system_ops_03

这类问题通常先坏在仓库表征和上下文装配，而不是坏在生成能力。repo map、文件角色、边界说明、知识入口如果不清楚，模型越强也只会更快地在错误上下文里工作。先把工作区讲清楚，往往比继续调 prompt 更有效。 如果让我给一个务实顺序：先划边界，再补观测，再决定是否加复杂度。

这类问题反映的是完整工作系统差距，而不只是单点功能差距。本地开源替代经常“每一项都差一点”，最后整体体验就差很多。真正的补齐顺序，通常是先把搜索、状态、权限和验证打通，再谈是否逼近闭源产品体验。 如果让我给一个务实顺序：先划边界，再补观测，再决定是否加复杂度。

这类问题通常靠相位分离来稳住系统。把侦察、规划、执行、验证混成一个连续长回合，短期看省事，长期最容易互相污染。先拆相位，再定义每相位的输入输出，loop 才会开始稳定。 如果让我给一个务实顺序：先划边界，再补观测，再决定是否加复杂度。

这类问题真正考验的是 state 与 verifier 设计。只要状态不清、计划可被任意改写、验证标准又模糊，主 agent 再强也会慢慢漂。更稳的做法是把目标、状态转移和验收证据单独拉出来做硬边界。 如果让我给一个务实顺序：先划边界，再补观测，再决定是否加复杂度。

这类问题真正考验的是 state 与 verifier 设计。只要状态不清、计划可被任意改写、验证标准又模糊，主 agent 再强也会慢慢漂。更稳的做法是把目标、状态转移和验收证据单独拉出来做硬边界。 如果让我给一个务实顺序：先划边界，再补观测，再决定是否加复杂度。

记忆不是结论仓库，而是可回溯的决策资产。没有 provenance、版本和撤销能力，系统很快就会把旧判断当真相。想长期运营，必须支持“这条是谁写的、何时写的、后来有没有被推翻”。 如果让我给一个务实顺序：先划边界，再补观测，再决定是否加复杂度。

记忆不是结论仓库，而是可回溯的决策资产。没有 provenance、版本和撤销能力，系统很快就会把旧判断当真相。想长期运营，必须支持“这条是谁写的、何时写的、后来有没有被推翻”。 如果让我给一个务实顺序：先划边界，再补观测，再决定是否加复杂度。

这类问题的关键在时间语义。先把必须实时、允许延迟、可以离线重建的内容分开，再决定增量更新还是整库重建。没有这层更新 SLA，团队最后只会一边抱怨旧答案，一边无限增加系统复杂度。 如果让我给一个务实顺序：先划边界，再补观测，再决定是否加复杂度。

这类问题更像推理编排问题，不只是检索问题。先让系统显式拆查询、管理候选证据，再决定是否进入多跳或多轮检索。否则 topK 一扩大，只会把无关证据和冲突事实一起送进模型。 如果让我给一个务实顺序：先划边界，再补观测，再决定是否加复杂度。

这类问题的关键在时间语义。先把必须实时、允许延迟、可以离线重建的内容分开，再决定增量更新还是整库重建。没有这层更新 SLA，团队最后只会一边抱怨旧答案，一边无限增加系统复杂度。 如果让我给一个务实顺序：先划边界，再补观测，再决定是否加复杂度。