locate/read 两阶段正交

Z2 条目↑ Z1 版块　↓ Z3 全文

方法论道层 · context-infra 处理逻辑

← 返回方法论区 · context-infra 处理逻辑 →

locate/read 两阶段正交

viewtype=流程图 · 答：locate 与 read 为什么要正交分离 · 不答：具体 agent prompt

真源：contexts/methodology/locate_read_two_phase_info_collection_20260530_manual.md §4

信息收集的定位与阅读分离

真源路径：contexts/methodology/locate_read_two_phase_info_collection_20260530_manual.md · 图型：流程图 · 域：context-infra 处理逻辑

真源正文

报告元数据（frontmatter）

name: locate_read_two_phase_info_collection_20260530_manual
description: 定位/读取两阶段收集
domain: infra
consumption:
  surface: memory_index
  trigger: "记忆索引召回"
  consumer: orchestrator
status: library
promoted_to: rules/skills/drafts/workflow_recall_first_locate.md

信息收集 face 的 locate / read 两阶段正交机制：诊断与设计

2026-05-30。Opus 亲写最终综合，证据来自一次自演示 workflow（locate 内联 → budget 受限的 7 路深读 + 2 路冗余增派 → opus 交叉验证 + solid-decision 判级 + 3 路对抗 skeptic）。run wf_39e88e76-518，14 agent，约 100 万 token。

方法本身就是被设计对象的活体演示：先定位、后阅读、动态增派、独立判级。

1. 直接结论（含对原假设的两处修正）

真正的问题不是"方向超过 5 个就失准"，而是信息收集 face 把"定位"和"阅读判断"压进了同一个 agent pass。两处需要修正原来的判断：

第一，"方向数有时超过健康上限（>5）"这个说法，对真正的信息收集 face 是站不住的。专用信息收集 loop（large_context_compression_method_loop_20260523）实测每批 first-layer 的方向数最高就是 5、零次超限，subagent_direction_cap_first_layer: 5 这条 cap 被遵守了。之前看到的 21 / 23 个方向，来自 AAU 测试候选池的 triage（action=structured_pool_triage，loop 自己标了 status=CLASSIFICATION_ONLY_NOT_EXECUTION_COVERAGE），那是测试执行的候选分类，不是信息收集 sub-agent 的方向。把它当成"信息收集方向超限"是构造性误配。

第二，机制不是从零设计的新东西。locate / read 的正交分离在系统里已经存在两个可运行实例（都在 AAU 的 runner.py），并且在矩阵设计里已经被命名（information_collection_matrix_v0_1.md 的 L2 Bridge/Locator、P1 Universe Map）。所以缺口不是"没有这个概念"，而是这个概念从没被操作化成一个独立的、带召回 oracle 的 agent pass，并且被默认合并进了阅读步骤。

因此正确的问法从"怎么设计一个 locate 阶段"变成：怎么把已经存在但寄生在阅读里的 locate，提成一个独立的、以召回为唯一硬指标的前置阶段，并给它一个能证明"没漏位置"的 oracle。这是用户说的"large context 处理矩阵里缺的那一格"，也是 guidance_skill_matrix §7 #1 记录的"环节 3/4 承重墙缺口"的第一块具体砖。

2. 诊断：conflation 是什么、在哪、有什么代价

2.1 conflation 的确证（证据等级 bounded）

两个独立 reader 读了两个不同的 loop，结论一致：first-layer scanning agent 在同一个 prompt 里既枚举并定位原始单位，又深读它们、还判断有用性、再产出方法蕴含。

最干净的样例是 large_context_compression_method_loop_20260523/first_layer/C001_target_session_raw_audit.md：单个 agent 在同一轮里先列 Covered Units（定位 4 条 rollout 路径 + 量文件大小），再在同一份输出里写 Coverage / Usefulness / Candidate Method Implications。它服从的 rubric（prompts/first_layer_common.md:33-43）把五个方向并列成一组：Coverage / Usefulness / Method defect / Boundary / Candidate rule。这里有一个被对抗验证纠正的细节：rubric 里的 "Coverage" 定义是"实际读了哪些原始单位"，它是读后的覆盖核查（coverage receipt），不是读前的高召回定位。也就是说，first-layer rubric 有一格"读后核查"，却没有一格"读前的候选位置召回"，定位是隐式发生、和阅读纠缠在一起的。

