iterative-retrieval

# 迭代检索模式（Iterative Retrieval Pattern）

解决多智能体工作流中的“上下文问题”，即子智能体（subagent）在开始工作前不知道自己需要哪些上下文。

## 问题（The Problem）

子智能体启动时只有有限的上下文。它们不知道：
- 哪些文件包含相关的代码
- 代码库中存在哪些模式（Patterns）
- 项目使用了哪些术语

标准方法往往会失败：
- **发送所有内容**：超出上下文限制
- **什么都不发**：智能体（Agent）缺乏关键信息
- **猜测需要什么**：经常出错

## 解决方案：迭代检索（Iterative Retrieval）

一个分为 4 个阶段的循环，用于逐步优化上下文：

```
┌─────────────────────────────────────────────┐
│                                             │
│   ┌──────────┐      ┌──────────┐            │
│   │ DISPATCH │─────▶│ EVALUATE │            │
│   └──────────┘      └──────────┘            │
│        ▲                  │                 │
│        │                  ▼                 │
│   ┌──────────┐      ┌──────────┐            │
│   │   LOOP   │◀─────│  REFINE  │            │
│   └──────────┘      └──────────┘            │
│                                             │
│        最多 3 个循环，然后继续执行          │
└─────────────────────────────────────────────┘
```

### 阶段 1：分发（DISPATCH）

初始的广泛查询，用于收集候选文件：

```javascript
// 从高层意图开始
const initialQuery = {
  patterns: ['src/**/*.ts', 'lib/**/*.ts'],
  keywords: ['authentication', 'user', 'session'],
  excludes: ['*.test.ts', '*.spec.ts']
};

// 分发给检索智能体
const candidates = await retrieveFiles(initialQuery);
```

### 阶段 2：评估（EVALUATE）

评估检索到的内容的关联度：

```javascript
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)**：直接实现了目标功能
- **中 (0.5-0.7)**：包含相关的模式或类型
- **低 (0.2-0.4)**：有间接关联
- **无 (0-0.2)**：无关，排除

### 阶段 3：优化（REFINE）

根据评估结果更新搜索标准：

```javascript
function refineQuery(evaluation, previousQuery) {
  return {
    // 添加在高关联度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)],

    // 排除已确认的无关路径