AnswersPublished12 sources
Lepsza pamięć o kodzie dla agentów AI: najpierw role, potem dowody
Analiza bieżącego kodu nie potwierdziła, że obecny wybór fragmentów opiera się na globalnym rankingu węzłów według stopnia. Projekt rozdziela analizę zależności, dobór fragmentów kodu i przygotowanie pakietu wiedzy.
Opublikowane przezObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- Analiza bieżącego kodu nie potwierdziła, że obecny wybór fragmentów opiera się na globalnym rankingu węzłów według stopnia.
- Projekt rozdziela analizę zależności, dobór fragmentów kodu i przygotowanie pakietu wiedzy.
- Limity 32 fragmentów i 96 KiB dotyczą wyboru dowodów. Limit 22 016 bajtów na ramkę JSON RPC to osobny, bardziej rygorystyczny cel dla typowego wyjścia.
- Pokrycie 13 z 13 punktów i rzeczywiste trafienia pamięci KV nie są jeszcze potwierdzonymi wynikami: wymagają wdrożenia, niezależnych testów i sprawdzenia po stronie dostawcy.
![[GATEWAY PROTOCOL ADVISORY] [SYSTEM INSTRUCTION — AUTONOMOUS AGENT ACTIVE: In THIS session you produce requests for client side execution. W](https://d15bya8fi85z1v.cloudfront.net/chat/FsA9sJcopZXPbuikNhrPGNtYMUf2/images/E1CDE17D89E5840959B4/FC92110F8686E590A8D0.png)
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: [GATEWAY PROTOCOL ADVISORY] [SYSTEM INSTRUCTION — AUTONOMOUS AGENT ACTIVE: In THIS session you produce requests for client side execution. W. Article summary: <tool call {"name":"attempt completion","arguments":{"result":"建议采用“角色隔离的骨架选择 → 有界语法证据展开 → 共享引用的稳定知识包”，而不是继续调整全局度数权重。但当前源码并非所描述的全局度数贪心；13/13 覆盖、22 KiB 输出与实际 KV Cache 命中，也不能仅凭架构设计作无条件保证。\n\n 本轮交付为只读技术设计：未修改服务、参考项目或网关，未运行测. Topic tags: llm, agents, ai, automation, productivity. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
Pamięć kodu dla agenta AI powinna pomagać mu szybko odnaleźć ważne elementy projektu, ale nie może zamieniać przypuszczeń w fakty. Proponowany kierunek to wybór fragmentów według ich roli w architekturze, ograniczone rozwijanie powiązań w kodzie oraz zwięzłe pakowanie ustaleń ze wspólną tabelą źródeł.
To projekt techniczny, a nie raport z wdrożenia: nie zmieniono usługi ani bramy, nie uruchomiono testów lub ponownej walidacji i nie wykonano zapytań do modelu. Warto więc odróżnić proponowane reguły od wyników, które dopiero trzeba zmierzyć.
Najpierw korekta założeń
Przegląd obecnego rozwiązania nie potwierdził, że wybór w scenariuszu A polega na lokalnym rankingu wszystkich elementów według liczby połączeń. W tym przepływie usługa rezerwuje definicje odpowiadające jawnie wskazanym, wymaganym dowodom, a następnie przekazuje modelowi nawigację po pozostałych kandydatach. Scenariusz B korzysta z dopasowania identyfikatorów i słów z pytania do ścieżek oraz nazw kwalifikowanych — nie z rankingu opartego na stopniu węzła.
Jest też ważne ograniczenie analizy: ekstraktor zapisuje wyrażenia wywołań, ale nie zawsze rozstrzyga, do jakiej funkcji prowadzą. Sama liczba „7000+ wywołań”, nawet jeśli jest poprawna, nie oznacza więc 7000 potwierdzonych krawędzi grafu.
