实战·Agentic 上下文工程（下）：实现一个可自我学习与进化的智能体原型

在上篇中，我们了解到ACE(Agentic上下文工程)框架的核心理念：不依赖模型微调，而是通过上下文的自我演化，让智能体实现“自学成长”。

本篇参考 ACE 论文中的架构与提示词设计，实现一个可自我学习与进化的 ACE 智能体原型，帮助你更直观地理解 ACE 在实际系统中的运作机制。

内容概览：

• 整体架构与流程
• 实现Playbook -- “策略手册”
• 实现Generator -- “行动者”
• 实现Reflector -- “复盘者”
• 实现Curator -- “策略管家”
• 工作流组装与测试
• 问题与改进方向

本文参考源代码在文末。

整体架构与流程

参考 ACE 论文提出的结构，我们将其应用于一个基于ReAct 范式的智能体中。这个智能体具备自我“反思—学习—成长”的能力：

【设计要点】

1. 用ReAct Agent代表Generator（行动者）

• 用一个ReAct Agent来承担Generator校色，接受输入任务，输出答案与推理过程。当然，实际应用中可以是任何形态的Agent。

2. 离线模式与在线模式

关于ACE论文中的两种典型运行模式：

• 离线模式（Offline Adapter）
  即"训练模式"，用来在固定的训练数据集上多轮迭代运行ACE流程，每轮处理相同的样本，生成初始的策略库（Playbook）。这类似于学生反复做题，总结规律，积累经验。

• 在线模式（Online Adapter）
  即"生产模式"：部署到真实业务场景中。此时输入数据不再固定，也不会多次迭代，但智能体会根据新任务实时更新 Playbook。它更像是一个在实战中不断成长的从业者，边工作边学习。

两者间的“协作”大概是这样：

两者间的区别用下表总结：

实际上，对于单次任务输入（迭代次数=1）的情况，两者在基本流程上并无本质区别。因此我们可以构建一个统一的工作流结构：

• 若需“预训练”，只需在固定数据集上重复运行多轮
• 若直接“生产”，则让工作流持续接收新输入并在线更新策略

  
  

接下来，我们将逐步拆解各个模块的实现逻辑，从 Playbook 开始（为了更好地聚焦于 ACE 框架的核心逻辑，原型实现做了很多简化）。

实现Playbook -- “策略手册”

Playbook 是 ACE 系统的"记忆中枢"，负责存储和管理 Agent 在实践中学到的所有策略。不仅记录Agent在不同任务中的“经验与教训”，还通过评分机制和语义检索，让Agent在后续任务中能够主动调用最优策略。

结构如下：

【设计要点】

1. 多样的检索策略

Playbook 提供两种检索方式：

• 基于评分：基于评分优先返回表现好的策略

• 基于语义：借助向量实现语义级检索

2. 动态学习与优胜劣汰

每条策略都会在任务执行后根据反馈被打上标签（helpful / harmful / neutral）。系统根据这些反馈自动计算得分（Score）：

score = helpful_count - harmful_count

高分策略在检索时权重更高，而低分策略会逐步被淘汰。这使得智能体的经验体系具备自我优化能力。

3. 策略去重与整合

为避免知识冗余，Playbook 会在新增策略时进行去重检测（基于向量相似度）。当系统检测到已有相似策略时，不会简单新增，而是更新已有策略的统计信息。

4. 持久化与可重建

支持将Playbook持久化（文件或数据库），在系统重启后可快速加载使用，同时在模型或存储结构变化后，也能快速重建语义索引。

【策略结构】

每个策略包含有内容、分类标签、使用反馈与实践信息等。

classStrategy:
id: str# 唯一标识
  content: str# 策略内容
  category: str# 分类（如"react","calculation"）
  helpful_count:int   # 有效次数
  harmful_count:int   # 有害次数
  neutral_count:int   # 中性次数
  created_at: str# 创建时间
  updated_at: str# 更新时间
 
 @property
  def score(self):
   # 净得分 = 有效次数 - 有害次数
   returnself.helpful_count -self.harmful_count
...