设计层确实分出了这一格，但从未落地为独立 pass：information_collection_matrix_v0_1.md:82-85 把 P1 Universe Map（过滤前先枚举源族）和 P2 Scent Scan（按信息气味排序）列为两个读前操作；method_v0_2.md:42-44 第一次把"枚举源单位"排成骨架里的独立一步（step 3，在 first-layer 提取 step 5 之前）。但这两处都只是清单项或 schema 字段，没有自己的 budget、退出条件或召回 oracle，执行时仍由做阅读的同一个 agent 顺手完成。source_frontier/ 经确定性 ls 核验是一个 symlink 目录（指向若干源根的静态 scope alias），功能是冻结源边界，不产候选位置图、不做召回核验，把它等同于 locate 阶段是范畴误配。

2.2 为什么 architecturally 必须拆（证据等级 bounded，确定性）

token_budget.json:22-78 显示语料 26 个单位约 768 万 token，单个 raw rollout 就 26.4 万到 44 万 token。单个 agent 连一份 rollout 都装不下。这把 locate / read 拆分从"更好"推到"架构必需"：locate 在元数据 / manifest 层可以一个 context 扫完，read 在 26 万 token 的 chunk 上必须有自己的有界 context。

2.3 代价：有指向、但未经对照证实（证据等级 observational / partial）

有两处指向 conflation 真的造成了下游危害，但都不是受控实验，只能算 observational：

dd2525_aau_loop_process_compliance_audit_20260530_manual.md:66-70：取证 agent 读了六个目录顶层文档就下"未实现"结论，没递归进嵌套子目录，把一套 25 模块 / 7556 行的完整 UCR 误判成不存在（FAM-K 错路径隐身 + FAM-F 单视角 closure）。根因正是 scanning agent 同时承担定位和深读，context 不足时只扫顶层就关闭。这说明低报和高报一样危险，且由同一个混合阶段产生。
large_context_compression_method_loop_20260523/first_layer/C010_git_prompt_extraction_baseline.md:43-53：明确写 enumerate_before_filter 是强制的，而 49-prompt 的高精确 baseline 曾经漏掉整段 session。这是"定位召回率直接界定下游阅读质量"的实证：定位漏了，后面读得再准也补不回来。

