# 研究议程

本实现是未来论文的工程基线。它把运维者显式规则与有界的元数据线索结合起来，
主动判断哪些项目应保留、隔离、删除或复核，并把文件的原目录、名称、用途和处理
建议写入 `workspace-artifacts/` 元数据 catalog。每个判断都可检查、可校准；原文件
默认保持原位，只有确认，或在 `autonomousMode`（全自主模式）下同时开启
`valuePolicy.organization.moveFiles` 才执行物理组织，因此策略可以被测量，而不是一个
不透明的清理后台。核心问题是：

> 长程 Agent 如何在保留可复现、可恢复证据的同时，让工作区保持高信息密度并且人类可理解？

## 候选研究维度

### 1. 来源与归因（provenance）

观察 `write`、`edit`、shell 等文件操作工具，把产物关联到回合、工具调用、Agent 和父任务，比较来源感知选择与仅看文件名的启发式。

### 2. 效用与保留

综合新鲜度、引用关系、可复现性、下游读取和人的标注，估计产物未来效用。当前基线
已经用有界线索主动给出建议；未来策略应加入更好的证据和校准后的不确定性，同时保留
硬约束与人工覆盖。

### 3. 生命周期动作

比较仅更新 catalog、移动、重命名、压缩、摘要、去重和过期。每种物理动作都应有可
验证的逆操作，或有明确且经过审阅的损失预算；`to-delete` 条目还应记录确认到源文件
删除和条目移除之间的顺序。

### 4. 成本与信息密度

测量磁盘字节、模型 token 字节、扫描延迟、对 prompt 的干扰、恢复时间和人完成任务的准确率，同时报告“每个成功任务”的成本。

### 5. 人类可理解性

评估人能否仅凭工作区、catalog 和 manifest 回答“发生了什么、证据在哪里、怎样撤销”。
候选指标包括查找时间、路径可预测性、catalog 条目完整性和审阅者一致性。

## 建议的基准实验

1. 建立包含编程、数据和仿真长程任务的可复现语料，记录随机种子与文件事件。
2. 随机分配到 unmanaged、heuristic-managed、provenance-managed 三组。
3. 固定模型、工具和任务预算，只改变维护策略。
4. 预注册安全失败（误移动、源文件丢失、路径逃逸），作为硬停止结果。
5. 在固定检查点测量 token/磁盘增长和最终任务质量。
6. 让盲评审者查找证据并恢复指定产物。

## 值得检验的假设

- H1：有界的 plan/apply 协议能降低工作区字节数和 prompt 噪声，同时不降低任务成功率。
- H2：来源信号带来的精度提升高于继续堆叠文件名规则。
- H3：当计划解释原因、置信度和可逆目标时，人确认最有价值。
- H4：元数据 catalog 加外部追加式 manifest 相比埋在工作区中的日志能缩短恢复时间。
- H5：在相同价值策略下，全自主模式能降低维护交互成本，但需要更严格的边界和回滚评估。

## 当前基线与非目标

仓库目前提供运行这些实验所需的基线：managed roots、受保护路径、有界确定性扫描、
价值分类、动作判断、metadata catalog 同步、目录/命名建议、哈希绑定计划、隔离、恢复
和紧凑结果。默认手动模式不会移动或删除源文件；全自主模式是显式的实验开关，仍受
硬保护、预算、指纹和删除许可约束。暂不学习策略、不分析语义引用、不摘要内容。