Agentic Context Engineering（ACE）是斯坦福大学、SambaNova Systems和加州大学伯克利分校的研究者们提出的创新框架，通过动态优化输入信息（即“上下文”）来提升大型语言模型（LLM）的性能。能让语言模型在不改变原有参数的情况下，通过优化输入的上下文来自我提升性能。通过三个模块协同工作：生成器产生解决方案，反思器提炼经验教训，整编器将这些经验整合成结构化的知识库。这种方法解决了传统微调耗时耗力的问题，同时避免了上下文简化导致的知识丢失。实验显示，ACE在智能体任务和金融分析等场景中表现优异，性能提升显著，且计算成本更低。这项技术为AI系统的持续学习提供了新思路。