Overview
Meta Context Engineering（MCE）把 Context Engineering（CE）从「人工固定 harness + 预定 schema」改成可学习的 agentic 能力。它形式化为双层优化：外层演化规定「如何表示与学习 context」的 CE skill；内层在给定技能下优化 context artifact（files 与 code）。与本主题既有的任务技能库（Voyager / AutoSkill / MUSE 等）不同，MCE 的技能对象是 做 CE 的策略本身，而 ACE、GEPA 等静态 CE 管线被看作该设计空间里的单点。
代码仓库：ace-agent/ace。
双层问题与编排
Context 函数 (c) 由静态组件 (\rho) 与动态算子 (F)（检索、筛选、格式化等）组成。MCE 引入技能 (s)，由 base-agent 执行得到 (c_s)，并求解：
[ s^{}=\arg\max_{s} J_{\mathrm{val}}(c_{s}^{})\quad\text{s.t.}\quad c_{s}^{*}=\arg\max_{c_{s}} J_{\mathrm{train}}(c_{s};s). ]
编排采用 history-informed ((1+1))-ES：每轮 meta-agent 生成一个 offspring skill → base-agent 产出 context → 用验证集与当前最优比较并保留更优者；技能历史 (\mathcal{H}) 记录 ((s,c,J_{\mathrm{train}},J_{\mathrm{val}}))。meta / base 均使用通用工具集（Read / Write / Edit / Bash / Glob / Grep / TodoWrite），权限按角色与迭代限定。
Meta：Agentic Skill Evolution
Agentic crossover 相对固定遗传重组：LLM agent 审议任务规格 (\tau)、任意检查历史技能文件夹与执行评估，再合成新技能。技能在 workspace 中是文件夹，实践中可含：自然语言方法论、可执行脚本、结构化模板、验证协议、以及按 query 过滤/组装的动态检索算子。
作者观察：演化技能会调节自主性与粒度（刚性工作流 vs 全权委托）、按任务与模型容量调节 verbosity，并利用 train/val 信号监测过拟合、偏向泛化。
Base：Files/Code 上下文工件
Base-agent 在技能文件夹、上一轮最优 context、训练 rollouts 与可选 LLM/embedding 工具下执行 Engineer，把 context 写成目录中的静态知识与动态算子代码，而不预置 itemized list 等 schema。这与 ACE 的 generation–reflection–curation 固定管线形成对照：后者可被 MCE 重建，但不是唯一点。
实证要点
五域评测（FiNER、USPTO50k、Symptom2Disease、LawBench、Aegis2.0），主生成器 DeepSeek-V3.1（Aegis2.0 用 Qwen3-8B）。相对 base 的 Avg. Rel. Gain（Table 1）：offline MCE 89.1（ACE 70.7，GEPA 61.5）；online MCE 74.1（ACE 41.1）。相对 SOTA agentic CE 的相对改进为 5.6–53.8%（均值 16.9%）。相对 DeepSeek-V3.1 base，offline / online 平均相对提升分别为 89.1% / 74.1%，并分别高出 prior SOTA 18.4% / 33.0%（相对改进口径，见原文 Introduction）。
| Method | FiNER Acc.% | USPTO50k Acc.% | Symptom2Disease Acc.% | LawBench Micro-F1 | Aegis2.0 F1 | Avg. Rel. Gain% |
|---|---|---|---|---|---|---|
| Base | 58.0 | 6.0 | 63.7 | 0.36 | 0.54 | – |
| ACE (offline) | 71.0 | 18.0 | 79.2 | 0.65 | 0.68 | 70.7 |
| MCE (offline) | 75.0 | 20.0 | 89.2 | 0.70 | 0.80 | 89.1 |
| ACE (online) | 64.0 | 13.0 | 62.3 | 0.63 | 0.57 | 41.1 |
| MCE (online) | 68.0 | 20.0 | 76.4 | 0.66 | 0.63 | 74.1 |
适应性：有效 context 长度可随任务约在 1.5K–86K tokens（FiNER 最优约 1.5K / 20K；LawBench / USPTO50k 可达 44K / 86K）。FiNER 效率：约 1.5K tokens 时 MCE-S 73% vs ACE Step-20 的 65%；MCE-L 20K tokens 达 75%，高于 ACE 5 epoch 的 70%（约 79K tokens）。训练：FiNER 上 MCE 5 epoch 约 1.9 hours vs ACE 25.8 hours（约 (13.6\times)）；达 95% train acc 约 450 rollouts vs ACE 峰值 94% 的 2169（约 (4.8\times) 更少）。强→弱迁移时，MCE 的 Avg. Rel. Drop 通常低于 ACE（如至 Qwen3-8B：Table 2 中 MCE 为 17.1，ACE 为 23.6）。
消融：online 的 MCE (w/o skills) Avg. Rel. Gain 为 Table 1 的 71.3，完整 MCE 为 74.1，说明技能演化有贡献但 base agentic CE 已很强。
局限与主题定位
作者自述：更利于领域知识与模式匹配；对已有强反思 harness 的推理密集型任务、以及超长复杂 trajectory 的细粒度 credit assignment 可能不占优。评测域是垂直 CE benchmark，不是 SkillsBench；与 Ratchet / MUSE 关于「LLM 自写任务技能」的争议互补，不宜直接对撞。
相对本主题：MCE 把「技能」抬到 学习算法 / harness 层，用验证信号做技能级选择，而不是任务技能库的 librarian（add/merge/retire）。表示上仍落在可执行文件夹技能，与 Skill Library 中 Agent Skills 传统一脉。