2.9 KiB
2.9 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | |||||
|---|---|---|---|---|---|---|---|---|---|---|
| 上下文构造与拉姆齐数 | 2026-05-11 | 2026-05-11 | methodology |
|
|
上下文构造与拉姆齐数：基于 Ramsey 理论的 Agent 上下文缓存设计
概述
本文提出将 ramsey-theory 的数学保证应用于 Agent 上下文的构筑，设计一套有存在性保证的高效缓存与组织方法。核心创新：将上下文组装从"每次都要费力搜索"变成"维持一张好图"的维护问题。
核心问题
在 Agent 上下文中，tools、skills、prompts 的组合空间呈爆炸增长。传统方法依赖穷举或启发式搜索来找到兼容组合——而 ramsey-numbers 告诉我们：只要维持的候选池超过某个阈值，必然存在一个完全兼容的子集。关键在于如何将这一"必然性"工程化。
方法论
ramsey-context-graph
将所有上下文原子（tools、skills、prompts）建模为图的节点，用两种颜色的边表达关系：
- 蓝边：兼容、可共存
- 红边：冲突、冗余、超 token
涵盖跨部边（工具-技能）和部内边（工具-工具、技能-技能）。
ramsey-context-cache
三层运转机制：
- 缓存池维护：动态计算和更新红蓝边
- 必然团监控器：追踪最大蓝色团，跌破阈值触发重组
- O(1) 上下文命中：预计算兼容团直接作为上下文骨架
greedy-context-screening
基于当前用户需求，三步完成快速筛选：
- 相关性投射：每个节点计算相关度分数
- 高相关子图：过滤出与需求相关的节点诱导子图
- 贪心团搜索：利用蓝色边稠密性，贪心扩展得到近似最优团（差距 <5%）
与 Prompt Caching 的协同
- ramsey-context-template：蓝色团天然是稳定前缀，作为模板库直接复用 → cache-hit-ratio 可达 80%+
- 模板复用保证前缀一致性，与 prompt-caching 的 prefix-matching 原则完美契合
- 与 prompt-layering 形成互补：拉姆齐方法处理组件间的横向兼容性，分层方法处理纵向静态/动态分离
反遗忘机制
- 团大小动态收缩：长对话轮次时下调目标团大小
- 节点活性评级：低频长描述节点受惩罚，优先选择高频轻量节点
与现有 Wiki 的关联
- ramsey-theory — 数学基础
- ramsey-numbers — 提供阈值保证 R(3,3)=6, R(4,4)=18
- prompt-caching — 工程目标
- prompt-layering — 互补的设计理念
- stub-pattern — 类似的"通过结构保证稳定性"的思路