SAGE：基于智能体引导探索的随机提示优化

上下文工程已成为无需参数更新即可提升 AI 系统性能的关键手段。针对文本梯度非真实梯度的问题，本文提出随机提示优化（SPO）框架，将自动提示优化视为黑盒搜索。研究比较了三种策略：误差 informed 随机搜索、遗传算法及 SAGE（基于智能体引导探索的 SPO）。SAGE 采用包含诊断代码执行的多智能体流水线。实验表明，不同策略效果取决于景观结构与误差类型的交互。此外，SAGE 在心理健康聊天机器人的持续优化中，通过八轮噪声 A/B 测试显著提升了次日留存率，证明了定性诊断与定量验证结合的有效性。