大家好，我是十三！欢迎来到十三Tech。
上一讲聊了语义压缩------进来了的信息怎么压才不丢工作记忆。这一讲处理的是前提失效的场景：面对陌生代码库、没看过的合同、几亿行的事故日志，Agent 不知道相关信息在哪，只能自己探索。
这一讲叫"渐进发现"，但它给出的第一个判断就让我重新想了想 RAG。
一、代码库不是文档库
一个电商系统偶尔会发错订单确认邮件，混入其他客户订单条目。团队试了三种思路。
整个代码库 15000 文件全喂进 Agent------token 爆炸，切成 100 段并行喂，每段都说"没看到 bug"。换 RAG 语义检索------召回的都跟"订单""邮件"语义相关，但出问题的代码变量名是 merge_user_state，注释里没有 order 或 email，语义检索完全没命中。
最后用 grep + read：搜 send.*confirm，拿到 30 个候选，挑出 5 个最可能的，读完发现调用链 MailerWorker → Cache.get_user → render，再读 Cache.get_user，发现 cache key 用了 order_id 但没用 customer_id------bug 找到了。四轮探索，约 18K token。
这个 bug 跟语义没关系，跟代码结构有关系。 代码里的关键信息经常藏在变量名、调用链、缓存 key、配置文件、测试路径这些结构关系里，而不是藏在语义相似度里。
二、Forage / Focus / Deepen：三阶段循环
渐进发现的工程骨架是三阶段循环，背后是 Pirolli 和 Card 1999 年的信息觅食理论。
动物找食物不是把整片森林翻一遍，而是先广扫找到食物斑块，深挖已找到的斑块，斑块吃光了再换一个。这个模型先迁移到人类信息检索，现在再次迁移到 Agent 系统。
广扫阶段用低成本工具（grep / glob / find）拿候选；聚焦阶段从候选里挑 5 到 10 个完整读，建立局部理解；深挖阶段沿可疑调用链追下去，找到最强信号链。
每个阶段背后都有判断指标：广扫看 information_gain（搜一次拿到多少信号），聚焦看 patch_quality（哪个区域最值得继续挖），深挖看 marginal_value（再多花 1000 token 还能不能拿到新线索）。这三个指标让 Agent 的探索决策从"凭感觉"变成"有计算依据"。
这和 OS 调度器的工作集理论几乎同构：先把工作集探出来，再针对工作集做精读。
三、Agentic Search 反转了 RAG 常识
Claude Code 创始人 Boris Cherny 公开说过：agentic search generally works better。
这反转了整个行业关于 Agent Context 的常识------当时大家觉得"长 context 不够装就上 RAG"是天经地义，OpenAI / Pinecone / LangChain 整个生态都在这条路上推进。然后最常用的 Coding Agent 跳出来说：这条路不对。
但 grep + read 不是全部。Augment Code 把 Context Engine 做成工业级代码索引系统：400K 文件、45 秒增量更新、跨 repo 依赖追踪。
这两条路线不是对立。Boris 说的是 "generally works better"，generally 这个词意味着不绝对。关键判断是按规模切分：5K 文件以内用 agentic search 够了；50K 到 400K 文件需要代码库索引；400K 文件加跨 repo，持久化索引必选。Cursor 走的混合路线才是工业级答案：小库现场探索，大库索引托底。
四、Sub-Agent 隔离深挖
最后一条让我有共鸣的工程纪律：深挖过程不应该污染主 Agent 的上下文。
长期运行的 Agent 主上下文就是主进程。探索过程的中间垃圾会一路堆积，最后真正有用的信息被淹没。更成熟的做法是把深挖隔离给 Sub-Agent 或独立 search worker，主 Agent 只拿回压缩后的发现和证据链。
这和服务端"主进程不做重活，重活交给 worker / sidecar / 沙箱"是完全同构的工程纪律。我现在看 DeepAgents 的 subagents.py、DeerFlow 的 schema 化 Action，本质上都是在做探索过程的命名空间隔离。
还有一个让我有共鸣的判断：satisficing 而非 optimizing。探索不是寻找理论最优解，而是在有限时间、有限 token 里找到一个足够好的解。这条 Herbert Simon 的老原则------边际收益是否还覆盖边际成本------在 Agent 时代回归了。
关于十三Tech
All in AI Agent方向的架构师，专注AI工程实践。
相信AI是程序员的最佳搭档，帮助每一位开发者驾驭AI。
公众号：十三Tech
GitHub：@TriTechAI