FastContext — read-only delegated repository exploration agent
FastContext — read-only delegated repository exploration agent
为什么重要
FastContext 值得入库，因为它把 Repository-Exploration 和 Context-Engineering 的一个关键原则做成了很窄的工具合同：主 coding agent 不应把大量 grep/read/search 噪音塞进自己的上下文，而是把自然语言问题委托给一个只读探索 agent；FastContext 独立探索 repo，最后返回短、带文件路径和行号 citation 的答案。
这对 Hermes 很有价值：许多复杂代码任务的失败不是不会写 patch，而是主 agent 在探索阶段消耗太多上下文、混入低信号输出、或拿到没有证据的结论。FastContext 的设计把“找证据”和“做修改”拆开，天然降低 blast radius，也使探索结果更容易被验证。
机制 / 一阶原理
FastContext 的机制是：主 agent 通过 bash 提问，FastContext 在独立进程中用只读工具探索，然后返回可机器解析的 cited answer。
核心组成：
- 只读工具面：
Read、Glob、Grep，不编辑文件。 - 独立上下文窗口：探索过程不污染主 agent 的上下文，只把最终高信号答案带回。
- 机器可解析 final_answer：输出类似
src/file.py:13-64的证据范围。 - citation validation：未实际打开过的 hallucinated line ranges 会被丢弃。
- context-budget management：接近窗口限制时要求 agent 回答而不是继续探索到失败。
- trajectory recording / eval harness：每次探索可写 JSONL trajectory，并比较 turns、tool calls、duplicate calls、citation quality、tokens。
| 一阶原理是：上下文工程不只是“压缩更多材料”，而是把探索噪音和决策上下文隔离；让主 agent 只消费被证据绑定的最小信息。它类似 [[acquire-qa-driven-repository-knowledge | ACQUIRE]] 的 Answerer 角色，但更工具化、窄合同化。 |
与既有 wiki 概念的关系
- 对 Context-Engineering：FastContext 是 purpose-shaped context 的 runtime provider，按问题返回最小证据，而不是全仓摘要。
- 对 Repository-Exploration：它把探索能力产品化为独立 agent，并强调 line-range citation 与验证。
- 对 Agentic-Coding：主 agent 专注改代码，探索 agent 专注找证据，减少角色混淆。
- 对 Harness-Engineering：只读 delegation 是安全 harness：降低副作用，同时保留审计轨迹。
| - 对 [[acquire-qa-driven-repository-knowledge | ACQUIRE]]：ACQUIRE 提供 question-driven QA 方法论，FastContext 提供可嵌入 CLI 的 Answerer-like 工具面。 |
对 Hermes / llm-wiki 的可执行启发
- 复杂代码任务默认先委托只读探索：让 read-only worker 回答“相关文件/机制/约束在哪里”，主 agent 再 patch。
- wiki ingest 也可借鉴 citation validation：正式 source/concept 页的关键 claim 应能追溯到 raw/source 段落，而不是只凭流畅总结。
- 把探索 token 与决策 token 分账：工具输出、搜索循环和低信号文件读取不应污染最终推理上下文。
- 把
<final_answer>合同用于子代理：子代理返回路径/行号/证据，而不是长篇分析，便于主代理行动和验证。 - 评估 context provider 的 adoption 与 citation quality：不是问“有没有找到东西”，而是问答案是否短、准、可定位、可复查。
失败模式 / 边界条件
- 只读不等于正确：探索 agent 仍可能遗漏关键文件、误解调用链或过早回答。
- citation narrowness：行号 citation 能证明读过某段代码，但不必然证明结论完整。
- 模型/endpoint 依赖：需要 OpenAI-compatible endpoint 与上下文窗口配置；不同模型探索质量会波动。
- 主从接口过窄：如果主 agent 问题本身模糊，FastContext 可能返回局部正确但不解决真实知识缺口的答案。
- README 证据限制：当前入库基于 README，未在真实 repo 中运行 eval harness。
深度判断
本条值得 deep ingest，因为它提供了一个可直接迁移到 Hermes 的安全/上下文模式：只读 delegated exploration + cited compact answer + citation validation + trajectory/eval。它不是泛泛的 repo RAG，而是围绕 coding-agent 主上下文减噪和证据绑定设计的窄工具合同。
写入记录
- 2026-07-21 09:01 CST：新增 FastContext source 页，提炼只读委托探索、citation validation、context-budget management 与探索/修改解耦对 Hermes 的启发。