24KB 可以做乜，唔可以做乜？

將程式碼分析結果控制喺細小資料框內，聽落似係壓縮問題；實際上，第一個要答嘅問題係：咩內容屬於「必需」，而「完整」又係指邊一種完整？

呢份提案建議一套涵蓋 TypeScript、Java、C#、Python、Rust、Go、C 同 C++ 嘅程式知識蒸餾架構。佢嘅核心界線講得直接：可以承諾喺明確界定嘅範圍內，保留必需嘅靜態知識，並確保每個交付資料框唔超過 24,576 bytes；但唔可以承諾任何規模嘅程式、所有執行時行為，都可以無損塞入同一個固定大小嘅資料框。

如果必需資料本身超出上限，就應該回報無法交付，而唔係偷偷刪減內容，然後話結果完整。

歷史數字唔等於八語言已驗收

現有歷史回執記錄，某次 FastCode 五個檔案嘅核心交付為 18,869 bytes；同一份回執亦記錄咗 40 項定向回歸測試通過。不過，呢啲係歷史結果，唔係本輪重新執行嘅測試；而當時所稱嘅核心完整，範圍亦只涵蓋指定匯入、定義同靜態依賴資料，唔代表完整呼叫圖或者程式行為都已保留。

同一回執亦顯示，751 個呼叫運算式全部被省略。所以，18,869 bytes 唔可以當成「完整語義零遺失」嘅證明，更唔可以推論未來任何工程都可以裝進 24KB。提案亦指出，現有抽取邏輯未足以證明參數、回傳型別、預設值、泛型限制等 API 契約資料已全部保存。

換言之，細小嘅傳輸框、必需靜態資料完整，以及完整程式語義，係三件唔同嘅事。

建議架構：語言差異留喺適配器，核心負責保真同預算

提案建議採用以下資料流程：

1. 以伺服器授權範圍建立只讀來源快照。
2. 按語言交由對應適配器抽取結構同來源證據。
3. 將結果整理成通用語義中介表示（IR）。
4. 先組成必需資料及其引用閉包，再處理可選內容。
5. 以可逆方式編碼，精確計算完整傳輸資料框大小。
6. 由獨立消費者解碼，重新核對來源同必需項目。

IR 建議涵蓋四類核心節點：套件或命名空間、模組或檔案、契約節點，以及可呼叫節點。依賴、實作、呼叫同繼承等關係則以獨立邊記錄，並一併保留條件、別名、解析狀態同來源位置。

重要之處係，分析到一條引用，唔等於已證明編譯器接受呢個關係，亦唔等於程式執行時一定會行到嗰度。遇到動態呼叫、宏生成內容或無法可靠判定嘅關係，應保留為未知，而唔係估一個答案出嚟。

Tree-sitter 做語法前端，但唔係編譯器替身

提案建議以預先編譯嘅 Tree-sitter 執行元件同語法包作為多語言結構前端。Tree-sitter 可以建立具體語法樹，查詢則透過 S-expression 模式匹配特定語法節點。1116

呢個定位有用，但要劃清界線：語法樹唔會自動變成型別檢查、宏展開、連結分析或者執行時呼叫圖。提案亦要求，目標環境唔可以為咗分析而安裝或呼叫 JDK、.NET SDK、Node.js、Rust 工具鏈、Go、GCC 或 Clang。若平台冇合資格嘅預編譯元件，就應該報告缺件，唔可以偷偷改為本機編譯或自動下載工具鏈。

預編譯元件亦要核對版本、相容 ABI、依賴、平台同授權；Tree-sitter Python 綁定所支援嘅語言 ABI 有明確範圍，唔係只要套件安裝成功就代表相容。13

至於 TypeScript，匯出宣告、命名匯出同只供型別用途嘅匯入／匯出，應分開記錄；模組本身有匯出，亦唔足以證明該內容一定係套件對外入口。TypeScript 官方文件亦指出，型別與值嘅匯入／匯出形式有分別，而套件入口設定亦會影響消費者可接觸嘅範圍。378

「公開」唔可以只用一個布林值表示

八種語言對外可見性嘅規則唔同，適配器要按語言處理，而唔係用同一條正則表達式判斷全部程式碼。

例如，Python 名稱以下劃線開頭，通常只係命名慣例，唔等於語言層面嘅存取控制；Go 嘅匯出判定亦唔應簡化成 ASCII 大階字母規則。Rust 需要考慮模組路徑同受限公開；Java、C# 要睇容器、成員同存取修飾；C、C++ 則要分清標頭檔候選 API、連結屬性、類別成員存取及預處理條件。