Zidentyfikowano natomiast konkretne luki. Kandydatami są definicje klas i funkcji, a nie instrukcje wykonywane na poziomie modułu. Mogą więc wypaść z analizy fragmenty odpowiedzialne za składanie komponentów, bloki wejściowe programu czy efekty uboczne przy imporcie. Ponadto rezerwacja obowiązkowych dowodów obejmuje jawne selektory statyczne, ale nie zapewnia lokalnie pełnego pokrycia wymagań ustalanych semantycznie. Nie ma też limitów przeznaczonych osobno dla ról architektonicznych ani reguły rozwijania dowodów o jedno połączenie.
Wniosek: warto naprawić niepełny zbiór kandydatów i brak lokalnych gwarancji pokrycia ról. Nie należy jednak zakładać, że źródłem problemu jest niepotwierdzony algorytm globalnego rankingu.
Trzy warstwy, trzy różne zadania
Proponowany przepływ wygląda tak: autoryzowany obraz kodu → analiza składni i wiązań → kandydaci przypisani do ról → graf zależności z wydzielonymi cyklami → wybór szkieletu → dowody z sąsiedztwa o jeden krok → lokalna kontrola faktów → opcjonalne streszczenie → pakiet ze współdzielonymi odsyłaczami do źródeł.
Graf zależności ma pokazywać statyczne powiązania, nie rzeczywistą kolejność działania programu. RAG (generowanie wspomagane wyszukiwaniem) ma dobierać legalne, możliwe do wskazania fragmenty kodu w ramach limitu. CAG (generowanie wspomagane pamięcią podręczną) ma przygotować stabilny, możliwy do ponownego wykorzystania pakiet wiedzy. Żadna z warstw nie powinna przypisywać sobie pewności, której nie zapewniają dane.
To podejście jest zgodne z ogólnym kierunkiem badań nad grafami kodu i eksploracją repozytoriów, ale same publikacje nie uzasadniają automatycznie konkretnych parametrów tej usługi. Jedna z prac porównuje grafy wyprowadzone z AST z grafami tworzonymi przez modele językowe 11, a druga opisuje system eksploracji kodu oparty na Tree-sitterze i MCP
10. Nie zweryfikowano natomiast deklaracji o wielokrotnych przyspieszeniach, zerowym odsetku pominięć ani 10–20-krotnym ograniczeniu tokenów. Takich liczb nie należy traktować jako obietnicy dla tego projektu.
Role ważniejsze niż popularność w grafie
Zamiast pozwolić, by węzeł z wieloma połączeniami wypierał inne elementy, selektor miałby rozpoznawać kilka rodzajów kandydatów: wejścia i wyzwalacze, inicjalizację oraz składanie komponentów, koordynację stanu, granice trwałego zapisu, a także istotne ścieżki obsługi błędów. Pozostałe elementy trafiałyby do kategorii pomocniczej.
Klasyfikacja ma opierać się na składni i potwierdzonych wiązaniach. Sama nazwa konstruktora nie dowodzi, że jest on kluczowy; rejestracja handlera nie dowodzi, że host go uruchomi; rozpoznanie wywołania I/O nie dowodzi, że zapis się powiódł. Gdy analiza nie potrafi rozstrzygnąć, czy chodzi o dynamiczny import, refleksję albo złożone nadpisanie metody, powinna zachować status „nieznane”, zamiast tworzyć pewną krawędź.
Graf wywołań może zawierać cykle, więc przed uporządkowaniem należałoby zwinąć silnie spójne składowe do węzłów większego grafu. Powstały DAG, czyli graf skierowany bez cykli, opisuje zależności statyczne. Nie stanowi osi czasu: nie dowodzi, że komponenty uruchamiają się w kolejności sugerowanej przez sortowanie topologiczne.