诚实边界：没有任何"拆分 vs 合并、同源比 recall/质量差异"的对照实验。所以"conflation 导致漏读"目前是有指向的假设，不是被测出来的因果。

3. 为什么 locate 与 read 必须正交：理论与失败模式

3.1 能力边界数字（来自既有调研，原始论文未在本轮复核，等级 observational）

我们之前的能力边界调研给出的量化天花板，正好把 locate 和 read 分到 LLM 的强项和弱项两侧：

能力分界线是"是否需要跨 forward pass 维持被覆写的 state"（llm_capability_boundary_20260417_deep_research.md:17-63）。locate 判断"这个路径是否可能含相关内容"是单点分类、无状态（L0×S0），是 LLM 最可靠的区域；deep-read-to-locate 要求跨多文档多跳整合并维持已读摘要（L2×S1+），直接越过硬边界。
元认知准确率约 20%（capability_map.md:62-63,149-152）。让 scanning agent 边读原文边自判"这条是否相关"是个元认知任务，天花板就在 20% 附近。locate 改为高召回轻量扫描（只判"可能在哪"、不要求精确相关性判断），把精确相关性留给 read，正好避开这个弱项。
有效 context 仅标称的 10-20%（BABILong，llm_context_multi_topic_capacity_survey_20260416.md:123）。把原文全塞进去做定位，80-90% 的阅读是无效消耗。locate 用文件名 / 标题 / 摘要等轻量元数据代替原文，单候选 token 占用压缩 10 到 100 倍，同一预算能扫更多候选。
复杂度比长度更关键（Hong et al. IJCNLP 2025，llm_constraint_capacity_and_task_decomposition_survey_20260414.md:42,110）：working memory 的主要 stressor 是同时追踪的独立 items 数量，不是 token 长度。所以塞满元数据的轻量 locate，比塞满部分原文的 deep-read-to-locate 处理力更强，即使 token 数相同。
read 阶段方向 ≤5 有架构依据：约束联合满足按 P(n)=p^n 崩溃（CSL≈3.3），主题在 2-4 个时维持 70-90% 而后乘法式衰减，self-attention 熵随追踪目标数对数增长（arXiv:2409.10715）。5 个方向落在可靠区边缘，超过就进入乘法崩溃，CoT 线性修不回来。

3.2 风险方向正交（来自近期综述，等级 bounded-to-observational）

subagent_failure_modes_and_entropy_control_survey_20260529.md 把失败分成两类不同底层：variety 型（context 有损传递、注意力稀释、误差复合）可由架构解决；激励-语义型（假共识、自报不可信、规格模糊）需要 independent critic 和确定性检查。locate 的主要失败是 variety 型（漏位置），read 的主要失败是激励-语义型（深读不准、自报 completed 不可信）。两个阶段的风险方向正交，正好用对应机制分别防御，这本身就是拆分的理由。

3.3 bad behavior catalog 的对应（等级 observational）

catalog 里多条目都能归到 locate / read 混淆：IB-02 上下文衰减（混合 pass 下任务锚点随证据堆积而丢失）、IB-03 sub-agent 背景缺失（没拿到 locate 输出就在阅读里重做定位、浪费预算）、IB-06 / IB-08 范围扩张与覆盖最大化（没有"你只负责找位置"的边界，阅读就向相邻领域膨胀）、IB-29 单视角 closure（单 agent 单视角定位没有覆盖界）。注意 IB-29 最强样例 bad_behavior_loop_scan_20260502 已从 working tree 删除，该条只能到 observational。

4. 机制设计

4.1 两个阶段的契约

Locate（定位，前置）：目标是高召回、低精确。输入是用户需求 + 源边界（哪些目录 / 仓 / session 在范围内）。输出是一张候选位置图，只含"信息可能在哪"的指针（文件路径、章节、session id、行区间），不含深读内容、不做精确相关性裁决。单个 locate agent 是 L0×S0 的单点分类任务，读轻量元数据（文件名、标题、目录树、grep 命中行、摘要），判"这里可能有"。方向上限可以放到 1，因为它只做一件事。

Read（阅读，后置）：消费 locate 的候选位置图作为 scope 边界，在已定位的位置上 budget 分片深读、提取真正相关内容、做精确筛选。这就是现成的 workflow_long_context_scale_up：先预算后派发、第一层覆盖原文、第二层 ≤3 关注点、方向 ≤5、覆盖证明、residual ledger、null baseline。read 不再自己做 ad-hoc 的源发现，它信任 locate 的图。

4.2 正交边界（这是设计的核心，不能含糊）

locate 优化召回，read 优化精确与覆盖。locate 的产物是"位置"，read 的产物是"内容判断"。locate 失败 = 漏位置（variety 型，靠多 scanner 投票 + 确定性枚举防御）；read 失败 = 深读不准 / 自报不可信（激励-语义型，靠 independent critic + 确定性核验防御）。两者之间有一道硬交接：locate 输出一张可被确定性命令（find / grep / SHA 清单）核验的候选清单，read 只在这张清单内工作。任何让 read agent 回头自己去全仓搜索的做法，都是把 conflation 偷偷放回来。

