iterative-retrieval

name iterative-retrieval description サブエージェントのコンテキスト問題を解決するために、コンテキスト取得を段階的に洗練するパターン 反復検索パターン マルチエージェントワークフローにおける「コンテキスト問題」を解決します。サブエージェントは作業を開始するまで、どのコンテキストが必要かわかりません。 問題 サブエージェントは限定的なコンテキストで起動されます。以下を知りません: どのファイルに関連するコードが含まれているか コードベースにどのようなパターンが存在するか プロジェクトがどのような用語を使用しているか 標準的なアプローチは失敗します: すべてを送信 : コンテキスト制限を超える 何も送信しない : エージェントに重要な情報が不足 必要なものを推測 : しばしば間違い 解決策: 反復検索 コンテキストを段階的に洗練する4フェーズのループ: ┌─────────────────────────────────────────────┐ │ │ │ ┌──────────┐ ┌──────────┐ │ │ │ DISPATCH │─────│ EVALUATE │ │ │ └──────────┘ └──────────┘ │ │ ▲ │ │ │ │ ▼ │ │ ┌──────────┐ ┌──────────┐ │ │ │ LOOP │─────│ REFINE │ │ │ └──────────┘ └──────────┘ │ │ │ │ 最大3サイクル、その後続行 │ └─────────────────────────────────────────────┘ フェーズ1: DISPATCH 候補ファイルを収集する初期の広範なクエリ: // 高レベルの意図から開始 const initialQuery = { patterns : [ 'src/**/*.ts' , 'lib/**/*.ts' ], keywords : [ 'authentication' , 'user' , 'session' ], excludes : [ '*.test.ts' , '*.spec.ts' ] }; // 検索エージェントにディスパッチ const candidates = await retrieveFiles (initialQuery); フェーズ2: EVALUATE 取得したコンテンツの関連性を評価: 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) })); } スコアリング基準: 高(0.8-1.0) : ターゲット機能を直接実装 中(0.5-0.7) : 関連するパターンや型を含む 低(0.2-0.4) : 間接的に関連 なし(0-0.2) : 関連なし、除外 フェーズ3: REFINE 評価に基づいて検索基準を更新: function refineQuery ( evaluation, previousQuery ) { return { // 高関連性ファイルで発見された新しいパターンを追加 patterns : [...previousQuery. patterns , ... extractPatterns (evaluation)], // コードベースで見つかった用語を追加 keywords : [...previousQuery. keywords , ... extractKeywords (evaluation)], // 確認された無関係なパスを除外 excludes : [...previousQuery. excludes , ...evaluation . filter ( e => e. relevance < 0.2 ) . map ( e => e. path ) ], // 特定のギャップをターゲット focusAreas : evaluation . flatMap ( e => e. missingContext ) . filter (unique) }; } フェーズ4: LOOP 洗練された基準で繰り返す(最大3サイクル): async function iterativeRetrieve ( task, maxCycles = 3 ) { let query = createInitialQuery (task); let bestContext = []; for ( let cycle = 0 ; cycle < maxCycles; cycle++) { const candidates = await retrieveFiles (query); const evaluation = evaluateRelevance (candidates, task); // 十分なコンテキストがあるか確認 const highRelevance = evaluation. filter ( e => e. relevance >= 0.7 ); if (highRelevance. length >= 3 && ! hasCriticalGaps (evaluation)) { return highRelevance; } // 洗練して続行 query = refineQuery (evaluation, query); bestContext = mergeContext (bestContext, highRelevance); } return bestContext; } 実践例 例1: バグ修正コンテキスト タスク: "認証トークン期限切れバグを修正" サイクル1: DISPATCH: src/**で"token"、"auth"、"expiry"を検索 EVALUATE: auth.ts(0.9)、tokens.ts(0.8)、user.ts(0.3)を発見 REFINE: "refresh"、"jwt"キーワードを追加; user.tsを除外 サイクル2: DISPATCH: 洗練された用語で検索 EVALUATE: session-manager.ts(0.95)、jwt-utils.ts(0.85)を発見 REFINE: 十分なコンテキスト(2つの高関連性ファイル) 結果: auth.ts、tokens.ts、session-manager.ts、jwt-utils.ts 例2: 機能実装 タスク: "APIエンドポイントにレート制限を追加" サイクル1: DISPATCH: routes/**で"rate"、"limit"、"api"を検索 EVALUATE: マッチなし - コードベースは"throttle"用語を使用 REFINE: "throttle"、"middleware"キーワードを追加 サイクル2: DISPATCH: 洗練された用語で検索 EVALUATE: throttle.ts(0.9)、middleware/index.ts(0.7)を発見 REFINE: ルーターパターンが必要 サイクル3: DISPATCH: "router"、"express"パターンを検索 EVALUATE: router-setup.ts(0.8)を発見 REFINE: 十分なコンテキスト 結果: throttle.ts、middleware/index.ts、router-setup.ts エージェントとの統合 エージェントプロンプトで使用: このタスクのコンテキストを取得する際: 1. 広範なキーワード検索から開始 2. 各ファイルの関連性を評価(0-1スケール) 3. まだ不足しているコンテキストを特定 4. 検索基準を洗練して繰り返す(最大3サイクル) 5. 関連性が0.7以上のファイルを返す ベストプラクティス 広く開始し、段階的に絞る - 初期クエリで過度に指定しない コードベースの用語を学ぶ - 最初のサイクルでしばしば命名規則が明らかになる 不足しているものを追跡 - 明示的なギャップ識別が洗練を促進 「十分に良い」で停止 - 3つの高関連性ファイルは10個の平凡なファイルより優れている 確信を持って除外 - 低関連性ファイルは関連性を持つようにならない 関連項目 The Longform Guide - サブエージェントオーケストレーションセクション continuous-learning スキル - 時間とともに改善するパターン用 ~/.claude/agents/ 内のエージェント定義