system_ops_09

这类问题往往不是单纯模型强弱，而是“模型 + harness + 工作流”的组合产物。把所有优劣都归因给模型，会掩盖真正能拉开差距的工程层。先拆清哪些收益来自模型，哪些来自工具、状态和验证回路，判断才会准。 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。

这类问题核心是规则和记忆的分层。把长期规则、项目约定、当前任务状态、临时观察全塞进一个文件，迟早会 context bloat。更稳的做法是分层加载、按需注入、让规则和记忆都带作用域。 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。

这类问题核心不是多 agent 本身，而是角色边界。谁负责搜索、谁负责执行、谁负责汇总、谁负责审查，如果没有清晰职责，就会出现大量 handoff 噪音和重复劳动。多 agent 的收益来自分工清晰，不来自数量本身。 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。

这类问题的核心是写入治理。不要让模型把“当下有用”自动等同于“长期值得记住”，而要给写入设置阈值、确认和降级路径。真正稳的记忆系统，一定同时重视写入、遗忘和纠错。 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。

这类问题首先要解决的是边界，而不是存储。先把 user、project、team、session 几层记忆拆开，再定义允许上升和禁止扩散的规则。记忆一旦没有清晰作用域，后面所有召回都会开始互相污染。 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。

这类问题的核心是写入治理。不要让模型把“当下有用”自动等同于“长期值得记住”，而要给写入设置阈值、确认和降级路径。真正稳的记忆系统，一定同时重视写入、遗忘和纠错。 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。

这类问题通常不是召回不够，而是缺少更强的文档身份和来源边界。先补实体、版本、租户、作者角色这类结构信号，再谈相似度本身。排序里让 authority 和 provenance 显式进来，回答层只负责引用与拒答，不要替上游混淆兜底。 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。