recursive-decomposition

递归拆解 (Recursive Decomposition) 技能可让您的代理程序执行复杂且长上下文的分析，避免超出内存限制或因上下文退化 (context rot) 导致性能下降。基于 RLM (递归语言模型) 研究框架，此技能会系统性地将庞大输入拆解为较小且独立的片段。专为处理大规模代码存储库、大型技术文档或多文档汇总任务的软件工程师、数据分析师与研究人员所设计。代理程序不会将所有数据强行塞入单一提示中，而是将输入源视为环境变量，并应用程序化筛选与策略性分块来高效处理信息。藉由针对特定片段启动平行子代理程序，并根据原始素材验证汇总后的输出，此工具确保了即便在处理数百个文件或深层文件存档时，仍能维持高保真的推理能力。此技能赋予代理程序自主行动的能力，使其能管理自身的搜索空间与执行计划。

• 根据 Token 数量与任务复杂度，自动识别最佳处理策略 (直接处理或递归处理)。

• 在深度分析前，实现多阶段筛选 (使用 glob 与 grep) 以缩小搜索空间。

• 支持按行数、文件结构或语义逻辑进行智能分块，以隔离相关内容。

• 支持针对独立文件或代码片段启动平行子代理程序，显著减少执行时间。

• 内置答案验证循环，以减轻幻觉现象并确保汇总结果的一致性。

• 具备健全的大型文件处理协议，通过行范围读取、元数据检查与头尾查看，防止上下文溢出。

• 若任务涉及 10 个以上文件、50k 以上 Token 或复杂的跨文件导航，系统将自动启用此技能。

• 适用于全代码库模式分析、大型重构规划或多文档问答。

• 请遵循所提供的代码库分析与特征汇总实现模式以达最佳效果。

• 请务必优先使用 grep 或 glob 识别搜索空间大小，以优化性能。

• 请注意，较小且局部化的任务 (低于 30k Token) 使用标准处理方式比完整递归拆解更高效。