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。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：
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。
- 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。
- 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。
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）。
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。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
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。每个策略包含有内容、分类标签、使用反馈与实践信息等。class Strategy:
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
...
"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”。
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：
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。- 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
"""
return create_agent(
model=f"openai:{self.model_name}",
tools=self.tools,
system_prompt=self._get_system_prompt(question, context)
)
为了方便后续Reflector的“复盘”，要求ReAct在每轮：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。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？」- 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。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？
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。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：【输出结构（建议）】
from dataclasses import dataclass
from typing import List
@dataclass
class StrategyTag:
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。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）
from dataclasses import dataclass
from typing import List, Dict, Any
@dataclass
class CurateOperation:
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
class CurateResult:
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。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）。
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",
lambda state: "evaluator"if state["react_question"].ground_truth else"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)
return workflow.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。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。
# 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=""
)
]
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。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）。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：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”。在Playbook增量更新中，我们也观察到重复策略的排除：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。现在总结下我们是如何把 Agent 放进一个会“学习”的流程里：
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。
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
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。
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：
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
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。
粤ICP备14082021号
免费POC，
零成本试错
