iterative-retrieval

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)
  };
}