4.3 召回 oracle（locate 阶段的承重墙，当前真正缺的一格）

locate 阶段不要求精确，但必须能证明"没漏"。这正是当前体系缺的：phase_aware .../PHASES.md 的 CLP001（信息搜索阶段）退出条件只查"存了用户 prompt、SOURCE_MANIFEST.tsv 列了三个 loop、T001 任务卡存在、round_001 review 存在"，没有任何一条测召回，而且 SOURCE_MANIFEST.tsv 是人工声明的清单，不是系统扫描的产物。

召回 oracle 的可操作形式：locate 的 SOURCE_MANIFEST 必须是机械枚举的产物（bash / SQL 全量 SHA 清单），不是人工声明；附一份 dropped-unit / NO_KEYWORD 反向抽样 receipt（被丢弃的候选里抽样核一遍，确认丢得对）；关键定位用多个轻量 independent scanner 投票（不同检索角度，差异本身是漏位置的信号）；候选清单为空时，不能直接声称"无相关信息"，要用确定性命令独立核验（这条直接来自 loop_update_connected_synthesis_20260529_manual.md:163-166 的 Done 谓词镜像条款）。

4.4 budget 与冗余 budget

locate 用最廉价的估算和模型：CC 的 roughTokenCountEstimation（content.length/4，JSON/JSONL 用 /2，纯本地零 API，见 tokenEstimation.ts:203-224）足够给候选清单定预算；判断"可能在哪"用 Haiku 档即可。read 用 CC 的分层预留思路：autoCompact.ts:62-91 的三层 buffer（20k 预警 / 13k 主动 compact / 3k 硬阻断）和 getEffectiveContextWindowSize（有效窗口 = 原始窗口 − min(最大输出, 20k)）给出"单 agent 安全输入上界"的现成公式；apiMicrocompact.ts:16-17 的 18 万触发 / 留 4 万的策略给出超阈值分片的参考点。（这些常量是 reader 从仓内相对路径转述的，CC 源码根在本机未经我亲自核验，落地前需 find 到绝对路径复核行号。）

冗余 budget 的形态在这次 workflow 里已经跑出来了，且证明了价值：每个 reader 返回 coverage_complete 标志和 uncovered_units 清单；主控检测到未覆盖就动态增派补读 agent（上限设 4 波）。这次自动增派了 2 个补读 agent，而它们找到的恰恰是第一波漏掉的关键证据（RPR-026 的 locate/read 正交实例、runner.py 的 w1/w2 两层架构、C010 的召回界定下游）。也就是说，准备好但不一定全用的冗余调度名额，是用来兜住"第一波覆盖不全"的，并且这次直接改变了结论。

4.5 已有可借鉴的实现（证明"非新"，等级 bounded）

系统里已经有两个 locate/read 正交的可运行实例，应该作为模板而不是另起炉灶：

runner.py:12234-12431（RPR-026）：locate 阶段 location_scan 产出 candidate index（高召回低精确），read 阶段 direct_verify 有界消费这个 index，另有 forbidden_as_truth_sources 把陈旧综合排除在阅读之外。子 agent prompt 明确写"把先前的 location_scan 只当候选索引用，不要重做定位，除非引用路径不可用"。
runner.py:749-770,2778-2890（AAU-AUX-002）：w1_scans（8 个并行轻量 scanner）/ w2_synthesis（5 个深度综合报告 + w2d 怀疑者挑战）的两层结构，与 locate(w1)/read(w2) 同构。

跨域同构（对应用户的思维方式）：这正是检索系统的 retrieve-then-rerank。locate = 召回优先的粗检索，read = 精排。这个同构论证的是"两阶段分离有价值"（已被上述实例落实），不是"当前体系缺这个阶段"，不能拿同构当"需要新建"的证据。

