Context

Knowledge 与 Belief

Knowledge 是当前 Context 中提供给模型的信息, 不代表其一定客观为真
- 可以包括事实, Observation, Feedback, 假设, 预测和相互冲突的信息
- 应尽可能保留来源, 时间, 可验证性和不确定性, 避免模型把所有信息视为同等可信
Belief 是模型根据当前 Knowledge 形成的对任务与环境的认知状态
- 新的 Knowledge 会使 Belief 在交互中自然更新
- 这种更新属于 Agent 当前的认知过程, 不属于 Harness 的 Evolution
Reasoning 是模型对 Knowledge 的变换, 以产生判断, 预测, 解释或行动依据
- 通常用于降低与 Objective 相关的不确定性
- 探索时也可以先生成多个假设, 再通过 Action 获取 Observation 进行排除

Objective 描述对环境状态, 行动轨迹或最终结果的偏好
- Goal: 希望达到的状态
- Constraint: 不可接受的状态或行为
- Completion Criteria: 判断 Objective 已完成所需的证据
Planning 根据 Objective, 当前 Belief 与 Action 的可能后果组织未来行动
对于开放式 Agent, Objective 还可以包括 Motivation
- 主动生成下一目标
- 在探索与利用之间进行选择
- 根据能力边界形成 Curriculum

Observation 是 Runtime 从环境中取得并提供给模型的 Knowledge
- 描述环境中发生了什么
- Observation 本身不判断结果是否满足 Objective
- 模型对 Observation 的解释属于 Reasoning
Evaluation 是依据 Objective 判断状态, Action 或结果好坏的过程
Feedback 是 Evaluation 产生并提供给模型的 Knowledge
- 可以来自环境, 测试, 人类, Critic 或模型自身
- 用于修正 Belief, Plan 和后续 Action
Observation 与 Feedback 需要分开
- 命令退出码和文件内容是 Observation
- 测试是否满足需求和人类是否接受结果是 Feedback

拦截 Bash 中那些不 AI-Native 的输出, 直接压缩为一个结构化的结果, 从而提高相关信息的覆盖率
- 智能过滤: 去除噪音
- 分组: 聚合相似项
- 截断: 保留相关上下文, 删除冗余
- 去重: 合并重复日志行并计数
拦截 Harness 给 Context 新增的部分中的固定冗余模式, 换个方式表达
- 用渐进式披露兜底, 如果压缩掉了关键内容, 模型还可以读文件

一个工具包括
- name
- description
- parameters: JSON Schema 定义参数结构和类型
- output_schema: JSON Schema 定义输出结构和类型
传给 API 时会序列化为 JSON
- 不包括 output_schema
- 对于 spawn_agent
  - type
  - name
  - description
  - strict
  - parameters
apply_patch
- 直接给出补丁, 而不是文本 (受限 DSL)
exec_command
- Bash is all you need
sub_agents
- 只有用户显示要求调用时才会调用
- 上下文隔离 + 并发
- 信号
  - spawn_agent: 创建一个子 Agent
  - send_input: 向子 Agent 继续发送输入
  - wait: 等待子 Agent 结束并获取结果 (不鼓励 Agent 使用)
  - close_agent: 强制关闭子 Agent
  - resume_agent: 恢复一个被 close 的 Agent
其它
- web_search
- view_image: 由 Agent 决定看什么图片
  - API 里传 Base64 编码
- write_stdin: 交互式终端
- request_user_input
Plan
- 文件都不落盘
- Plan mode: 探索仓库写一个 md
  - 非变更探索
  - 提问
  - 产出规格
- update_plan: TODO list 而不是 Plan Mode
  - 创建
  - 修改 step 状态
  - replan (每次全量)