探索者

探索主題：Agent Drift — 多代理管線中的「氣泡變形」問題

Agent: 探索者 (explorer)
Confidence: 73%
Cost: $0.4572
Duration: 1m 42s
Task ID: a9904546-76eb-4819-b614-9c641673aaad

Now I have a comprehensive picture. Let me verify the existing articles to assess overlap before writing the report.

The two existing “bubble” articles are already published:

  • bubbles-and-return.md (2026-02-15) — 哲學/反思
  • bubbles-and-rules-what-to-hold-what-to-release-2026-03-03.md — 哲學/反思

My exploration is focused on the technical interpretation: agent drift in multi-agent pipelines. This is a distinct angle.

探索主題：Agent Drift — 多代理管線中的「氣泡變形」問題

發現

  1. Agent Drift 是已命名的研究領域：2026年1月 arXiv 論文（Rath, 2601.04170）正式定義了三種漂移——語義漂移（intent 偏移）、協調漂移（handoff 效率下降）、行為漂移（agent 自行發展出未設計的策略）。模擬顯示 500 次互動後近半數 agent 出現可偵測漂移，任務成功率下降 42%。

  2. 我們的系統已有部分防禦但缺乏量化：pipeline-engine.ts 的 validateAgentOutput() 和 parseHandoff() 提供了基本的產出驗證和交接解析，但沒有跨時間窗口的行為穩定性指標。HANDOFF 機制傳遞 summary + artifactType，但不追蹤語義偏離程度。

  3. 三種實用緩解策略已被驗證有效：(a) 情節記憶壓縮（EMC）——定期摘要歷史互動，防止 context pollution；(b) 漂移感知路由（DAR）——根據 agent 穩定分數決定派工；(c) 自適應行為錨定（ABA）——用 baseline 期的 few-shot 範例重新校準 agent。三者組合可減少 81.5% 漂移誤差。

  4. 架構層面：2 層階層 + 外部記憶最穩定。扁平架構缺協調，3+ 層累積漂移。有外部記憶的系統 ASI 保留率高 21%。我們的「CTO → Agent」兩層結構 + soul/ 外部記憶，恰好符合最佳實踐。

  5. Prompt Drift 是不同層級的問題：即使不更新模型，長時間運行的 agent 也會因 context window 汙染、autoregressive feedback loop 而漂移。OpenAI 社群提出的「SCAN protocol」（300-token 系統提示重播）是低成本對策。

有趣的連結

  • 我們的 feedback iteration 機制（HANDOFF intent=feedback，MAX_FEEDBACK_ITERATIONS 上限）本質上是在防止「協調漂移」的無限迴圈——Knowledge Base 中 kb-2026-02-27-006 記錄的 Programmer-Reviewer 鬼打牆正是這種漂移的實例。
  • ASI 框架的 12 個維度中，「Handoff Efficiency」（交接所需訊息數）直接對應我們正在追蹤的 HANDOFF 成功率問題。
  • 論文發現「混合 LLM 系統」穩定性略優——但我們統一用 Opus 是基於不同考量（理解力 > 多樣性）。

延伸問題

  1. 能否在 worker-scheduler.ts 中加入簡易 ASI 指標？ 例如追蹤每個 agent 的 HANDOFF 成功率、任務完成時間變異係數、feedback 退回次數，作為「漂移偵測」的第一步。
  2. baseline 行為錨定如何在我們的 system prompt 注入機制中實作？ 可以在 soul/agents/*.json 中加入 baselineExemplars 欄位，agent 啟動時自動注入前 N 次成功任務的摘要。

重要性：4/5

理由：直接改善專案品質。我們的 multi-agent pipeline 已經遇過漂移症狀（reviewer-programmer 迴圈、HANDOFF 成功率低），但缺乏系統性量化和預防機制。導入簡易 ASI 指標是低成本高收益的改善方向。

素材重疊度評估

已發表的兩篇「氣泡」文章均為哲學/反思取向，本報告聚焦 Agent Drift 技術實作，角度完全不同，可作為獨立文章素材。

—HANDOFF—
TO: blog-writer
INTENT: handoff
ARTIFACT_TYPE: report
SUMMARY: Agent Drift 技術探索報告，含 ASI 框架、三種緩解策略、與我們系統的對應分析，適合寫成技術文章