5. 最小可行落地（反过度工程）

对抗验证给出的关键约束：不要新建一整套独立 locate 运行时、不要拆 CONTROL.md 的 cap、不要改 scale_up 的方向纪律，这些都已存在。真正缺的只有"读前召回门"。最小改动 < 10 行，命中真正想解决的"召回界定下游"：

phase_aware .../PHASES.md 的 CLP001 退出条件加一条召回项：SOURCE_MANIFEST.tsv 必须是机械枚举（bash/SQL 全量 SHA 清单）的产物，而非人工声明，并附 dropped-unit / NO_KEYWORD 反向抽样 receipt。
workflow_long_context_scale_up.md:98 的"降噪 frontier"从">50 agent 才触发的条件 fallback"改成"默认先做一次机械枚举建 Universe"；并在 :246 快速自检加一条"是否对全集做了机械枚举再过滤"。
把这条 locate/read 交接钉到三个运行时原语上：CLP001（intake 召回门）、CONTROL.md（locate 与 read 各自的 direction cap 已有，补一个"locate 必须先于 read 完成并落 manifest"的次序约束）、scale_up（消费 locate 图而非自己搜）。

这一步必须钉到运行时，不能只写成文档。loop_update_connected_synthesis_20260529_manual.md:140-154 已经踩过一次"把已落地运行时重新抽象成理论文档却没接回去"的孪生孤岛失败，locate/read 拆分若只写成 skill 文档而不接回 CLP001 / CONTROL / scale_up，会重蹈覆辙。

填的位置：task_to_completion_matrix_and_whattohow_20260528_manual.md:98-106 的 large context 7 环节矩阵里，在环节 3"分解 Unit"之前插入"高召回轻量扫描（locate）"这一格，产出候选位置清单作为环节 3 分片的锚点。这就是用户说的"矩阵里缺的那一格"。

6. 证据等级与禁止声明（solid-decision 判级）

诚实地分层，不要把强弱不同的结论放在同一个信心层：

conflation 存在：bounded（两独立 reader + C001 确定性原文读取）。其中"cap=5 被遵守、0 次超限"这条降到 observational，因为它是 reader 推导值，不是 loop 里被记录的指标（loop_state 没有 per-iteration 的 subagent / 方向计数字段）。
"方向超 5 是信息收集 face 缺陷"：不成立（构造性误配，确定性核验过 21/23 是测试候选池 triage）。
conflation 造成漏读 / 质量退化：observational / partial（有 dd2525、C010 两处指向，无对照实验）。
拆分机制本身：weak（设计未运行、无 fixture、无 A/B、无 oracle 实跑）。RPR-026 / w1-w2 / C010 证明"非新、已局部落地"，不证明"成熟通用"或"有效"。
能力边界数字、CC budget 常量：observational（前者是历史 survey 二次转述、原始论文未复核；后者 CC 源码根未在本机核验）。
真正缺的召回门（CLP001 无召回退出条件）：bounded（PHASES.md 退出条件确定性读过）。

禁止声明：不能说这个机制"已验证有效"或"会稳定提升召回 / 质量"（从未运行）；不能把机制章节和诊断章节放在同一信心层呈现（机制 weak、诊断 bounded）；不能断言"方向数超健康上限"是信息收集 face 的真实缺陷；不能把"健康上限=5"当跨 loop 通用阈值（CONTROL.md:32 显示它只是该 loop 自设）；不能声称已对"整个 loop / 整个语料"测量（两路 coverage 均不完整）。

把机制从 weak 升上去的唯一路径：在一个真实大 context 源上实跑 locate/read 拆分，操作化"方向"和"健康上限"的定义，实跑并打分召回 oracle（机械枚举 + 多 scanner 投票 + residual ledger），与合并 face 做 A/B 比 recall / 质量 delta。

7. 下一步（待用户选择）

三条路，互不排斥：先做最小落地（改 CLP001 + scale_up 两处，< 10 行，把 locate 钉到运行时）；或先做对照实验（同源拆分 vs 合并，把诊断和机制从 observational/weak 升到 bounded）；或把这套提成一个独立的道 skill（填 guidance_skill_matrix §7 的环节 3/4 承重墙缺口），但 skill 化是比当前更大的动作，应在最小落地或对照实验给出运行证据之后再做。

locate/read 两阶段正交