loulanyue 迭代檢索模式
解決多 agent 工作流程中的「上下文問題」，其中子 agents 在開始工作之前不知道需要什麼上下文。
問題
子 agents 以有限上下文產生。它們不知道：
- 哪些檔案包含相關程式碼
- 程式碼庫中存在什麼模式
- 專案使用什麼術語
標準方法失敗：
- 傳送所有內容：超過上下文限制
- 不傳送內容：Agent 缺乏關鍵資訊
- 猜測需要什麼：經常錯誤
解決方案：迭代檢索
一個漸進精煉上下文的 4 階段循環：
┌─────────────────────────────────────────────┐
│ │
│ ┌──────────┐ ┌──────────┐ │
│ │ DISPATCH │─────▶│ EVALUATE │ │
│ └──────────┘ └──────────┘ │
│ ▲ │ │
│ │ ▼ │
│ ┌──────────┐ ┌──────────┐ │
│ │ LOOP │◀─────│ REFINE │ │
│ └──────────┘ └──────────┘ │
│ │
│ 最多 3 個循環，然後繼續 │
└─────────────────────────────────────────────┘
階段 1：DISPATCH
初始廣泛查詢以收集候選檔案：
// 從高層意圖開始
const initialQuery = {
patterns: ['src/**/*.ts', 'lib/**/*.ts'],
keywords: ['authentication', 'user', 'session'],
excludes: ['*.test.ts', '*.spec.ts']
};
// 派遣到檢索 agent
const candidates = await retrieveFiles(initialQuery);
階段 2：EVALUATE
評估檢索內容的相關性：
function evaluateRelevance(files, task) {
return files.map(file => ({
path: file.path,
relevance: scoreRelevance(file.content, task),
reason: explainRelevance(file.content, task),
missingContext: identifyGaps(file.content, task)
}));
}
評分標準：
- 高（0.8-1.0）：直接實作目標功能
- 中（0.5-0.7）：包含相關模式或類型
- 低（0.2-0.4）：間接相關
- 無（0-0.2）：不相關，排除
階段 3：REFINE
基於評估更新搜尋標準：
function refineQuery(evaluation, previousQuery) {
return {
// 新增在高相關性檔案中發現的新模式
patterns: [...previousQuery.patterns, ...extractPatterns(evaluation)],
// 新增在程式碼庫中找到的術語
keywords: [...previousQuery.keywords, ...extractKeywords(evaluation)],
// 排除確認不相關的路徑
excludes: [...previousQuery.excludes, ...evaluation
.filter(e => e.relevance < 0.2)
.map(e => e.path)
],
// 針對特定缺口
focusAreas: evaluation
.flatMap(e => e.missingContext)
.filter(unique)
};
}
階段 4：LOOP
以精煉標準重複（最多 3 個循環）：
async function iterativeRetrieve(task, maxCycles = 3) {
let query = createInitialQuery(task);
let bestContext = [];
for (let cycle = 0; cycle < maxCycles; cycle++) {
const candidates = await retrieveFiles(query);
const evaluation = evaluateRelevance(candidates, task);
// 檢查是否有足夠上下文
const highRelevance = evaluation.filter(e => e.relevance >= 0.7);
if (highRelevance.length >= 3 && !hasCriticalGaps(evaluation)) {
return highRelevance;
}
// 精煉並繼續
query = refineQuery(evaluation, query);
bestContext = mergeContext(bestContext, highRelevance);
}
return bestContext;
}
實際範例
範例 1：Bug 修復上下文
任務：「修復認證 token 過期 bug」
循環 1：
DISPATCH：在 src/** 搜尋 "token"、"auth"、"expiry"
EVALUATE：找到 auth.ts (0.9)、tokens.ts (0.8)、user.ts (0.3)
REFINE：新增 "refresh"、"jwt" 關鍵字；排除 user.ts
循環 2：
DISPATCH：搜尋精煉術語
EVALUATE：找到 session-manager.ts (0.95)、jwt-utils.ts (0.85)
REFINE：足夠上下文（2 個高相關性檔案）
結果：auth.ts、tokens.ts、session-manager.ts、jwt-utils.ts
範例 2：功能實作
任務：「為 API 端點增加速率限制」
循環 1：
DISPATCH：在 routes/** 搜尋 "rate"、"limit"、"api"
EVALUATE：無匹配 - 程式碼庫使用 "throttle" 術語
REFINE：新增 "throttle"、"middleware" 關鍵字
循環 2：
DISPATCH：搜尋精煉術語
EVALUATE：找到 throttle.ts (0.9)、middleware/index.ts (0.7)
REFINE：需要路由器模式
循環 3：
DISPATCH：搜尋 "router"、"express" 模式
EVALUATE：找到 router-setup.ts (0.8)
REFINE：足夠上下文
結果：throttle.ts、middleware/index.ts、router-setup.ts
與 Agents 整合
在 agent 提示中使用：
為此任務檢索上下文時：
1. 從廣泛關鍵字搜尋開始
2. 評估每個檔案的相關性（0-1 尺度）
3. 識別仍缺少的上下文
4. 精煉搜尋標準並重複（最多 3 個循環）
5. 回傳相關性 >= 0.7 的檔案
最佳實務
- 從廣泛開始，逐漸縮小 - 不要過度指定初始查詢
- 學習程式碼庫術語 - 第一個循環通常會揭示命名慣例
- 追蹤缺失內容 - 明確的缺口識別驅動精煉
- 在「足夠好」時停止 - 3 個高相關性檔案勝過 10 個普通檔案
- 自信地排除 - 低相關性檔案不會變得相關
相關
- Longform Guide - 子 agent 協調章節
continuous-learning技能 - 用於隨時間改進的模式~/.claude/agents/中的 Agent 定義