CatalogAgent：以主管中介的自学习系统为GenAI模型实现上下文工程

商品目录是电商网站的骨干，但大量结构化属性（SA）——如材质、颜色与形状——常有缺失值。通常SA值从商品信息（含标题与描述）抽取。虽然基于LLM的生成器—评估器框架已在SA预测上展示有效性——LLM生成SA值、另一个评估——但当生成器与评估器产出冲突输出时它们面临挑战，因为任一组件都可能出错。我们介绍CatalogAgent：一个持续改进电商目录富化之生成器与评估器模型的新型智能体系统。当分歧源自(1)基于LLM的生成器与评估器之间的内部冲突，或(2)卖家对LLM输出的外部反馈时，主管智能体介入调解冲突并做最终决策。系统还纳入记忆库与记忆摘要器：存储主管智能体来自个案的活动并把模式聚合为学习；这些学习反馈给工作的生成器与评估器LLM，实现无人干预的自改进。经上下文工程——把学习与洞见注入工作LLM的上下文——系统成功把主管的能力转移给生成器与评估器，分别提升其表现15.24%与13.98%。实验展示主管智能体中介的自学习系统改进生成式AI模型准确性的新范式。