迭代式检索

迭代式检索模式

解决多代理工作流中的“上下文问题”——子代理不知道它们需要什么上下文，直到开始工作为止。

何时激活

• 生成需要代码库上下文但无法提前预知的子代理时
• 构建上下文逐步精炼的多代理工作流时
• 遇到代理任务中“上下文过大”或“上下文缺失”的错误时
• 为代码探索设计类RAG检索流水线时
• 优化代理编排中的Token使用量时

问题

子代理生成时只能获得有限的上下文。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
• 项目使用了什么术语

标准方法总是失败：

• 全部发送：超出上下文限制
• 什么都不发：代理缺少关键信息
• 猜测需要的：往往猜错

解决方案：迭代式检索

一个四阶段循环，逐步精炼上下文：

┌─────────────────────────────────────────────┐
│                                             │
│   ┌──────────┐      ┌──────────┐            │
│   │  分发   │─────│  评估   │            │
│   └──────────┘      └──────────┘            │
│        ▲                  │                 │
│        │                  ▼                 │
│   ┌──────────┐      ┌──────────┐            │
│   │  循环   │─────│  精炼   │            │
│   └──────────┘      └──────────┘            │
│                                             │
│        最多3个周期，然后继续执行               │
└─────────────────────────────────────────────┘

阶段1：分发

初始宽泛查询，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']
};

// 分发给检索代理
const candidates = await retrieveFiles(initialQuery);

阶段2：评估

评估检索内容的相关性：

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：精炼

根据评估结果更新搜索标准：

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

    // 添加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)
    ],

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

阶段4：循环

使用精炼后的标准重复（最多3个周期）：

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);

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

    // 精炼并继续
    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Token过期Bug”

第1周期：
  分发：在 src/** 中搜索“token”、“auth”、“expiry”
  评估：找到 auth.ts (0.9)、tokens.ts (0.8)、user.ts (0.3)
  精炼：添加“refresh”、“jwt”关键词；排除 user.ts

第2周期：
  分发：搜索精炼后的术语
  评估：找到 session-manager.ts (0.95)、jwt-utils.ts (0.85)
  精炼：上下文足够（2个高相关文件）

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”

第1周期：
  分发：在 routes/** 中搜索“rate”、“limit”、“api”
  评估：无匹配——代码库使用“throttle”术语
  精炼：添加“throttle”、“middleware”关键词

第2周期：
  分发：搜索精炼后的术语
  评估：找到 throttle.ts (0.9)、middleware/index.ts (0.7)
  精炼：需要路由模式

第3周期：
  分发：搜索“router”、“express”模式
  评估：找到 router-setup.ts (0.8)
  精炼：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：

为此任务检索上下文时：
1. 从宽泛关键词搜索开始
2. 评估每个文件的相关性（0-1分制）
3. 识别仍然缺失的上下文
4. 精炼搜索标准并重复（最多3个周期）
5. 返回相关性 >= 0.7 的文件

最佳实践

1. 先宽后窄，逐步精炼——不要过早过度指定初始查询
2. 学习代码库术语——第一个周期通常能揭示命名约定
3. 跟踪缺失项——明确识别缺口驱动精炼
4. 在“足够好”时停止——3个高相关文件胜过10个中等文件
5. 自信地排除——低相关文件不会变得相关

相关资源

• 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
• 随ECC提供的代理定义（手动安装路径：agents/）