所以，IR 應保留宣告存取方式、可能受眾、所在容器、公開名稱、條件同證據。遇到無法證明係私有嘅候選項目，寧願標示為條件或未知；如果保留佢哋令必需閉包超出預算，就應該回報超限，唔好靠猜測「佢應該唔公開」嚟壓縮。

無損有三個層次，唔好混為一談

提案將「無損」拆成三層：

• 編碼無損：所選記錄解碼後可以逐項重建。
• 核心完整：指定範圍內所有必需義務同支援資料都齊全。
• 程式語義完整：包括執行時行為、動態派發同所有副作用；本方案唔承諾做到呢一層。

編碼上，可將重複路徑、符號、條件同來源資料放入共用字串池或註冊表，再用短引用減少重複。前提係解碼後可以還原原值；雜湊只可用作查找，唔可以取代必須交付嘅簽名或來源文字。去重亦唔應擅自改變大小寫、Unicode 形式或路徑內容。

提案特別提醒，唔可以將歷史資料中全量資料框與核心資料框嘅大小差異，全部歸功於去重或壓縮；其中亦可能包含刪除可選內容、表示方式改變同交付欄位差異。要分開量度範圍剪裁、同一核心嘅編碼節省，以及最終完整資料框大小。

超預算時：有界重試，唔削走必需內容

建議背壓流程先計算已認證嘅必需閉包，再按完整資料框字節數判斷交付狀態。完整核心可以交付；核心完整但可選內容被省略，就要明確報告省略；核心超出目前配額但仍喺已授權上限內，先可以有限度調整配額。

若核心超出 24,576 bytes 硬上限，就應停止重試並回報超限。不得靜默刪除必需節點、提高上限，或者將缺失內容包裝成「完整核心」。提案建議沿用有界重試思路，例如最多三次經授權嘅配額請求；來源快照、授權或規則一旦改變，就應停止沿用舊估算。

如果未來另行批准分頁或分拆任務，亦要講清楚：每頁少於 24KB，唔代表整個任務只傳輸咗 24KB。壓縮後嘅傳輸字節數，同解碼後真正交畀模型嘅資料量及 token 數，亦應分開計算。

八語言靶場：先凍結範圍，再量尺寸

提案列出八個代表性基準：TypeScript 用 Redux，Java 用 Spring Framework 嘅 spring-core，C# 用 ASP.NET Core HTTP 抽象，Python 保留既有 FastCode 五檔案範圍，Rust 用 ripgrep 搜尋抽象，Go 用 Gin，C 用 Redis，C++ 用 fmt。

呢啲係建議嘅測試對象，唔代表已下載、鎖定版本或完成測試。正式驗收前，要先固定來源版本、檔案範圍、摘要、獨立預期結果、適配器同語法版本，再開始量度。測試分母亦要交代清楚：包括邊啲檔案讀咗、解析咗、跳過咗，以及預期應抽取幾多聲明。

驗收唔應只睇有冇抽到資料，而要逐項核對必需依賴、契約欄位、別名、條件、來源位置同編解碼結果；對凍結嘅錯誤關係負控，則要求零錯誤確定邊。動態或模糊關係應保持未知。任何一個被接受嘅完整資料框都必須喺有效預算之內，而且唔超過 24,576 bytes。

提案要求八個主靶場全部通過，先可以講「八種語言喺呢批基準上達標」。目前並冇提供八語言嘅實測尺寸、延遲或者收斂率，因此唔應該將未測結果寫成已達標。

四階段推進，舊契約唔好暗中改寫

建議先由 Python 開始，將現有抽取結果映射至通用 IR，同時保留舊有完整定義範圍同回歸防線。第二階段加入預編譯前端，再做 Go 同 TypeScript；第三階段處理 Java 同 C# 嘅存取、介面、泛型及屬性；第四階段再分別實作 Rust、C、C++ 適配器。

每階段都要獨立通過來源核對、必需核心完整、預算、錯誤隔離同只讀邊界測試。新模式應明確協商，唔應將新 IR 靜靜放入舊版欄位，亦唔應因為接受咗架構提案，就當成已取得安裝、部署或宿主整合授權。

結論：可以做成方案，未可以當成成品

呢套分層設計有條件可行：語言差異交畀適配器，通用核心負責閉包、去重、編碼、計量同背壓，再由獨立消費者驗證結果。但現有證據只足以支持方案方向，唔足以宣稱八種語言已經完成驗收。