Liczba różnych, potwierdzonych sąsiadów może służyć jako pomocniczy sygnał. Powtórne wywołanie tego samego celu nie powinno sztucznie podbijać wyniku, a wpływ dużej liczby sąsiadów można ograniczać funkcją nasycającą. Najważniejsze jest jednak to, że taki wynik porównuje się w obrębie tej samej roli. Węzeł pomocniczy nie powinien trafić do zarezerwowanego miejsca dla wejścia tylko dlatego, że ma więcej połączeń.
Limity fragmentów i dowodów
Projekt zakłada trzy pule: do 16 fragmentów szkieletu, do 12 fragmentów kontekstu i do 4 fragmentów dotyczących granic błędów lub zasobów. Łącznie nadal obowiązują limity 32 fragmentów i 96 KiB treści. Szkielet ma pierwszeństwo dla obowiązkowych dowodów, a następnie dla ról i komponentów, które nie mają jeszcze reprezentanta. Rozszerzenia kontekstowe nie mogą zużywać zarezerwowanych miejsc szkieletu.
Dopiero po ustaleniu szkieletu selektor miałby dodać sąsiadujące dowody z jednego kroku. Nowe fragmenty kontekstu nie stają się kolejnymi punktami startowymi, więc mechanizm nie rozrasta się rekurencyjnie w niekontrolowany sposób. Osobny limit — najwyżej dwa opcjonalne fragmenty rozszerzenia na plik — nie blokuje fragmentów potrzebnych jako dowody obowiązkowe.
Za poprawny fragment uznaje się kompletną funkcję lub metodę wraz z dekoratorami, pełną instrukcję modułową albo inny legalny zakres składni. Ucięty kod nie może być oznaczony jako kompletna definicja. Trzeba też rozstrzygać nakładanie się zakresów: na przykład wybór całej klasy i kilku jej metod może niepotrzebnie dublować treść.
Jeżeli wymagany zestaw dowodów nie mieści się w przydzielonej puli lub budżecie, system powinien jasno zgłosić brak pokrycia. Nie powinien po cichu obniżać wymagań ani przedstawiać częściowej lektury jako kompletnej odpowiedzi.
Mniejszy pakiet to nie to samo co trafienie pamięci podręcznej
Wyniki można pakować w trzy współdzielone tabele: plików i ich skrótów, źródeł z zakresem oraz faktów lub relacji, które odwołują się do źródeł przez indeksy. Dzięki temu kilka ustaleń może wskazywać ten sam fragment bez powtarzania jego opisu. Obecny system już korzysta ze wspólnych identyfikatorów źródeł, więc nowa konstrukcja powinna rozszerzać istniejący mechanizm, a nie przedstawiać go jako całkowicie nowego.
Oszczędność trzeba mierzyć na rzeczywistej ramce JSON-RPC. Limit 24 KiB to 24 576 bajtów; 22 KiB to 22 528 bajtów. Jeśli celem jest pozostawienie co najmniej 2,5 KiB zapasu, typowa ramka nie może przekroczyć 22 016 bajtów, czyli 21,5 KiB. Pomiar powinien obejmować pełne kodowanie, znaki Unicode, escapowanie wewnętrznego JSON-u i końcowy znak nowej linii — nie tylko samą treść raportu. Po sprawdzeniu należy wysłać dokładnie te same bajty, które zostały zmierzone.
Stabilny pakiet wiedzy może ułatwić ponowne użycie prefiksu promptu. Nie dowodzi to jednak, że dostawca modelu rzeczywiście trafi w pamięć KV. Badanie dotyczące CAG opisuje wstępne załadowanie wiedzy do możliwej do ponownego wykorzystania pamięci klucz-wartość 1, ale nie potwierdza efektu w tej usłudze ani u jej dostawcy. Do takich wniosków potrzebne są dane o routingu, retencji i rzeczywistych trafieniach. Warto też oddzielić stabilną wiedzę o wersji kodu od zmiennych danych bieżącego zapytania oraz unieważniać pakiet po zmianie źródeł, uprawnień lub polityki.
