Context Engineering已经不够用了：Mind Lab提出Context Learning，让模型真正「越用越聪明」
当所有人都在卷Context Engineering的时候，Mind Lab说：该往前走一步了。
2025年，AI Agent开发圈最火的概念是什么？
毫无疑问是Context Engineering。从Manus的经验分享到Anthropic的官方指南，整个行业都在研究如何给模型塞入更好的上下文——更精准的RAG检索、更丰富的工具调用、更完善的MCP协议。
但一个尴尬的事实正在浮现：Benchmark分数一路飙升，真实任务的体验却在原地踏步。
比如，经过高度打磨的GPT-4o在情感智能和上下文感知上，往往比某些纯粹为刷分而训练的新模型表现更好。这说明，预训练的边际收益正在递减，进步不再只是「更多数据+更多算力」的事了。
刚刚，Mind Lab发布了一篇重磅研究博客，提出了一个核心论断：
AI Agent开发正处于拐点——从Context Engineering走向Context Learning。
简单说就是：别只是给模型「用」好的上下文了，要让模型「学会」上下文，把临时的增益变成永久的能力。
真正的瓶颈：模型不是不够强，是不会「长大」
Mind Lab在博客中指出了当前Agent开发的核心矛盾：
瓶颈不再是模型开箱即用有多强，而是模型能否从真实使用中持续变强。
这话乍一听像「正确的废话」，但细想很有深意。
当前主流的Agent架构已经相当成熟——Skills、MCP、多智能体协作、RAG、文件存储，应有尽有。这些架构能让我们快速利用前沿模型执行复杂任务。
但问题是：这些全是「临时增益」。
每次新查询来了，Agent都要重新检索、重新组装上下文。检索失败？Agent就像失忆了一样，从头开始。你跟它聊了一个月的项目细节，它下次还是不认识你。
Agent RL的三大支柱，最难的一根还没立起来
Mind Lab将智能体强化学习（Agentic RL）的能力分为三大支柱：
支柱 | 现状 | 代表 |
推理 | 已有成熟方案 | DeepSeek-R1、Chain-of-Thought |
工具使用 | 已有成熟方案 | Claude MCP、Computer Use |
记忆 | 还没解决 | —— |
推理和工具使用都有了清晰的技术路径和成功的商业产品。但记忆——这个最终决定用户体验的能力——仍然是硬骨头。
工作记忆（上下文窗口内的内容）不难处理。真正的摩擦在于长期记忆：用户习惯、偏好、约束、历史上下文的积累。
Mind Lab认为，真正的长期记忆必须是参数化的。LLM本身就是终极的参数化记忆引擎——它完美记住了世界的通用知识，但偏偏记不住「我」，也维护不好「我的产品」的稳定特征。
为什么长期记忆这么难训练？Mind Lab指出两个核心障碍：
1. 信用分配难题：今天的正确输出，很难追溯到几个月前学到的某个具体事实。
2. 缺乏可验证奖励：不像数学和代码——对错一目了然——记忆质量是主观的、长周期的、难以量化的。
结果就是，大多数团队只能退回到Context Engineering，靠检索来凑合。
Context Distillation：把「上下文增益」写进参数
Mind Lab提出的解法叫做Context Distillation（上下文蒸馏）。
核心思想用一句话概括：如果Context Engineering能让模型在测试时变好，能不能把这种增益系统性地编码进模型参数，让它即使没有外部上下文也能保持这种能力？
具体怎么做？
纯查询生成：模型仅根据查询生成一个on-policy输出（不给上下文）
上下文评分：用查询+上下文（RAG结果、工具反馈、示例等）对这个输出进行token级别的打分
RL式更新：用这个打分信号作为奖励，对模型参数做强化学习更新
def context_distill(model, query, build_context, rl_update): # Step 1: 纯查询生成on-policy rollout out = model.sample(query) # Step 2: 查询+上下文生成token级奖励 ctx = build_context(query) r_tok = model.token_reward(query, ctx, out) # Step 3: RL式参数更新 return rl_update(model, query, out, r_tok)
