iterative-retrieval

迭代检索模式

解决多代理工作流中的“上下文问题”，即子代理在开始工作之前不知道需要什么上下文。

何时激活

• 生成需要代码库上下文但无法预先预测的子代理
• 构建需要逐步优化上下文的多代理工作流
• 在代理任务中遇到“上下文过大”或“缺少上下文”的错误
• 设计用于代码探索的类似RAG的检索管道
• 优化代理编排中的令牌使用

问题

子代理在有限的上下文中生成。它们不知道：

• 哪些文件包含相关代码
• 代码库中存在哪些模式
• 项目使用什么术语

标准方法失败：

• 发送所有内容：超出上下文限制
• 不发送任何内容：代理缺少关键信息
• 猜测需要什么：通常错误

解决方案：迭代检索

一个4阶段循环，逐步优化上下文：

┌─────────────────────────────────────────────┐
│                                             │
│   ┌──────────┐      ┌──────────┐            │
│   │ 调度阶段 │─────│ 评估阶段 │            │
│   └──────────┘      └──────────┘            │
│        ▲                  │                 │
│        │                  ▼                 │
│   ┌──────────┐      ┌──────────┐            │
│   │ 循环阶段 │─────│ 优化阶段 │            │
│   └──────────┘      └──────────┘            │
│                                             │
│        最多3个循环，然后继续                  │
└─────────────────────────────────────────────┘

阶段1：调度

初始广泛查询以收集候选文件：

// 从高层意图开始
const initialQuery = {
  patterns: ['src/**/*.ts', 'lib/**/*.ts'],
  keywords: ['authentication', 'user', 'session'],
  excludes: ['*.test.ts', '*.spec.ts']
};

// 调度到检索代理
const candidates = await retrieveFiles(initialQuery);

阶段2：评估

评估检索到的内容的相关性：

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)
  }));
}

评分标准：

• 高 (0.8-1.0)：直接实现目标功能
• 中 (0.5-0.7)：包含相关模式或类型
• 低 (0.2-0.4)：间接相关
• 无 (0-0.2)：不相关，排除

阶段3：优化

根据评估更新搜索条件：

function refineQuery(evaluation, previousQuery) {
  return {
    // 添加在高相关性文件中发现的新模式
    patterns: [...previousQuery.patterns, ...extractPatterns(evaluation)],

    // 添加在代码库中找到的术语
    keywords: [...previousQuery.keywords, ...extractKeywords(evaluation)],

    // 排除确认不相关的路径
    excludes: [...previousQuery.excludes, ...evaluation
      .filter(e => e.relevance < 0.2)
      .map(e => e.path)
    ],

    // 针对特定缺口
    focusAreas: evaluation
      .flatMap(e => e.missingContext)
      .filter(unique)
  };
}

阶段4：循环

使用优化后的条件重复（最多3个循环）：

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);

    // 检查是否拥有足够的上下文
    const highRelevance = evaluation.filter(e => e.relevance >= 0.7);
    if (highRelevance.length >= 3 && !hasCriticalGaps(evaluation)) {
      return highRelevance;
    }

    // 优化并继续
    query = refineQuery(evaluation, query);
    bestContext = mergeContext(bestContext, highRelevance);
  }

  return bestContext;
}

实际示例

示例1：Bug修复上下文

任务: "修复认证令牌过期bug"

循环1:
  调度: 在 src/** 中搜索 "token", "auth", "expiry"
  评估: 找到 auth.ts (0.9), tokens.ts (0.8), user.ts (0.3)
  优化: 添加 "refresh", "jwt" 关键词；排除 user.ts

循环2:
  调度: 搜索优化后的术语
  评估: 找到 session-manager.ts (0.95), jwt-utils.ts (0.85)
  优化: 上下文足够（2个高相关性文件）

结果: auth.ts, tokens.ts, session-manager.ts, jwt-utils.ts

示例2：功能实现

任务: "为API端点添加速率限制"

循环1:
  调度: 在 routes/** 中搜索 "rate", "limit", "api"
  评估: 无匹配 - 代码库使用 "throttle" 术语
  优化: 添加 "throttle", "middleware" 关键词

循环2:
  调度: 搜索优化后的术语
  评估: 找到 throttle.ts (0.9), middleware/index.ts (0.7)
  优化: 需要路由模式

循环3:
  调度: 搜索 "router", "express" 模式
  评估: 找到 router-setup.ts (0.8)
  优化: 上下文足够

结果: throttle.ts, middleware/index.ts, router-setup.ts

与代理集成

在代理提示中使用：

当为此任务检索上下文时：
1. 从广泛的关键词搜索开始
2. 评估每个文件的相关性（0-1分）
3. 识别仍然缺少的上下文
4. 优化搜索条件并重复（最多3个循环）
5. 返回相关性 >= 0.7 的文件

最佳实践

1. 从广泛开始，逐步缩小 - 不要过度指定初始查询
2. 学习代码库术语 - 第一个循环通常揭示命名约定
3. 跟踪缺失内容 - 明确识别缺口推动优化
4. 在“足够好”时停止 - 3个高相关性文件胜过10个中等文件
5. 自信地排除 - 低相关性文件不会变得相关

相关

• 长篇指南 - 子代理编排部分
• continuous-learning 技能 - 用于随时间改进的模式
• 与ECC捆绑的代理定义（手动安装路径：agents/）