[Discussion] Design Concerns about Context Compression (s06) and Task System (s07) / 关于s06 与 s07 一些异见与讨论，欢迎交流
メンテナーはふだん 8 日以内に返信
まだ誰も着手していません。
- #399 @cuic19053-hue による — マージされずにクローズ
評価
調査の方向性
まず、s06 の micro_compact と compact のエントリポイント、および s07 のタスクシステム実装を見つけてください。issue ではファイルもテストも指定されていません。実装を完了と見なすには、貢献に先立って設計を確定し、受け入れ基準を明示する必要があります。
索引モデルが issue の本文から書いたものです。
説明
关于 s06 上下文压缩 / On s06 Context Compression
micro_compact 的实现过于粗暴，对所有 tool_result 一视同仁地替换为占位符。这种粒度忽略了重要结果的保留需求，比如 subagent 返回的阶段性结论。建议引入重要性标记机制。
compact 工具缺少明确的触发提示，LLM 难以判断何时需要主动压缩。建议在系统层面提供 token 计数等元信息，让 agent 有状态感知。
The micro_compact approach is overly aggressive, treating all tool results equally. This granularity ignores the need to preserve important results, such as subagent conclusions. A priority/preservation mechanism would be more robust.
The compact tool lacks clear triggering cues, making it hard for LLMs to know when to compress. Suggest exposing metadata like token count at the system level for better situational awareness.
关于 s07 任务系统 / On s07 Task System
DAG 模式不符合 LLM 的认知特点。LLM 天然是线性思维，强行引入"与或非"逻辑判断会显著增加任务管理出错概率，且 DAG 一旦出错极难回滚。
多 agent 场景下，DAG 应该由编排系统维护，LLM 退化为执行单元。
Subagent 场景更不需要显式依赖管理，主 agent 只需等待结果即可。
这个设计更像传统工程思维，而非 agentic 范式。
建议回归扁平列表 + 隐式依赖的简单模式。
“少即是多”。
The DAG pattern doesn't align with LLM cognition. LLMs naturally think linearly; introducing AND/OR/NOT logic significantly increases error rates in task management, and DAG errors are hard to rollback.
In multi-agent scenarios, DAG should be managed by orchestration systems, with LLMs acting as execution units. Subagent flows need no explicit dependency management—just wait for results.
This design reflects traditional engineering thinking rather than an agentic paradigm. Suggest returning to flat lists with implicit dependencies for simplicity.
"Less is more".
- 主要言語
- Python
- スター
- 79.5k
- フォーク
- 12.7k
- 平均マージ
- 7日 17時間
- マージ済み PR（30日）
- 4
環境構築
- Dockerfile・Docker Compose ファイルなし
- プルリクエストのテンプレートなし
- コントリビューションガイドを読む
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
shareAI-lab/learn-claude-code のほかの issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
shareAI-lab/learn-claude-code#608 ·
メンテナーはふだん 8 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 75/100
shareAI-lab/learn-claude-code#583 ·
メンテナーはふだん 8 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
shareAI-lab/learn-claude-code#528 ·
メンテナーはふだん 8 日以内に返信
-
s17: IDLE teammates cannot resume their own in-progress tasks対応中かも @hichipli が 63 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 84/100
shareAI-lab/learn-claude-code#519 ·
メンテナーはふだん 8 日以内に返信
-
s09: select_relevant_memories 的 "recent" 拼接顺序与切片不合理,不是真正的最近 2k 上下文対応中かも @siri666942 が 81 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
shareAI-lab/learn-claude-code#517 ·
メンテナーはふだん 8 日以内に返信
shareAI-lab/learn-claude-code の issue をすべて見る
似ている issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 82/100
Nixtla/mlforecast#823 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 68/100
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 65/100
microsoft/ML-For-Beginners#1061 ·
-
bot-found documentation priority: P3
難易度 2/5 1時間未満 初心者へのやさしさ 82/100
madenvel/KalinkaPlayer#503 ·
-
難易度 2/5 1〜3時間 初心者へのやさしさ 63/100
EleutherAI/lm-evaluation-harness#4508 ·
メンテナーはふだん 1 日以内に返信