「ACON」可能是你这个月最值得认识的 AI 新名词。它针对一个很烦的问题：AI 常常重复犯同一个错。传统做法是你手动改提示语，改完又在别处出错。ACON 换了一个玩法，让 AI 每次做错就自动总结一条「改进守则」存起，下次遇到同类情况自动套用，越用越少错。本文拆解 ACON 是什么、机制如何运作，以及在企业导入时要注意什么。
什么是 ACON？
ACON 是 2026 年提出的一种技术，全名可理解为「失败驱动的指引优化」（Agent Guideline Optimization from Failure）。它的核心是让 AI Agent 从自己的失败中学习：每当一次任务做错，系统就分析原因，总结出一条以自然语言写成的「守则」，存进一个守则库，供未来同类任务读取套用。目的是把一次性的错误，转化为可长期重用的经验。
它解决什么问题：AI 屡错屡犯
不少人用 AI Agent 时都遇过同一个痛点：它会在相似的地方重复犯错，你纠正了这一次，下一次换个情境又错。根源在于，一般的 Agent 并不会把「这次为何错」记下来，也就无从避免重蹈覆辙。ACON 正是补上这一块，让 Agent 具备「从失败中学习」的能力，而不是每次从零开始。
核心机制：失败驱动的指引优化
ACON 的运作可以理解为一个闭环：Agent 执行任务、遇到失败、分析失败、写出守则、下次套用。当一次执行不达标，系统会检视这次的轨迹，找出关键的失误点，并把「以后遇到这种情况应该怎样做」浓缩成一条清晰的指引。这条指引之后会被纳入 Agent 的守则库，成为下一次决策的参考。
错误如何变成「可重用守则」
ACON 的精髓，是把错误变成资产。每一个失败，经分析后都会沉淀成一条以自然语言写成、人也读得懂的守则，例如「处理这类单据时，先核对日期格式再入账」。这些守则独立于单次对话，长期保存，并在合适的时机被检索出来套用。换言之，Agent 犯过的每个错，都会变成日后不再犯的一条规则。
为什么越跑越稳
因为守则库会随着使用不断累积，Agent 见过的失败越多，可依循的守则就越丰富，重蹈覆辙的机会也越低。这是一个正向循环：越用越多经验，越多经验越少犯错，越少犯错表现越稳。对长期运行、重复性高的工作流而言，这种「越跑越稳」的特性，正是可靠自动化最需要的。
与人手改提示语的分别
传统做法是：AI 出错，你人手去改提示语，改完再等下一个错。这既费人力，也难以覆盖所有情况。ACON 把这个循环自动化：由 Agent 自己分析失败、自己写守则、自己套用。人的角色，从「逐次救火」变成「审视与把关」守则库的品质，效率与覆盖面都大幅提升。
适用场景
ACON 最能发挥价值的，是长期运行、重复性高、且错误有迹可循的 Agent 工作流：自动化客服、资料处理、报表生成、跨系统操作。这些场景会反复遇到相似情况，正好让守则库发挥「一次学会、长期受用」的复利效应。相反，若任务极度一次性、毫无规律，累积守则的价值就有限。
导入注意事项与常见错误
导入时要注意守则库的管理：守则越多，越要防止彼此矛盾或过时，需要定期检视与清理，否则反而拖累判断。常见的三个错误是：一，任由守则无限累积而不整理，造成规则打架；二，守则写得太笼统，AI 无从依循；三，把 ACON 当成免除人手把关的借口，忽略对高风险守则的审视。做好守则库的治理，ACON 才能让 Agent 真正越用越可靠。想知道 ACON 如何在你的工作流落地？欢迎前往 ai.ud.hk 了解更多 UD 的 AI 员工方案，看看如何让 AI 从失败中持续进步。
懂AI，更懂你｜UD相伴，AI不冷
