recursive-decomposition

遞迴拆解 (Recursive Decomposition) 技能可讓您的代理程式執行複雜且長上下文的分析，避免超出記憶體限制或因上下文退化 (context rot) 導致效能下降。基於 RLM (遞迴語言模型) 研究框架，此技能會系統性地將龐大輸入拆解為較小且獨立的片段。專為處理大規模程式碼儲存庫、大型技術文件或多文件彙整任務的軟體工程師、資料分析師與研究人員所設計。代理程式不會將所有資料強行塞入單一提示中，而是將輸入源視為環境變數，並透過程式化篩選與策略性分塊來有效處理資訊。藉由針對特定片段啟動平行子代理程式，並根據原始素材驗證彙整後的輸出，此工具確保了即便在處理數百個檔案或深層文件封存時，仍能維持高保真的推理能力。此技能賦予代理程式自主行動的能力，使其能管理自身的搜尋空間與執行計畫。

• 根據 Token 數量與任務複雜度，自動識別最佳處理策略 (直接處理或遞迴處理)。

• 在深度分析前，實作多階段篩選 (使用 glob 與 grep) 以縮小搜尋空間。

• 支援按行數、檔案結構或語意邏輯進行智慧分塊，以隔離相關內容。

• 支援針對獨立文件或程式碼片段啟動平行子代理程式，顯著減少執行時間。

• 內建答案驗證循環，以減輕幻覺現象並確保彙整結果的一致性。

• 具備健全的大型檔案處理協定，透過行範圍讀取、中繼資料檢查與頭尾檢視，防止上下文溢位。

• 若任務涉及 10 個以上檔案、50k 以上 Token 或複雜的跨檔案導航，系統將自動啟用此技能。

• 適用於全程式碼庫模式分析、大型重構規劃或多文件問答。

• 請遵循所提供的程式碼庫分析與特徵彙整實作模式以達最佳效果。

• 請務必優先使用 grep 或 glob 識別搜尋空間大小，以優化效能。

• 請注意，較小且局部化的任務 (低於 30k Token) 使用標準處理方式比完整遞迴拆解更為高效。