【策略样例】

以下是一条典型的策略示例：

"dat-00007": {
  "id":"dat-00007",
  "content":"信息来源评估原则：在确认信息时，必须对每个信息来源进行权威性评估。步骤：1) 获取多个来源的信息；2) 评估来源的权威性，例如是否为政府机构或知名组织；3) 选择最权威的来源并说明选择理由；4) 若存在差异，需给出合理解释。",
  "category":"data_verification",
  "helpful_count":1,
  "harmful_count":0,
  "neutral_count":0,
  "created_at":"2025-10-31T04:24:00.338080+00:00",
  "updated_at":"2025-10-31T04:24:00.338084+00:00"
  }

通过这样的结构，Playbook 在执行阶段能动态调用最优策略，在反思阶段生成并吸收新策略，最终形成一个能够持续自我进化的“知识系统”—让Agent不仅记得“做过什么”，还知道“怎样可以做得更好”。

实现Generator -- “行动者”

Generator 是 ACE 框架中的执行者。它可以是一次简单的 LLM 调用。我们采用ReAct范式的 Agent：根据输入问题生成可验证的答案，并产生可追溯的“推理轨迹”，供后续 Reflector 与 Curator 使用：

【设计要点】

1. 用ReAct驱动任务执行

借助LangChain的create_agent创建，让模型在需要时自动调用工具（通常是通过 Function Calling功能）。

这种基于FunctionCalling的Agent在输出“推理轨迹”时不太友好。详见最后一节“问题”部分。

2. 工具集成

配备简单的计算器与搜索引擎用于测试。

3. 策略注入

• 每次任务开始前，从 Playbook检索问题相关的Top-K策略（基于分数或语义，注意不是所有策略都适合语义检索）。
• 将这些策略以“片段/指南”的形式动态注入系统提示，作为经验性先验，引导 ReAct 的思考与工具选择。

def_get_or_create_agent(self, question: str ="", context: str =""):
   """
    根据当前问题动态创建 agent，以便使用最相关的策略。
   
    参数：
      question: 当前问题
      context: 额外的上下文信息
    """
  returncreate_agent(
      model=f"openai:{self.model_name}",
      tools=self.tools,
     system_prompt=self._get_system_prompt(question, context)
    )

4. 动态系统提示（上下文）

系统提示词动态组装，包含内容有：

• Top-K 相关策略（含策略 ID，便于追溯）

• 工作原则与关键指令（如：必须逐步输出、遇到不确定先验证等）

• 工具使用说明（可选，FunctionCalling不需要）

• 任务上下文与边界（输入背景、约束、期望输出格式）

5. 结构化与可审计输出

为了方便后续Reflector的“复盘”，要求ReAct在每轮：

• 输出简明的“思考”过程（Reasoning）
• 明确所引用的Playbook策略ID
• 清晰标准工具调用相关信息

执行结束整理为统一的数据结构，至少包括：

• 最终答案（Final Answer）

• 推理轨迹（每轮Reasoning/Action序列）

• 使用的策略ID列表（用于之后的策略评估与计分）

总之，Agent的“思考”过程越详细，越有利于后续Reflector的“复盘”；这和做数学题一样：过程越详细，越有利于“复查”发现问题。

实现Reflector -- “复盘者”

它对 Generator（行动者）的推理链与执行轨迹进行系统化复盘，围绕三个关键问题给出结构化结论：

「哪里做得好？哪里出了错？下一次该怎么做得更好？」

【设计要点】

1. 适应有无ground_truth两种模式

• 有ground_truth：先用评估器对最终答案与标准答案进行比对，生成客观评估信号（正确/错误、评估反馈、置信度）。Reflector 将该评估作为附加证据纳入分析，给出更精确的复盘结论。
• 无ground_truth：采用自我审查策略，基于推理链一致性检查、工具调用合理性、来源可靠性等信号，评估结果可信度并提出改进建议。

类比：一种是“做作业时有参考答案的反思”；另外一种则是考试时无答案的复查。

2. 多维度诊断（通过Prompt)

Reflector 从多个维度分析Agent的表现，而不是只判断对错。：

• 成功模式：哪些策略、方法和推理链起到了正面作用？能否泛化？
• 策略问题模式：哪些策略选择不当、理解偏差或逻辑跳跃？
• 工具使用错误：是否调用了错误工具、参数是否合理？
• 数据源问题：检索来源是否权威？信息是否一致？
• 计算错误：检测到LLM不擅长的数值推理等。

通过这种方式产出根因分析、改进建议、关键洞察等高价值输出。

3. 策略使用评估

Reflector不仅要发现新的可用策略，更要对旧的策略使用进行评估：

• helpful：明确帮助了任务推进或提高了答案质量；

• harmful：误导了推理或导致错误；

• neutral：影响不大或无关。

  并给出简短理由，作为 Curator 更新 Playbook 计数与内容的依据。

【输出结构（建议）】

fromdataclassesimportdataclass
fromtypingimportList

@dataclass
classStrategyTag:
  id: str# 策略ID
  tag: str# "helpful" | "harmful" | "neutral"
  justification: str# 标记理由（引用具体证据点）

