autocontext的6大Agent角色大揭秘:Competitor、Coach、Curator如何分工协作
autocontext的6大Agent角色大揭秘:Competitor、Coach、Curator如何分工协作
autocontext 是一个递归自我改进的 Agent 强化框架(self-improving harness):给它一个目标,它会反复运行任务、评估结果、沉淀经验、淘汰死路,并把教训留给下一代迭代。支撑这套"越跑越聪明"机制的,正是它内部的 6 大 Agent 角色——Competitor、Analyst、Coach、Architect、Curator、Translator。本文将带你快速看懂这 6 个角色各自干什么、如何协作,以及它们如何"用对模型"帮你省钱。
🎯 先搞懂:为什么 autocontext 需要 6 个角色?
传统 Agent 往往"一个模型干所有事":既解题、又复盘、还改提示词,结果就是——好的模型太贵,便宜的模型又不够强。
autocontext 的思路是按职责拆角色(role-routing-contract.json 定义了这套契约):
- 解题这种"重脑力活"交给 frontier 级大模型;
- 复盘、沉淀经验交给 mid_tier 模型;
- 整理知识、解析格式这类"体力活"交给 fast 级小模型。
每个角色都可以独立指定 provider 和模型(如 COMPETITOR_PROVIDER、MODEL_COACH 等环境变量,见 settings.py),实现能力与成本的精准匹配。
📋 6 大角色总览:一张表看懂分工
| 角色 | 定位 | 默认模型档位 | 核心产物 |
|---|---|---|---|
| Competitor | 解题选手 | frontier | 策略方案(strategy) |
| Analyst | 数据诊断师 | mid_tier | 发现、根因、建议 |
| Coach | 经验教练 | mid_tier | playbook、lessons、hints |
| Architect | 系统架构师 | frontier | 新工具、harness 改进 |
| Curator | 知识管理员 | fast | 知识准入/合并/评分 |
| Translator | 格式翻译官 | fast | 结构化 JSON 策略 |
各角色的 Runner 实现分别位于 competitor.py、analyst.py、coach.py、architect.py、curator.py 和 translator.py,输出契约统一收敛在 contracts.py。
🏃 角色一:Competitor —— 冲锋陷阵的"解题选手"
Competitor 是整个循环的主角:拿到任务后,它负责产出具体的解决策略(CompetitorOutput 包含策略、推理过程和是否代码策略的标记)。
它的三个关键能力都写在 competitor.py 里:
run:基于任务和工具提示产出初版策略,温度固定在 0.2,保证稳定;revise:当输出不合格时,把修正意见追加到原提示后带着反馈重跑;refine_strategy:根据评测反馈做策略精化——这是 autocontext "递归自我改进"的核心动作。
可以理解为:Competitor 是那个"下场踢球"的人,踢得好不好,后面 5 个角色都围着它转。
🔍 角色二:Analyst —— 复盘数据的"诊断师"
一轮任务跑完留下了 trace、得分和产物,但"哪里做错了、为什么错"需要专人分析。这就是 Analyst 的活。
它带着一套结构化输出契约(ANALYST_SCHEMA,见 analyst.py),每次复盘强制输出三样东西:
- findings:发现了什么;
- root_causes:根本原因是什么;
- recommendations:下一轮应该改什么。
这种"约束式输出"让复盘结果可直接被程序消费,而不是留下一段没人看的自由文本。
📖 角色三:Coach —— 沉淀经验的"教练"
如果说 Analyst 回答"这轮哪里错了",Coach 则回答"下一轮怎么赢"。它的输出被切成三段(coach.py):
| 产物 | 作用 |
|---|---|
| playbook(作战手册) | 长期有效的打法,写入 knowledge/<scenario>/playbook.md |
| lessons(教训清单) | 从失败中提炼的具体教训 |
| competitor_hints | 直接喂给 Competitor 的下轮提示 |
值得注意的是一个工程细节:Coach 的输出必须带 <!-- PLAYBOOK_START --> 等标记;如果模型截断或格式跑飞,autocontext 会宁可丢弃也不写入半截手册(fail-closed),防止污染后续所有迭代。
🏗️ 角色四:Architect —— 改造系统的"架构师"
前三个角色改进的是"内容",Architect 改进的是"装备"。它审视整个运行环境,产出两类提案(architect.py):
- 新工具(tool specs):每个提案含
