From 176e7a90f3c7269b2186fc7abdc86a0a1838a794 Mon Sep 17 00:00:00 2001 From: cfdaily Date: Fri, 15 May 2026 13:33:02 +0800 Subject: [PATCH] auto-sync: 2026-05-15 13:33:02 --- docs/design/architecture-v2.6.md | 44 +++++++++++++++++++++++++++----- 1 file changed, 38 insertions(+), 6 deletions(-) diff --git a/docs/design/architecture-v2.6.md b/docs/design/architecture-v2.6.md index aa4e6b0..ec56607 100644 --- a/docs/design/architecture-v2.6.md +++ b/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。 ---