@dataclass
classReflectionResult:
  reasoning: str# 系统化分析（精炼、可读）
  error_identification: str# 错误识别（发生了什么问题）
  error_location: str# 错误位置（哪一步/哪条消息/哪次工具调用）
  root_cause_analysis: str# 根因分析（为什么会错）
  correct_approach: str# 正确方法（可操作的改进建议）
  key_insight: str# 关键见解（可沉淀为策略的抽象经验）
  confidence_in_analysis: float# 置信度（0~1）
  strategy_tags: List[StrategyTag]# 对已用策略的评估标签

总之，Reflector 的价值在于从任务过程中提炼可执行的改进与可复用的经验。

实现Curator -- “策略管家”

Curator 是 ACE 框架的“知识管理者”，它负责把 Reflector 的复盘结果转译为对 Playbook 的具体操作，让“经验教训”沉淀为可复用的策略，确保策略库持续进化且质量可控。

Curator有点像Text2SQL：把反思的结果转化成对Playbook的“SQL”操作

【设计要点】

1. 策略操作类型

支持Playbook的多种操作类型，用于不同的策略更新场景：

* ADD：新增具体可执行且可泛化的策略（附简短示例/适用边界）

* UPDATE：对既有策略做增量补充（边界、例外、参数约束、误用警示）

* REMOVE：移除持续有害/过时/与事实冲突的策略

* 有效性计数更新：根据Reflector的输出，更新策略的有效性计数

2. 质量控制

在Curator执行的过程加入质量控制是有必要的。其中最重要的是排重与合并（否则可能导致无限制的上下文增长），除了前面Playbook本身具备的基于向量的重复检查外，可以在Curator的提示中加入对现有策略的相似度判断（比如相似度较高，则使用UPDATE而不是ADD）。

输出结构（建议）

fromdataclassesimportdataclass
fromtypingimportList, Dict, Any

@dataclass
classCurateOperation:
  operation: str# "ADD" | "UPDATE" | "REMOVE" | "MARK"
  strategy_id: str =""# 适用于 UPDATE / REMOVE / MARK
  content: str =""  # 适用于 ADD / UPDATE（增量内容或补充要点）
  category: str =""  # 新增/调整的分类
  reason: str =""   # 操作原因（关联反思的证据/根因）
  priority: int =3  # 1~5，数值越小优先级越高
  tags: Dict[str, Any] =None# 可选：delta/edge_cases/examples 等

@dataclass
classCurateResult:
  operations: List[CurateOperation]
  added_count: int
  updated_count: int
  removed_count: int
  marked_count: int

总之，Curator 的职责不是“把反思照抄进库”，而是把反思变成策略学到库里。

工作流组装与测试

各模块就位后，我们用LangGraph把它们串成一个最小可用的工作流。目标很简单：把已有的 ReAct Agent“包一层”，让它具备执行 → 评估（可选）→ 反思 → 策展的闭环能力（你完全可以自行用代码实现这个流程）。

【工作流编排】

大致的编排直接看编排代码更清晰：

def_build_graph(self)-> StateGraph:
   """
    构建 LangGraph 工作流
    """
    workflow = StateGraph(ACEReActState)
   
 # 添加所有节点
    workflow.add_node("react_agent", self._react_agent_node)
    workflow.add_node("evaluator", self._evaluator_node)
    workflow.add_node("reflector", self._reflector_node)
    workflow.add_node("curator", self._curator_node)
   
 # 设置入口
    workflow.set_entry_point("react_agent")
   
 # 使用条件边：react_agent 后根据是否有 ground_truth 决定路由
    workflow.add_conditional_edges(
     "react_agent",
     lambdastate:"evaluator"ifstate["react_question"].ground_truthelse"reflector",
      {"evaluator":"evaluator","reflector":"reflector"}
    )
   
 # evaluator 后续路径
    workflow.add_edge("evaluator","reflector")
   
 # reflector 和 curator 的路径
    workflow.add_edge("reflector","curator")
    workflow.add_edge("curator", END)
   
 returnworkflow.compile()

使用LangGraph的好处是把已有的ReAct Agent再编排成一个“具有自主学习能力”的Workflow；并获得流式输出、checkpoint、异步等特性。

