈现的代码
Meta-Harness（Lee et al. 2026）更深一层：被优化的不是上下文内容，而是决定什么信息应该被存储、检索和呈现给模型的代码本身。它是"优化 Harness 的 Harness"。
• Proposer 本身是一个编码 Agent
• 输出是 Pareto 前沿上的 Harness 候选集合
• 执行历史通过文件系统访问——coding agent 用
• 每个提出的 harness 是文件系统中的字典：包含源码、分数、轨迹和状态更新
• Proposer 本身是一个编码 Agent
• 输出是 Pareto 前沿上的 Harness 候选集合
• 执行历史通过文件系统访问——coding agent 用
grep/cat 读取，而非全塞进 prompt• 每个提出的 harness 是文件系统中的字典：包含源码、分数、轨迹和状态更新
Meta-Harness 外循环优化算法：迭代创建新 harness，只保留合格者。（来源：Lee et al. 2026）
Meta-Harness 在文本分类和 TerminalBench-2 上的表现。注意 TerminalBench-2 实验从已有强 harness 初始化。（来源：Lee et al. 2026）
三种方法对比
ACE
从轨迹中学习
用规则化的 Generator→Reflector→Curator 管线维护结构化 bullet points。更新规则仍手工设计。
MCE
进化管理机制
不固定上下文格式，用 free-form skills 存储知识，双层迭代进化 skill 和 context。机制本身可变。
Meta-Harness
优化整个系统代码
Proposer 是编码 Agent，优化对象是 harness 源码本身，输出 Pareto 前沿候选集。最通用但计算最重。
直观对比：看三种策略逐轮变化
就绪
朴素追加
每轮把所有历史全部塞进上下文…
ACE 结构化
Curator 只增量写入结构化条目…
MCE 元进化
Skill 与内容双层同时进化…
点击上方 运行 10 轮对比，观察三种策略随轮次推进的实时变化：谁在膨胀、谁保持稳定、谁越跑越强。
核心教训：一旦 harness 设计变成可执行的搜索空间，强编码 Agent 就能利用人类工程师使用的同一设计空间。上下文工程的未来不是更聪明的手写 prompt，而是让系统自动学会"什么时候存什么、怎么检索、怎么呈现"。