L2Baseline v0参考基线 v0 · 最近审阅 2026-11-19

上下文与记忆层

以仓库纯文本文件作为可审长期记忆,结合渐进式信息披露与阶段边界结构化状态交接,避免上下文腐化。

本层核心问题:如何让系统在正确时刻看到最少但最准确的信息,同时避免上下文膨胀与跨会话失忆?
Baseline v0 Default Policy

当前默认基线策略

  • 项目目标、约束与历史决策以 Markdown/YAML 版本化保存在仓库中
  • 常驻提示仅保留高频硬约束,细粒度指南与技能按需渐进加载
  • 长任务在阶段边界产出结构化状态交接,压缩高噪音原始工具日志
  • 原始数据与引文始终保留来源路径/URL 与时间戳,不以转述覆盖原证据
Explicit Anti-Patterns

默认排斥的反模式

  • 未经基线对比就为中小规模任务引入重型向量库或复杂图谱记忆中间件
  • 将全部历史对话与万行日志原封不动堆入长窗口,寄希望于模型自行抓住重点
  • 允许后续总结覆盖或美化早期原始预测与失败记录
Falsifiable Hypotheses

本层待验证核心假设

H-L2-01

在多文件 SE 调试与多源 DR 综合任务中,「结构化阶段交接摘要 + 按需读文件」相比「完整长上下文直出」可显著降低约束遗漏与事实串台率。

严肃竞争性解释:新一代长上下文模型的细节召回已足够强,主动压缩摘要反而可能丢失关键边角信息。
Evidence Ledger for L2

本层关联证据与实践条目(2)

在证据账本中筛选 →

层级定位

绝大多数任务执行失败并非模型“不会做”,而是在关键一步没有看到正确上下文,或被海量无关噪音淹没了核心约束。上下文与记忆层是当前通用任务执行系统中性价比最高的工程杠杆之一。

Baseline v0 默认架构

  1. 文件即长期记忆(File-Backed Memory):人类与 Agent 共享同一套仓库文档(如 AGENTS.md、docs/、logs/),变更走 Git Diff,天然可审计、可回滚。
  2. 渐进式信息披露(Progressive Disclosure):把“永远要遵守的 5 条红线”与“只在做某类任务时才查的 50 条细节”彻底拆分,按需检索和加载。
  3. 有界工作记忆(Bounded Working Context):当原始搜索结果、编译日志或数据表超过阈值时,先落盘保存再提炼结构化摘要,保持主推理窗口高信噪比。

证据缺口与演进方向

当前为 Baseline v0 参考锚点。后续将重点追踪「上下文工程(Context Engineering)」「Skill 按需加载」以及「持久化任务笔记 vs 向量记忆」在 SE-01/04 与 DR-04 上的实测差异。