PART 5 · Harness 與自我改進
上下文工程：從手寫 Prompt 到自動進化
隨著 Agent 任務變長，上下文管理不再是可選項。它正在成為 Harness 優化的核心戰場。
優化對象的演進
模型越智慧、越強大，我們能優化的目標就越複雜、方法越通用。這條演進線從調 prompt 一路到優化寫優化器的程式碼。
問題：上下文膨脹
簡單追加 = 失控
把所有工具響應和模型生成簡單追加到上下文中，隨著 Agent 任務時長增加會迅速失控。
長上下文研究會持續進步，但目前長上下文智慧和上下文工程往往交織在一起：上下文管理是在 LLM 有限注意力下構建更結構化、簡潔上下文的關鍵層。
長上下文研究會持續進步，但目前長上下文智慧和上下文工程往往交織在一起：上下文管理是在 LLM 有限注意力下構建更結構化、簡潔上下文的關鍵層。
ACE：Agentic Context Engineering
講人話：上下文就是 AI 的工作記憶：它眼前能看到的所有資料。ACE 的思路是：別讓記憶變成一鍋粥，要維護一本條理清晰的工作手冊。做事的人（Generator）照手冊做事，事後檢討的人（Reflector）總結經驗教訓，管手冊的人（Curator）把教訓一條條整理進手冊。手冊越用越精，不會越用越厚。
上下文是不斷演進的劇本，不能任由 Prompt 不斷增長
ACE（Zhang et al. 2025）維護一份結構化的 bullet point 劇本，每條包含 identifier 和 description。三個元件協作維護這份劇本：
元件 1
Generator 生成器
執行任務、生成軌跡，參考劇本中的 bullet points 作為指引。
元件 2
Reflector 反思器
從成功和失敗的軌跡中提煉洞察，萃取經驗教訓。
元件 3
Curator 策展器
用增量的、條目化的 entries 更新結構化上下文，定期精煉去重。
ACE 框架：Generator 生成軌跡 → Reflector 提煉洞察 → Curator 增量更新上下文劇本。（來源：Zhang et al. 2025）
關鍵設計：Curator 輸出結構化的 (identifier, description) 條目，用確定性邏輯合併進劇本，從不重寫整塊 prompt blob。這避免了迭代重寫時的上下文坍縮和簡潔偏差。
MCE：Meta Context Engineering
講人話：ACE 是把手冊整理好，MCE 追問了一個更深的問題：整理手冊的方法本身是不是也能優化？比如按時間排還是按主題排？記大綱還是記細節？MCE 把記什麼（內容）和怎麼記（方法）分開，兩頭一起進化：不僅筆記越來越好，記筆記的方法也越來越聰明。
分離機制與內容，雙層優化
MCE（Ye et al. 2026）在 ACE 基礎上更進一步：將如何管理上下文（機制/Skill）與上下文中有什麼（內容）分離，在兩個層面同時優化。
一個 MCE Skill 定義了上下文函式
• ρ = 靜態元件（prompts、知識庫、程式碼庫）
• F = 動態運算子（搜尋、選擇、過濾、格式化）
一個 MCE Skill 定義了上下文函式
c = F(x; ρ)：• ρ = 靜態元件（prompts、知識庫、程式碼庫）
• F = 動態運算子（搜尋、選擇、過濾、格式化）
下面的公式在說什麼：就兩句話。內層：用當前的記筆記方法，把筆記寫到最好；外層：比較不同的記筆記方法，選出最好的那套方法。先優化內容，再優化方法，輪流來。
雙層優化：
內層: c* = argmax J_train(c; s) ← 給定 skill s，找最優上下文
外層: s* = argmax J_val(c*) ← 找最優 skill（在驗證集上）
Skill 資料庫： H = {(s_i, c_i, J_train_i, J_val_i)} 跟蹤歷史
技能進化： s_new = crossover(task, H) ← Meta-agent 執行 agentic crossover
上下文優化： c_new = engineer(task, s_new; c_prev, Rollouts)
MCE 框架：meta-level 技能進化搜尋上下文管理機制，base-level 優化任務上下文。（來源：Ye et al. 2026）
實現：上下文函式 = 檔案系統中的目錄
MCE 中一個 context function 被實例化為專用目錄中的檔案集合：
• 靜態檔案：
• 動態檔案：上下文資料和 rollout 記錄
meta-level 和 base-level 優化都在標準編碼環境中執行，使用工具集：
• 靜態檔案：
skill.md（儲存任務最重要的知識）• 動態檔案：上下文資料和 rollout 記錄
meta-level 和 base-level 優化都在標準編碼環境中執行，使用工具集：
Read, Write, Edit, Bash, Glob, Grep, TodoWrite
Meta-Harness：優化 Harness 的 Harness
講人話：這是套娃的最外層。ACE 優化筆記內容，MCE 優化記筆記的方法，Meta-Harness 直接優化整個工作台的原始碼。相當於讓 AI 重新裝修整個車間，遠不止換工具、換方法。威力最大，但也最燒算力（每改一版都要完整試執行打分）。
優化對象：決定資訊儲存、檢索和呈現的程式碼
Meta-Harness（Lee et al. 2026）更深一層：被優化的不再是上下文內容。被優化的是決定什麼資訊應該被儲存、檢索和呈現給模型的程式碼本身。它是優化 Harness 的 Harness。
• Proposer 本身是一個編碼 Agent
• 輸出是 Pareto 前沿上的 Harness 候選集合
• 執行歷史透過檔案系統存取：coding agent 用
• 每個提出的 harness 是檔案系統中的字典：包含原始碼、分數、軌跡和狀態更新
• Proposer 本身是一個編碼 Agent
• 輸出是 Pareto 前沿上的 Harness 候選集合
• 執行歷史透過檔案系統存取：coding agent 用
grep/cat 按需讀取，避免全塞進 prompt• 每個提出的 harness 是檔案系統中的字典：包含原始碼、分數、軌跡和狀態更新
Meta-Harness 外迴圈優化演算法：迭代建立新 harness，只保留合格者。（來源：Lee et al. 2026）
Meta-Harness 在文字分類和 TerminalBench-2 上的表現。注意 TerminalBench-2 實驗從已有強 harness 初始化。（來源：Lee et al. 2026）
三種方法對比
ACE
從軌跡中學習
用規則化的 Generator→Reflector→Curator 管線維護結構化 bullet points。更新規則仍手工設計。
MCE
進化管理機制
不固定上下文格式，用 free-form skills 儲存知識，雙層迭代進化 skill 和 context。機制本身可變。
Meta-Harness
優化整個系統程式碼
Proposer 是編碼 Agent，優化對象是 harness 原始碼本身，輸出 Pareto 前沿候選集。最通用但計算最重。
直觀對比：看三種策略逐輪變化
就緒
樸素追加
每輪把所有歷史全部塞進上下文…
ACE 結構化
Curator 只增量寫入結構化條目…
MCE 元進化
Skill 與內容雙層同時進化…
點選上方 執行 10 輪對比，觀察三種策略隨輪次推進的即時變化：誰在膨脹、誰保持穩定、誰越跑越強。
核心教訓：一旦 harness 設計變成可執行的搜尋空間，強編碼 Agent 就能利用人類工程師使用的同一設計空間。上下文工程的未來是讓系統自動學會什麼時候存什麼、怎麼檢索、怎麼呈現，再聰明的手寫 prompt 也只是過渡。