autocontext的晋级之门：Elo锦标赛与Backpressure门控如何决定策略去留

autocontext是一个递归自我改进的 agent harness：给它一个目标，它就反复生成策略、跑评测锦标赛、用门控机制决定哪些策略值得晋级。本文带你看清它内部两道关键关卡——Elo 锦标赛与Backpressure 门控——是如何决定一个策略"去"还是"留"的。

🏟️ 为什么策略需要一道"晋级之门"

autocontext 的每一代（generation）都会产出一个候选策略。如果每次都直接采用新策略，分数噪声、偶然超发挥都会污染学习结果；如果门槛太严，系统又会卡死在原地。

所以它设计了一套两级审查：

流程一句话概括：先过锦标赛打分，再过门控裁决——只有拿到advance裁决的策略才会被写入previous_best并保留 Elo 积分，否则走retry或rollback。

🏆 Elo 锦标赛：给挑战者一个"擂台"

对局从哪里来

锦标赛的裁判是 EvaluationRunner，它让候选策略打matches_per_generation场（默认 3 场）对局。对手来自两类：

• baseline 对局：策略跑分超过 0.55 的win_threshold即记一场胜；
• self-play 对局：把本 run 里历史晋级的旧策略当作对手，同种子下比原始分，高者胜、平局记 0.5。

Self-play 池由 self_play.py 维护，是一个"滚动 Top-K 窗口"——只保留历史上最强的若干旧策略。这让系统不是只在固定基线上刷分，而是和自己的过去打，形成协同进化压力。

分数怎么变成 Elo 积分

每场对局结束后，积分按经典 Elo 公式更新，核心实现只有两行函数（elo.py）：

def expected_score(player_rating, opponent_rating): return 1 / (1 + 10 ** ((opponent_rating - player_rating) / 400)) def update_elo(player_rating, opponent_rating, actual_score, k_factor=24.0): expected = expected_score(player_rating, opponent_rating) return player_rating + k_factor * (actual_score - expected)

直觉很好懂：赢了强敌涨得多，赢了弱敌涨得少，输了则反向。锦标赛跑完产出一个EvaluationSummary，其中best_score和elo_after就是下一道关卡的输入。

顺带一提，评分后端是可插拔的（backends.py）：默认elo，也可切换到带不确定性估计的glicko——早期噪声大的候选会因此拿到更"保守"的置信度。

🚪 Backpressure 门控：advance / retry / rollback 三选一

拿到锦标赛结果后，BackpressureGate 做最终裁决，规则只有三条：

delta就是"本代最佳分 − 历史最佳分"，backpressure_min_delta则是那道看不见的门槛。它的名字很形象：给自动改进施加背压（backpressure）——不许为了"有进步"而盲目前进，防止噪声被当成实力。

retry 不是干等，而是"带伤重试"

裁决为retry时，tournament_helpers.py 里的build_retry_prompt会把失败上下文拼进提示词——上一版策略得了多少分、差多少 delta 才够线，再附上 failure_report.py 生成的逐场失败分析，然后让竞品 agent 重做一版。这是"重试即学习"，而非机械重跑。

📈 趋势感知门控：卡在平台上时怎么办

如果连续几代分数都挤在同一区间（进入平台期），死守 0.005 的门槛可能让系统永远卡住。所以默认 preset 用的是升级版 TrendAwareGate，它内置两个"松闸"机制：

1. 平台期检测：最近 3 代分数极差小于min_delta时，门槛自动减半（plateau_relaxation_factor = 0.5）；
2. 连续回滚检测：连续 3 次rollback时同样放宽门槛。

换句话说：平时严格，卡住时自动给一条更窄的缝隙，避免改进循环僵死。

⚙️ 三个 preset：门控松紧一键切换

不同运行目标下，门控策略开箱即配（presets.py）：

想微调时，两个最常动的旋钮都在 settings.py：backpressure_min_delta（门槛高低）和matches_per_generation（样本量多少）。样本越多分数越稳，但 API 成本也越高——这是典型的精度/成本权衡。

📂 关键模块路径速查

小结：两道关卡如何"去留分明"

1. Elo 锦标赛负责"量化实力"——用可复现的种子对局、可插拔的评分后端，把"新策略到底强多少"变成数字；
2. Backpressure 门控负责"裁决去留"——提升过线就advance，没到线就retry（带着失败报告再战）或rollback（回到上一最佳）；
3. 趋势感知与 preset 提供弹性——平台期自动松闸，快速/标准/深度三档一键切换松紧。

这套设计保证了 autocontext 的自我改进是渐进且可回滚的：每一代都有据可查（delta、裁决、原因都落在事件流里），每一分提升都经得起复核。理解了这道"晋级之门"，你就理解了 autocontext 递归自我改进循环里最核心的质量阀门。