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

1. 從廣泛開始，逐漸縮小 - 不要過度指定初始查詢
2. 學習程式碼庫術語 - 第一個循環通常會揭示命名慣例
3. 追蹤缺失內容 - 明確的缺口識別驅動精煉
4. 在「足夠好」時停止 - 3 個高相關性檔案勝過 10 個普通檔案
5. 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