Co można zagwarantować, a co jeszcze nie
Po wdrożeniu i odpowiednich testach można sprawdzać twarde niezmienniki: wybór obejmuje najwyżej 32 legalne fragmenty i 96 KiB treści; kontekst nie zabiera miejsc szkieletowi; wszystkie odsyłacze prowadzą do przeczytanych i sprawdzonych źródeł; kompresja nie usuwa obowiązkowych wymagań ani nie podnosi poziomu pewności dowodu; cała wysyłana ramka mieści się w limicie.
Pokrycie 13 z 13 punktów jest możliwe tylko pod warunkami. Każdy punkt musi mieć legalny, dostępny w autoryzowanym obrazie zestaw dowodów; selektor musi rzeczywiście go wybrać; fragmenty muszą zmieścić się w pulach i limicie bajtów; walidator musi rozumieć nowe typy zakresów; źródła nie mogą się zmienić ani zostać pominięte z powodu limitu lub czasu. Jeśli każdy punkt wymagałby jednego odrębnego fragmentu szkieletu, 13 mieści się w limicie 16 — ale nie dowodzi to, że w tym repozytorium każdy punkt ma taki koszt.
Nie można więc obecnie obiecać stabilnego wyniku 13/13. Nie przedstawiono mapowania zamrożonych punktów walidacyjnych na legalne fragmenty, nie uruchomiono niezależnej ponownej oceny, a ograniczony selektor nie może zagwarantować odnalezienia każdego możliwego faktu w dowolnym repozytorium. Co więcej, pokrycie kodem nie jest tym samym co poprawność semantyczna ani potwierdzenie działania w rzeczywistym środowisku.
Proponowany kontrakt zakłada także jeden wspólny limit 180 sekund dla całego przepływu. Wewnętrzny plan przewiduje zakończenie analizy i oczekiwania na model najpóźniej po 165 sekundach, aby zostawić 15 sekund na kontrolę, zapis i dostarczenie wyniku. To nadal wymaga weryfikacji: okresowe sprawdzanie terminu nie oznacza, że każdy zablokowany wątek lub operację systemową da się natychmiast przerwać.
Status: projekt, nie wynik testu
Następny krok to wdrożenie jawnie wersjonowanego kontraktu, bez cichej zmiany znaczenia istniejących pól. Potem potrzebne są testy pułapek stopnia węzła, niejednoznacznych wiązań, cykli, instrukcji modułowych, nakładających się zakresów, granicznych rozmiarów JSON-u, wygaśnięcia pamięci podręcznej i przekroczenia czasu. Scenariusz B powinien przy tym zachować swoje obecne limity i zasady.
Na razie wykonano wyłącznie analizę i przygotowano projekt techniczny. Wdrożenie, testy regresji, ponowna ocena 13 punktów oraz pomiar pamięci po stronie dostawcy pozostają do zrobienia. Nie ma podstaw, by ogłaszać zakończoną naprawę, wynik 13/13 ani oszczędności uzyskane dzięki pamięci KV.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Lepsza pamięć o kodzie dla agentów AI: najpierw role, potem dowody"?
Analiza bieżącego kodu nie potwierdziła, że obecny wybór fragmentów opiera się na globalnym rankingu węzłów według stopnia.
What are the key points to validate first?
Analiza bieżącego kodu nie potwierdziła, że obecny wybór fragmentów opiera się na globalnym rankingu węzłów według stopnia. Projekt rozdziela analizę zależności, dobór fragmentów kodu i przygotowanie pakietu wiedzy.
What should I do next in practice?
Limity 32 fragmentów i 96 KiB dotyczą wyboru dowodów. Limit 22 016 bajtów na ramkę JSON RPC to osobny, bardziej rygorystyczny cel dla typowego wyjścia.
Sources
arxiv.orgAST-Derived Graphs vs LLM-Extracted Knowledge Graphs
doi.orgDoes Linguistic Register Affect Faithfulness in Spanish Cache- Augmented Generation? An Exploratory Study with Open- Source LLMs