关键区别：上下文只用来打分，不作为训练输入。这是一种on-policy的蒸馏方式，与传统的off-policy上下文蒸馏（先用上下文生成目标，再用SFT学习）有本质不同。
Context Learning：持续学习的闭环
把Context Distillation串成连续循环，就得到了Context Learning。
对每一个真实查询：模型生成输出→自我评估→更新参数。一轮接一轮，这就是经典的**策略迭代（Policy Iteration）**过程。
def context_learning(model, queries, build_context, rl_update, steps): for _ in range(steps): model = context_distill(model, next(queries), build_context, rl_update) return model
这个循环之所以有效，依赖于**测试时缩放定律（Test-Time Scaling Law）**的两个维度：
更多推理计算：额外的测试时推理产生更好的决策和检查
更多信息：更丰富的上下文（RAG、工具反馈）弥补信息缺口
举个例子：一个基于RAG的记忆系统。查询A来了，系统检索到相关记忆M1-M5。模型先不看记忆生成回复，再用查询+M1...M5对自己的回复打分，更新一次参数。查询B、C接踵而至，循环重复。每一步都把临时上下文转化为参数化技能。
三个被重塑的Agent体验
Mind Lab认为，Context Learning将改变我们构建和使用AI的方式。
一、Agent开发的新分工
过去做Agent开发，需要手工设计奖励函数、反复对抗奖励黑客。
Context Learning改变了这个分工：产品经理和工程师只需要专注于构建更好的Context Engineering管线（更好的检索、工具编排、推理触发器）。这个管线自然产生学习信号，模型自动内化。
从「系统设计」到「持久能力」的路径被大幅缩短。轨迹不再是用完即弃的日志，而是可复用的成长燃料。
二、自迭代与自进化
很多现代系统已经能够反思错误、从智能体轨迹中生成可复用的技能。在Context Learning范式下，这些动态生成的技能不仅仅保存为文本文件等待未来检索——它们直接成为训练输入。
系统级进化和模型级进化被打通了。动态发现的技能变成了稳定的参数化知识。
三、真正的个性化
真正的个性化模型一直遥不可及——因为为个体偏好定义干净的目标函数几乎不可能。
Context Learning提供了一条实际路径：构建个性化管线，检索用户特定记忆作为上下文，通过反复的on-policy更新，逐步将偏好编织进模型参数。
配合LoRA等参数高效微调技术，每个用户都可以维护一个个人LoRA适配器（100MB–1GB），持续更新、与用户共同进化。
Mind Lab在做什么？
Mind Lab目前正在围绕Context Learning展开广泛实验，聚焦三个方向：
个性化质量
高级参数化记忆
长周期编程任务
Mind Lab的核心愿景是体验智能（Experiential Intelligence）：让模型从真实用户和真实产品中持续学习。Context Learning正是闭合这个循环的关键——把临时的测试时增益转化为永久的训练时成长。
本文核心贡献者：Andrew Chen、Pony Ma。
写在最后
从Context Engineering到Context Learning，表面上只多了一个词，背后是AI Agent开发范式的根本转变。
Context Engineering问的是：怎么给模型用好上下文？
Context Learning问的是：怎么让模型学会上下文？
前者是手动喂饭，后者是教会自己吃饭。
Mind Lab认为，这是通往真正持续学习的具体一步——模型不再只是工具，而是真正「和你一起成长」的伙伴。
你觉得Context Learning能解决AI Agent的「失忆」问题吗？欢迎在评论区分享你的看法。
博客原文：https://macaron.im/mindlab/research/from-context-engineering-to-context-learning
参考链接：
https://macaron.im/mindlab/research/from-context-engineering-to-context-learning
https://macaron.im/mindlab/research/building-ai-that-learns-from-real-experience
© THE END