Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com8. Dezember 2025 · Q011339

Agentic Context Engineering (ACE): The Powerful New Way for LLMs to Self-Improve

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt ACE als Methode vor, Sprachmodelle über ein laufend gepflegtes Kontext-Playbook statt über erneutes Training ihrer Gewichte anzupassen. Der Autor berichtet von Leistungs- und Effizienzgewinnen, doch fehlen im Text ausführliche Angaben zu Versuchsaufbau und Vergleichsbedingungen, sodass sich die Zahlen nicht unabhängig einordnen lassen.

Mittel

Der Bericht beschreibt Agentic Context Engineering (ACE) als Ansatz, Sprachmodelle durch ein sich entwickelndes Kontext-Playbook anzupassen, ohne die Modellgewichte neu zu trainieren. Dieses Playbook sammelt Strategien, Formeln und Fehlerhinweise und wird in drei Schritten gepflegt: Ein Generator bearbeitet Aufgaben, ein Reflector wertet Erfolge und Fehler aus, und ein Curator führt neue Erkenntnisse zusammen, entfernt Dopplungen und kürzt wenig hilfreiche Einträge. Zähler für hilfreiche und schädliche Inhalte sollen die Änderungen nachvollziehbar machen.

Der Artikel zeigt Installations- und Python-Beispiele für Offline- und Online-Anpassung sowie Evaluation. Er bezeichnet ACE als modellunabhängig und führt unter anderem OpenAI, DeepSeek, Together, SambaNova und lokale Modelle an. Als Leistungswerte nennt der Autor Verbesserungen bei Agentenaufgaben und Finanz-Reasoning sowie niedrigere Latenz und Tokenkosten; außerdem behauptet er Vorteile gegenüber GPT‑4.1 in schwierigen AppWorld-Testsplits.

Der Text liefert keine ausführlichen Angaben zu Versuchsaufbau, Vergleichsbedingungen oder Unsicherheit der Zahlen. Die Ergebnisse und Aussagen zur Effizienz sind daher Behauptungen des Artikels, deren Übertragbarkeit sich aus der Darstellung allein nicht bestimmen lässt.

Ausführlich lesen

Der Bericht stellt Agentic Context Engineering (ACE) als Methode vor, mit der sich Sprachmodelle durch Veränderungen ihres Kontexts anpassen sollen, ohne ihre Modellgewichte neu zu trainieren. Der Autor beschreibt den Kontext als fortlaufend gepflegtes „Playbook“: eine strukturierte Sammlung von Strategien, Formeln und häufigen Fehlern, die bei der Bearbeitung von Aufgaben ergänzt und überarbeitet wird. Damit soll ACE laut Artikel die Kosten und Verzögerungen des Fine-Tunings sowie Probleme mit langen Systemprompts und ungeordneten Erinnerungen verringern.

Der Ablauf besteht aus drei Rollen. Ein Generator bearbeitet Aufgaben und erzeugt dabei Lösungswege, Erfolge und Fehler. Ein Reflector untersucht diese Verläufe und leitet daraus nützliche Vorgehensweisen, wiederkehrende Muster und zu vermeidende Fehler ab. Ein Curator pflegt das Playbook, indem er Einträge zusammenführt, Duplikate entfernt und wenig hilfreiche Inhalte zurückschneidet. Zähler für hilfreiche und schädliche Einträge sollen die Entwicklung nachvollziehbar machen. Der Artikel vergleicht das Verfahren mit Git: Erkenntnisse würden als kleine Änderungen statt als vollständige Neufassung des Prompts eingepflegt. Das Ergebnis soll als Textdatei lesbar, bearbeitbar und prüfbar bleiben; selektives Verlernen wird ebenfalls als Möglichkeit genannt.

