name: iterative-retrieval description: 用于逐步优化上下文检索以解决子代理上下文问题的模式

迭代检索模式

解决多智能体工作流中的“上下文问题”，即子代理在开始工作前不知道需要哪些上下文。

问题描述

子代理在启动时上下文有限。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

标准方法会失败：

发送所有内容：超出上下文限制
不发送任何内容：代理缺乏关键信息
猜测所需内容：经常出错

解决方案：迭代检索

一个逐步优化上下文的4阶段循环：

┌─────────────────────────────────────────────┐
│                                             │
│   ┌──────────┐      ┌──────────┐            │
│   │  分发    │─────▶│  评估    │            │
│   └──────────┘      └──────────┘            │
│        ▲                  │                 │
│        │                  ▼                 │
│   ┌──────────┐      ┌──────────┐            │
│   │  循环    │◀─────│  优化    │            │
│   └──────────┘      └──────────┘            │
│                                             │
│        最多3个循环，然后继续执行           │
└─────────────────────────────────────────────┘

阶段1：分发

初始广泛查询以收集候选文件：

// 从高层次意图开始
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：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)],

    // 添加在代码库中发现的术语
    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)
    ],

    // 针对特定空白
    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：“修复身份验证令牌过期错误”

循环1：
  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）
  优化：添加“refresh”、“jwt”关键词；排除user.ts

循环2：
  分发：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：
  分发：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：
  分发：搜索优化后的术语
  评估：找到throttle.ts（0.9）、middleware/index.ts（0.7）
  优化：需要路由器模式

循环3：
  分发：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

与智能体集成

在智能体提示中使用：

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

从广泛开始，逐步缩小范围 - 不要过度指定初始查询
学习代码库术语 - 第一个循环通常揭示命名约定
跟踪缺失内容 - 明确的空白识别驱动优化
在“足够好”时停止 - 3个高相关性文件优于10个中等文件
自信地排除 - 低相关性文件不会变得相关