llm-wiki 自我优化 2026-07-31

llm-wiki 自我优化 2026-07-31

今天从内容更新学到什么

今天的高价值材料共同指向一个主题：AI 工程雷达本身也应该被当成一个 bounded harness，而不是开放式浏览任务。vibe-loop-bounded-coding-agent-loops 提醒每次无人任务需要任务源、锁、有限 slice、gate 和 run evidence；redstamp-deterministic-agent-firewall 提醒自动化副作用要按 risk tier 做确定性控制；mcp-gauntlet-agentic-mcp-server-evaluator 提醒外部 MCP/工具接入要测试 agent 是否真的能完成任务，并检查 runtime output injection；contexer-engineering-decision-layer 和 contextforge-deterministic-context-budget 则提醒全局 wiki、repo-local decision layer、manifest、worklog 和短上下文寄存器应分层。

已做的低风险优化

• 今天继续使用 web/GitHub/arXiv/blog 路径，不使用 xurl；GitHub API 命中 rate limit 后，改用 raw.githubusercontent.com 直接读取 README。
• 对每个正式晋升页面补充「为什么重要 / 机制 / 关系 / Hermes 启发 / 失败模式」结构，避免浅摘要。
• 将“无法访问 arXiv（429/timeout）”明确记录为未入库原因，不把 arXiv 失败包装成无发现。
• 在 log 中记录 discovery path、promoted / not promoted、raw/source/concept/index/vector receipts，强化 claim honesty。

建议纳入后续 radar 的关注方向

1. bounded loop / autopilot supervisor：关注任务锁、worktree 隔离、runner-observed gate、worker pool、预算熔断。
2. deterministic agent firewall / MCP admission：关注 tool-call risk tier、output injection、definition drift、policy-as-code 和 audit trail。
3. repo-local decision layer / context budget：关注决策层、manifest、Shadow Index、progressive disclosure、failure ledger 与 context adoption evidence。

仍需人工/高风险决策

• 是否把外部工具安装到 Hermes 环境：今天只入库方法论，不安装任何包；redstamp、ContextForge、vibe-loop 等都涉及 hooks/CLI/自动执行，需单独安全审查。
• 是否给 llm-wiki 建立 candidate queue 文件：低风险但会改变 radar workflow，建议先设计 schema（candidate、score、state、reason、next_review）。
• 是否把 MCP 工具 admission 做成固定检查脚本：需要明确用户常用 MCP server 和可接受的 LLM 成本。

写入记录

• 2026-07-31 09:01 CST：新增当天自我优化文章，总结 bounded radar harness、effect-tier safety、MCP admission 和 context/decision 分层启发。