【测试流程】

我们用一个简洁的主程序跑通闭环：先离线“预热”出初始 Playbook，再在线测试与继续学习。为方便演示，epoch=1。

【观察与产出】

首先是几个固定数据集的训练过程：

# 训练问题
questions= [
    ReactQuestion(
      question="计算 (25 + 17) * 3 - 8 的结果，并验证答案是否为偶数",
      ground_truth="118，是偶数",
      context=""
    ),
    ReactQuestion(
      question="搜索 Python 语言的创建者，并说明他创建 Python 的年份",
      ground_truth="Guido van Rossum，1991年",
      context=""
    ),
    ReactQuestion(
      question="搜索世界上最高的山峰名称和海拔高度，然后计算如果一个人每天爬升500米，需要多少天才能到达顶峰",
      ground_truth="珠穆朗玛峰，8849米，需要约18天",
      context=""
    )
]

我们在流程的每一步观察输出结果。

• Generator输出

可以看到除了最终答案外，需要看到逐步 Reasoning / 工具调用 / 观察的完整轨迹。

• Reflector输出

基于Generator的输出，结合答案的评估结果（Evaluator），进行诊断与反思，并将此轮的“经验教训”输出。

• Curator输出

Curator根据Reflector的反思结果对Playbook增量更新，并输出本次迭代的“成果”统计（包括操作明细与摘要）。

• 第一轮训练完成后的成果

在第一轮训练完成后可以得到一个可用的初始Playbook：

这个Playbook会用在后续的样本上：复用现有策略或者精炼已有策略。

比如你可能会在下一轮训练中看到对之前“策略”的引用：

也可能在下一轮训练中看到对现有策略的完善：

这正是ACE的意义：不是“每次从零做题”，而是“做一次、学一点，下次更好”。

• 排重

在Playbook增量更新中，我们也观察到重复策略的排除：

• 无监督场景测试

现在，初始的Playbook可以用于新的无监督（无ground_truth）测试样本：

而测试样本在执行过程中，也可能产生新的策略并更新Playbook。

问题与改进方向

现在总结下我们是如何把 Agent 放进一个会“学习”的流程里：

• LangGraph 负责编排
  

• ReAct 负责生成与输出推理轨迹

• Reflector 负责把执行过程转化成“经验”

• Curator 负责把“经验”变成资产（Playbook）

周而复始，你会发现：同一个 Agent，做第二次同类任务，已经更“聪明”了。

【问题与限制】

尽管 ACE 的原型验证取得了一定效果，但目前仍存在若干关键问题：

1. LLM 表现波动大

• Generator 与 Reflector 都严重依赖LLM与提示设计

• 即便相同的模型与提示，不同样本上的输出也可能不一致。特别是在基于 Function Calling 的 ReAct Agent 中，模型会在输出tool_calls后抑制本轮文本输出（content字段），导致“思考过程”或“策略引用”信息缺失

2. 策略增量更新的判定困难

Curator 在执行增量更新时，LLM 对“新增”与“更新”的边界判断并不稳定。常见问题包括：

• 倾向于新增相似策略，而非更新原策略

• 无法可靠检测重复或冲突策略

• 更新内容缺乏上下文一致性

需要引入向量检索 + 相似度阈值（如 0.7）的排重逻辑辅助。

3. 同步反思导致性能瓶颈

Reflector/Curator的同步执行会显著拖慢主流程。在生产场景中，这种“实时复盘”模式并不现实，可以采取异步或延迟执行机制。

【改进方向思考】

1. 异步反思与批量学习

让 Reflector/Curator 异步运行，定期汇总反思结果并统一更新 Playbook，从而提升在线响应速度，同时保持学习闭环。

2. 领域化与定制化调优

ACE 不是一个“固定模板”，而是一种可演化的工程思想。在不同场景中，它的重心也会不同。比如，不同类型的智能体需要不同的反思与策略重点：

• 工具型智能体：更关注工具调用逻辑、参数安全、错误恢复

• 知识型智能体：更注重专业知识积累、对话一致性与合规性

因此，实际落地时需根据业务场景、模型能力与目标指标进行调优。

3. Playbook 的生命周期管理

未来的策略库应支持：

• 更完善的质量评分与退化淘汰机制

• 版本管理与回滚（方便做 A/B 测试）

• 并发一致性控制（多任务下策略更新冲突）

• 检索优化（如何更好的选择最相关的策略）

  
  

5. 扩展性与组件化设计

• 可扩展/插拔的 Evaluator/Reflector 等模块

• 可替换的 Prompt 模板与策略过滤器

• 面向不同领域的 Playbook 预设（如财务、科研、客服等）

  
  

ACE提出了一种创新思想，它不再依赖模型的训练，而是让Agent自我”训练“，通过不断迭代更新的上下文实现自我提升。这篇原型实现只是一个起点，我们还是期待在更多真正的生产应用里看到其实际的运行效果。