真正嘅工業級保證，唔係「任何程式都可以壓到 24KB」，而係清楚界定範圍、逐項認證來源、對未知保持誠實，並喺必需內容超限時拒絕假裝完整。

24KB 可以做乜，唔可以做乜？

將程式碼分析結果控制喺細小資料框內，聽落似係壓縮問題；實際上，第一個要答嘅問題係：咩內容屬於「必需」，而「完整」又係指邊一種完整？

呢份提案建議一套涵蓋 TypeScript、Java、C#、Python、Rust、Go、C 同 C++ 嘅程式知識蒸餾架構。佢嘅核心界線講得直接：可以承諾喺明確界定嘅範圍內，保留必需嘅靜態知識，並確保每個交付資料框唔超過 24,576 bytes；但唔可以承諾任何規模嘅程式、所有執行時行為，都可以無損塞入同一個固定大小嘅資料框。

如果必需資料本身超出上限，就應該回報無法交付，而唔係偷偷刪減內容，然後話結果完整。

歷史數字唔等於八語言已驗收

現有歷史回執記錄，某次 FastCode 五個檔案嘅核心交付為 18,869 bytes；同一份回執亦記錄咗 40 項定向回歸測試通過。不過，呢啲係歷史結果，唔係本輪重新執行嘅測試；而當時所稱嘅核心完整，範圍亦只涵蓋指定匯入、定義同靜態依賴資料，唔代表完整呼叫圖或者程式行為都已保留。

同一回執亦顯示，751 個呼叫運算式全部被省略。所以，18,869 bytes 唔可以當成「完整語義零遺失」嘅證明，更唔可以推論未來任何工程都可以裝進 24KB。提案亦指出，現有抽取邏輯未足以證明參數、回傳型別、預設值、泛型限制等 API 契約資料已全部保存。

換言之，細小嘅傳輸框、必需靜態資料完整，以及完整程式語義，係三件唔同嘅事。

建議架構：語言差異留喺適配器，核心負責保真同預算

提案建議採用以下資料流程：

1. 以伺服器授權範圍建立只讀來源快照。
2. 按語言交由對應適配器抽取結構同來源證據。
3. 將結果整理成通用語義中介表示（IR）。
4. 先組成必需資料及其引用閉包，再處理可選內容。
5. 以可逆方式編碼，精確計算完整傳輸資料框大小。
6. 由獨立消費者解碼，重新核對來源同必需項目。

IR 建議涵蓋四類核心節點：套件或命名空間、模組或檔案、契約節點，以及可呼叫節點。依賴、實作、呼叫同繼承等關係則以獨立邊記錄，並一併保留條件、別名、解析狀態同來源位置。

重要之處係，分析到一條引用，唔等於已證明編譯器接受呢個關係，亦唔等於程式執行時一定會行到嗰度。遇到動態呼叫、宏生成內容或無法可靠判定嘅關係，應保留為未知，而唔係估一個答案出嚟。

Tree-sitter 做語法前端，但唔係編譯器替身

提案建議以預先編譯嘅 Tree-sitter 執行元件同語法包作為多語言結構前端。Tree-sitter 可以建立具體語法樹，查詢則透過 S-expression 模式匹配特定語法節點。1116

呢個定位有用，但要劃清界線：語法樹唔會自動變成型別檢查、宏展開、連結分析或者執行時呼叫圖。提案亦要求，目標環境唔可以為咗分析而安裝或呼叫 JDK、.NET SDK、Node.js、Rust 工具鏈、Go、GCC 或 Clang。若平台冇合資格嘅預編譯元件，就應該報告缺件，唔可以偷偷改為本機編譯或自動下載工具鏈。

預編譯元件亦要核對版本、相容 ABI、依賴、平台同授權；Tree-sitter Python 綁定所支援嘅語言 ABI 有明確範圍，唔係只要套件安裝成功就代表相容。13

至於 TypeScript，匯出宣告、命名匯出同只供型別用途嘅匯入／匯出，應分開記錄；模組本身有匯出，亦唔足以證明該內容一定係套件對外入口。TypeScript 官方文件亦指出，型別與值嘅匯入／匯出形式有分別，而套件入口設定亦會影響消費者可接觸嘅範圍。378

「公開」唔可以只用一個布林值表示

八種語言對外可見性嘅規則唔同，適配器要按語言處理，而唔係用同一條正則表達式判斷全部程式碼。

例如，Python 名稱以下劃線開頭，通常只係命名慣例，唔等於語言層面嘅存取控制；Go 嘅匯出判定亦唔應簡化成 ASCII 大階字母規則。Rust 需要考慮模組路徑同受限公開；Java、C# 要睇容器、成員同存取修飾；C、C++ 則要分清標頭檔候選 API、連結屬性、類別成員存取及預處理條件。

