auto-sync: 2026-05-15 13:33:02

docs/design/architecture-v2.6.md

@@ -456,23 +456,55 @@ def add_comment(task_id: str, author: str, body: str, mentions: list = None):
 
 不需要复杂的分布式共识--职责分工已经自然避免了大部分冲突。
 
-### 3.7 黑板是索引不是仓库
+### 3.7 黑板是索引不是仓库(AI Native 内容规范)
 
 **核心原则:黑板只存元数据 + 摘要 + 文件路径,不存大段文本内容。**
 
 设计推导(课题 2):
 - Network-AI 的核心洞察:Agent 只读黑板摘要,详细数据在文件中
 - Claude Code 的 file reference 模式:不内联,只引用
-- 一个典型任务全量黑板信息 ~1100-1750 tokens,极端 ~4000 tokens--远小于 128K context
+- agent-chorus 的 Context Pack 实验证明:结构化上下文让 Agent 文件打开量降 70%、token 消耗降 60%、零生产风险答案
+- Opal-Bridge 的 Fidelity 三档:无损/摘要/混合,传递时按需降档
+- 一个典型任务全量黑板信息 ~1100-1750 tokens,极端 ~4000 tokens——远小于 128K context
 - 问题不是空间不够,而是**信号噪声比**:全量注入让 Agent 在无关信息上浪费注意力
 
+**AI Native 内容规范——不做硬限制,做软引导:**
+
+传统做法是给每个字段设长度上限(如 comments.body ≤ 2000 字符),这是 CRUD 应用的思维。
+AI Native 的做法是:Agent 是智能体,有能力判断“这段分析应该写文件还是直接写评论”。规范是指导性的,不是强制性的。
+
+- **不做硬限制**——不设字段长度上限,不截断,不报错
+- **做软引导**——Agent 的 Skill 中写“评论应简洁明了,大段分析写文件后在评论中给路径”
+- **做传递优化**——L1 传递时自动截取(最近 3 条评论、每条 100 字符),这是传递层面的优化,不是存储层面的限制
+- **做信息分层**——黑板上的 comments 表存完整内容(不截断),但 L1 传递时只取摘要
+
+**为什么这样做是 AI Native**:
+1. Agent 是智能体,不是 API 客户端——它有能力判断“这段分析应该写文件还是直接写评论”
+2. 如果硬限制导致信息丢失,Agent 会绕过限制(拆成多条评论、用文件存储),反而更混乱
+3. 真正需要控制的是传递时的信息量(L1 预算),不是存储时的信息量
+
+**黑板上“必要信息”的定义(指导性)**:
+
+| 类别 | 上黑板 | 不上黑板 |
+|------|--------|----------|
+| 决策 | ✅ 谁、选了什么、为什么 | ❌ 完整备选方案对比表 |
+| 产出 | ✅ title + summary + content_path | ❌ 代码全文、数据文件 |
+| 状态 | ✅ 当前 status + 最新 observation | ❌ 完整事件日志(可归档) |
+| 讨论 | ✅ 结论 + 关键论据 | ❌ 来回辩论的完整过程 |
+| 风险 | ✅ severity + 一句话描述 | ❌ 详细影响分析报告 |
+
+**防爆炸机制**:
+- 产出物只存路径(outputs.content_path)
+- 事件日志有 TTL(events 表定期归档旧数据)
+- 大段分析建议写文件,黑板只存摘要+路径
+
 落地到 schema:
 - `outputs` 表:`content_path` + `summary`,不存文件内容
-- `comments` 表:`body` 可能较长(Agent 分析报告),但评论本身是 Agent 输出的一部分
-- `decisions` 表:`decision` + `rationale` 是结构化文本,通常较短
-- `observations` 表:`body` 是简短风险描述,通常 <100 字
+- `comments` 表:`body` 存完整内容(不截断),大段分析 Agent 自主决定是否写文件
+- `decisions` 表:`decision` + `rationale` 是结构化文本
+- `observations` 表:`body` 是风险描述
 
-Agent 获取信息的分层策略(L1/L2/L3)详见 §4.4。
+Agent 获取信息的分层策略(L1/L2/L3)详见 §4.4,对应 Opal-Bridge Fidelity 三档。
 
 ---