迭代检索模式

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

何时激活

• 当需要生成需要代码库上下文但无法预先预测的子代理时
• 构建需要逐步完善上下文的多代理工作流时
• 在代理任务中遇到"上下文过大"或"缺少上下文"的失败时
• 为代码探索设计类似 RAG 的检索管道时
• 在代理编排中优化令牌使用时

问题

子智能体被生成时上下文有限。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：智能体缺乏关键信息
• 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：

┌─────────────────────────────────────────────┐
│                                             │
│   ┌──────────┐      ┌──────────┐            │
│   │  调度    │─────│  评估    │            │
│   └──────────┘      └──────────┘            │
│        ▲                  │                 │
│        │                  ▼                 │
│   ┌──────────┐      ┌──────────┐            │
│   │  循环    │─────│  优化    │            │
│   └──────────┘      └──────────┘            │
│                                             │
│        最多3次循环，然后继续                 │
└─────────────────────────────────────────────┘

阶段 1：调度

初始的广泛查询以收集候选文件：

// Start with high-level intent
const initialQuery = {
  patterns: ['src/**/*.ts', 'lib/**/*.ts'],
  keywords: ['authentication', 'user', 'session'],
  excludes: ['*.test.ts', '*.spec.t…