name / description / code三个字段,可解析、可校验; - harness 改进(harness specs):对执行框架本身的结构性变更建议。
而且这些改动不会立即生效——它们先成为不可变的候选,要通过对照试验验证有效后才被"提升"上线。这正是 autocontext 防止自我改进跑偏的护栏之一。
📚 角色五:Curator —— 知识仓库的"图书管理员"
经验越攒越多,必然出现重复、过时甚至互相矛盾的内容。Curator 就是负责"断舍离"的角色。
它的判决非常干脆(curator.py):
- decision:
accept(接受)/reject(拒绝)/merge(合并); - score:1–10 的质量评分;
- consolidated_lessons:合并去重后的教训清单,并报告删除条数。
由于只做整理不做推理,Curator 用 fast 档小模型即可胜任——便宜、快速、效果不打折。
🔄 角色六:Translator —— 格式守门的"翻译官"
Competitor 常以自由文本输出策略,但程序执行需要严格的 JSON。Translator 就干一件事:把自由文本转成符合策略接口的 JSON(translator.py)。
它还有一个巧妙的省钱设计:先尝试确定性解析(deterministic extract),能直接提取成功就完全不调用 LLM(零 token 成本);失败才降级到 fast 模型以温度 0.0 做翻译。
⚙️ 协作全景:一次迭代中的 6 大角色流水线
这 6 个角色由 orchestrator.py 按固定序列调度,一次迭代(generation)大致如下:
- Competitor 产出策略 → Translator 转成 JSON 执行;
- 任务评测打分,留下 trace 与产物;
- Analyst 诊断本轮得失;
- Coach 更新 playbook / lessons / hints,供下一轮 Competitor 使用;
- Architect 视情况提案新工具或 harness 改进(走候选验证流程);
- Curator 对新增知识做准入裁决与合并。
最终所有成果以文件系统形式落盘(见 README.md):
runs/<run_id>/
├── trace.jsonl
├── generations/<n>/{strategy.json, analysis.md, score.json}
└── report.md
knowledge/<scenario>/
├── playbook.md
└── hints.md
可检查、可 diff、可重放——这就是 autocontext "文件系统优先"的设计哲学。
💰 省钱秘诀:角色路由(Role Routing)
autoctx 内置了能力与成本感知的角色路由(role_router.py):设置 AUTOCONTEXT_ROLE_ROUTING=auto 后,每个角色按契约表自动选择 provider 档位,优先级为"首选档 → 本地模型":
| 角色 | 首选档位 | 成本/1k tokens |
|---|---|---|
| competitor / architect | frontier | $0.015 |
| analyst / coach | mid_tier | $0.003 |
| curator / translator | fast | $0.001 |
| 任何角色(有本地蒸馏模型时) | local | $0 |
也就是说:最贵的模型只花在解题和架构上,90% 的"杂活"由便宜模型或本地模型承担。契约中甚至预置了 tier_opus_model / tier_sonnet_model / tier_haiku_model 等档位映射,方便你按预算微调。
🚀 快速上手:30 秒跑起来
uv tool install autocontext
AUTOCONTEXT_AGENT_PROVIDER=pi \
AUTOCONTEXT_PI_COMMAND=pi \
autoctx solve "improve customer-support replies for billing disputes" --iterations 3
跑完后打开 runs/ 目录,你就能看到 Competitor 的策略、Analyst 的复盘和 Coach 的 playbook 如何一轮轮演进——6 大角色的协作成果一目了然。
✅ 总结
- Competitor 解题、Analyst 诊断、Coach 沉淀经验、Architect 升级装备、Curator 管理知识、Translator 守格式——6 个角色各司其职,构成一条完整的自我改进流水线;
- 角色拆分不只是"分工",更是成本工程:贵模型做重活,便宜模型干杂活;
- 全部知识以文件系统落盘,可检查、可 diff、可重放,让"自我改进"变得透明可控。
想深入了解各角色的提示词与约束机制,可以阅读 prompts/templates.py;想查看完整角色路由契约,参考 role-routing-contract.json 和 role-routing-capability-baseline.json。