基于智能体技能进化的元上下文工程

大语言模型的运行效能高度依赖推理时上下文。现有上下文工程方法依赖人工设计的固定流程，限制了优化空间。本文提出元上下文工程（MCE），一种双层框架，通过协同进化上下文工程技能与上下文工件来超越静态启发式方法。在 MCE 迭代中，元级智能体通过智能体交叉和对历史技能、执行及评估的审慎搜索来优化工程技能；基级智能体则执行这些技能，从训练轨迹中学习，并将上下文优化为灵活的文件和代码。实验表明，MCE 在五个不同领域均取得显著性能提升。