所以，IR 應保留宣告存取方式、可能受眾、所在容器、公開名稱、條件同證據。遇到無法證明係私有嘅候選項目，寧願標示為條件或未知；如果保留佢哋令必需閉包超出預算，就應該回報超限，唔好靠猜測「佢應該唔公開」嚟壓縮。

無損有三個層次，唔好混為一談

提案將「無損」拆成三層：

• 編碼無損：所選記錄解碼後可以逐項重建。
• 核心完整：指定範圍內所有必需義務同支援資料都齊全。
• 程式語義完整：包括執行時行為、動態派發同所有副作用；本方案唔承諾做到呢一層。

編碼上，可將重複路徑、符號、條件同來源資料放入共用字串池或註冊表，再用短引用減少重複。前提係解碼後可以還原原值；雜湊只可用作查找，唔可以取代必須交付嘅簽名或來源文字。去重亦唔應擅自改變大小寫、Unicode 形式或路徑內容。

提案特別提醒，唔可以將歷史資料中全量資料框與核心資料框嘅大小差異，全部歸功於去重或壓縮；其中亦可能包含刪除可選內容、表示方式改變同交付欄位差異。要分開量度範圍剪裁、同一核心嘅編碼節省，以及最終完整資料框大小。

超預算時：有界重試，唔削走必需內容

建議背壓流程先計算已認證嘅必需閉包，再按完整資料框字節數判斷交付狀態。完整核心可以交付；核心完整但可選內容被省略，就要明確報告省略；核心超出目前配額但仍喺已授權上限內，先可以有限度調整配額。

若核心超出 24,576 bytes 硬上限，就應停止重試並回報超限。不得靜默刪除必需節點、提高上限，或者將缺失內容包裝成「完整核心」。提案建議沿用有界重試思路，例如最多三次經授權嘅配額請求；來源快照、授權或規則一旦改變，就應停止沿用舊估算。

如果未來另行批准分頁或分拆任務，亦要講清楚：每頁少於 24KB，唔代表整個任務只傳輸咗 24KB。壓縮後嘅傳輸字節數，同解碼後真正交畀模型嘅資料量及 token 數，亦應分開計算。

八語言靶場：先凍結範圍，再量尺寸

提案列出八個代表性基準：TypeScript 用 Redux，Java 用 Spring Framework 嘅 spring-core，C# 用 ASP.NET Core HTTP 抽象，Python 保留既有 FastCode 五檔案範圍，Rust 用 ripgrep 搜尋抽象，Go 用 Gin，C 用 Redis，C++ 用 fmt。

呢啲係建議嘅測試對象，唔代表已下載、鎖定版本或完成測試。正式驗收前，要先固定來源版本、檔案範圍、摘要、獨立預期結果、適配器同語法版本，再開始量度。測試分母亦要交代清楚：包括邊啲檔案讀咗、解析咗、跳過咗，以及預期應抽取幾多聲明。

驗收唔應只睇有冇抽到資料，而要逐項核對必需依賴、契約欄位、別名、條件、來源位置同編解碼結果；對凍結嘅錯誤關係負控，則要求零錯誤確定邊。動態或模糊關係應保持未知。任何一個被接受嘅完整資料框都必須喺有效預算之內，而且唔超過 24,576 bytes。

提案要求八個主靶場全部通過，先可以講「八種語言喺呢批基準上達標」。目前並冇提供八語言嘅實測尺寸、延遲或者收斂率，因此唔應該將未測結果寫成已達標。

四階段推進，舊契約唔好暗中改寫

建議先由 Python 開始，將現有抽取結果映射至通用 IR，同時保留舊有完整定義範圍同回歸防線。第二階段加入預編譯前端，再做 Go 同 TypeScript；第三階段處理 Java 同 C# 嘅存取、介面、泛型及屬性；第四階段再分別實作 Rust、C、C++ 適配器。

每階段都要獨立通過來源核對、必需核心完整、預算、錯誤隔離同只讀邊界測試。新模式應明確協商，唔應將新 IR 靜靜放入舊版欄位，亦唔應因為接受咗架構提案，就當成已取得安裝、部署或宿主整合授權。

結論：可以做成方案，未可以當成成品

呢套分層設計有條件可行：語言差異交畀適配器，通用核心負責閉包、去重、編碼、計量同背壓，再由獨立消費者驗證結果。但現有證據只足以支持方案方向，唔足以宣稱八種語言已經完成驗收。

真正嘅工業級保證，唔係「任何程式都可以壓到 24KB」，而係清楚界定範圍、逐項認證來源、對未知保持誠實，並喺必需內容超限時拒絕假裝完整。