摘要
Context Engineering 是为模型构造、筛选、维护和呈现任务上下文的系统性方法，目标是在长时任务中保留必要状态，同时避免把全部历史无差别塞入上下文窗口。（来源：Harness Engineering for Self-Improvement）
核心内容
定义
它把上下文视为可演化的结构化资产，并通过搜索、选择、过滤、格式化和持久化等操作维护其生命周期。（来源：Harness Engineering for Self-Improvement）
关键要点
- ACE 通过生成、反思和整理三个角色增量维护结构化 playbook，避免反复重写整块提示造成信息坍缩。（来源：Harness Engineering for Self-Improvement）
- MCE 进一步区分“如何管理上下文”的机制与“上下文中有什么”的内容，在元层优化技能、在基础层优化任务上下文。（来源：Harness Engineering for Self-Improvement）
- 文件系统可承载长期记忆、执行轨迹和产物，让模型按需检索，而非让所有状态常驻当前对话。（来源：Harness Engineering for Self-Improvement）
- 诊断上下文失败时，应区分 harness 压缩删除了必要信息，还是信息仍然可用但模型出现目标漂移或状态跟踪失败；两者需要不同修复。（来源：Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures）
- Meta-Harness 把这种按需访问推进到优化器本身：proposer 从文件系统选择性读取所有候选的代码、分数与 raw traces。完整接口在文本分类搜索集上的中位/最佳准确率为 50.0%/56.7%，高于 scores-only 的 34.6%/41.3%，说明预先压缩反馈会丢失可用于长程归因的信息。（来源：Meta-Harness: End-to-End Optimization of Model Harnesses，表 3，p.7）
- Computer-use 观察也有明显预算权衡：OSWorld 的单次 a11y observation 在 90 分位达到 6343.60 tokens；增加历史对 Set-of-Marks 基线有帮助，却让 screenshot-only 的长历史表现下降，说明“更多上下文”不是单调收益。（来源：OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments，§5.2）
适用范围与边界
尤其适合长时、多阶段、可中断的智能体任务。它不能自动保证信息正确，仍需来源追踪、去重、评估与失效信息清理机制。（来源：Harness Engineering for Self-Improvement）
分歧与演变
上下文工程究竟长期属于外部软件层，还是会成为模型智能的一部分，文章认为仍是开放问题。（来源：Harness Engineering for Self-Improvement）
相关页面
- 上位概念：Harness Engineering
- 相关概念：Self-Improving Harness、Agent Failure Localization、Computer-Use Agent
- 相关实体：Lilian Weng、Interaction-Centric Agent Failure Taxonomy、Meta-Harness、OSWorld
- 相关主题：LLM Agent Self-Improvement、Browser and Computer-Use Agents
来源
- Harness Engineering for Self-Improvement
- Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures
- Meta-Harness: End-to-End Optimization of Model Harnesses
- OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
待核实问题
- ACE 与 MCE 的具体实验结论尚待核对各自原论文；Meta-Harness 已完成 v1 全文核对。