Zur Nutzung zeigt der Bericht Installationsbefehle, eine Python-Konfiguration und Beispiele für Offline-Anpassung, Online-Anpassung und reine Evaluation. Für andere Anwendungsgebiete soll eine schlanke Datenverarbeitungsklasse genügen. ACE übernehme danach unter anderem parallele Auswertung, Playbook-Pflege, Protokollierung und Checkpoints. Ein Finanzbeispiel verweist auf einen Runner für FiNER beziehungsweise XBRL-Aufgaben. Der Artikel bezeichnet ACE als modellunabhängig und nennt OpenAI, Together, SambaNova, DeepSeek sowie lokale Modelle als mögliche Anbieter oder Umgebungen.

Als Ergebnisse führt der Autor Verbesserungen von 10,6 Prozent bei Agentenaufgaben und 8,6 Prozent beim Finanz-Reasoning an. Außerdem nennt er je nach Betriebsart Latenzsenkungen von 82,3 Prozent offline beziehungsweise 91,5 Prozent online sowie 83,6 Prozent geringere Tokenkosten; an anderer Stelle fasst er die Latenzreduktion mit 86,9 Prozent und die Kostensenkung mit 83,6 Prozent zusammen. Der Beitrag behauptet zudem, ACE übertreffe GPT‑4.1 bei schwierigen AppWorld-Testsplits, obwohl ein kleineres Open-Source-Modell verwendet werde.

Die Darstellung ist eine Einführung mit Codebeispielen und Leistungsbehauptungen. Im Bericht werden jedoch keine detaillierten Versuchsaufbauten, Vergleichsbedingungen, Datengrundlagen oder Unsicherheitsmaße zu diesen Zahlen erläutert. Die genannten Resultate sind daher als Angaben des Autors wiederzugeben; ihre Übertragbarkeit lässt sich anhand des vorliegenden Textes nicht beurteilen. Auch die Aussage, das Playbook wachse stetig, ohne in Rauschen zu verfallen, wird als Funktionsversprechen präsentiert, nicht durch hier ausgeführte Langzeitergebnisse belegt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Es lagen zwei Fassungen von Lunas Zusammenfassung vor (kurz und mittel); beide wurden gemeinsam geprüft, sie sind inhaltlich treu, lassen aber die konkreten Kennzahlen und die Unlearning-Aussage aus. Die Einordnung stützt sich nur auf den Berichtstext; die Anteilsangaben in Lunas Einordnung wurden nicht übernommen.

Im Bericht, aber nicht in der Zusammenfassung

  • Die konkreten Kennzahlen des Berichts (+10,6 % Agentenaufgaben, +8,6 % Finanz-Reasoning, −86,9 % Latenz, −83,6 % Kosten, −82,3 % bzw. −91,5 % Latenz, −83,6 % Tokenkosten)
  • Die Aussage, ACE unterstütze selektives Verlernen (selective unlearning) und erzeuge menschenlesbares Lernen
  • Die Kernbegriffe Delta-Updates (kleine gezielte Änderungen statt Neuschreiben der Prompts) und die Gleichsetzung mit Git für LLM-Reasoning

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 26 %Hintergrund, keine Belege
    • Luna 38 %einzelne zitierbare Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-T3-T08 Welche kontrollierten Versuche können Labore heute machen, um Selbstverbesserung nachzubilden, ohne eine unbeabsichtigte Beschleunigung zu riskieren? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 33 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 44 %einzelne zitierbare Belege
    • JEV 39 %beantwortet teilweise oder widerspricht
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 58 %einzelne zitierbare Belege
    • JEV 23 %beantwortet teilweise oder widerspricht
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-H3-T06 Welcher unabhängig prüfbare Mindestbeleg zeigt, dass eine bestimmte Person, Organisation oder ein geschützter Datensatz aus einem veröffentlichten Modell und seinen Adaptern (Zusatzmodulen) verlernt wurde, und welches Restrisiko einer Extraktion lässt sich womöglich nie auf null senken? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 53 %Hintergrund, keine Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 54 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →