🌌 Lab 28：心智手風琴壓縮與長週期記憶接力 (Cognitive Accordion) 技術剖析#

本實驗展示了解決長週期 Agent 運作時 「Context 記憶溢出與 Token 費用飆漲」 的核心武器：「心智手風琴 (Cognitive Accordion) 壓縮與斷點續傳」。模擬診斷 Agent 執行複雜問診與多工具調用後，如何將冗長的推理軌跡壓縮為精煉的「認知快照」，並無縫傳遞給全新 Agent 接力對話。

🛠️ 1. 核心代碼架構與 SDK API#

代碼實作於 Lab28_cognitive_accordion.py：

  1. 生理數據與過敏查詢工具： check_patient_vitals 與 check_allergy_history 模擬底層臨床數據庫。
  2. 軌跡序列化解析： 第一階段 Agent 執行完畢後，呼叫 await response.resolve()。此 API 能將 Agent 在後台發生的所有內部思考（Thoughts）、工具調用（ToolCall）與工具輸出（ToolResult）解析為一個扁平的物件列表，並序列化為軌跡 JSON。
  3. 手風琴收縮 (Cognitive Squeeze)： 實例化 Archiver Agent，其唯一任務是讀取軌跡 JSON，過濾掉冗長無意義的獨白，提煉出『核心決策節點與實體狀態變化』，輸出為極精簡的 「認知快照 (Cognitive Snapshot)」。
  4. 心智轉移與接力 (Handover)： 實例化一個全新的第二階段 Agent (護理諮詢助手)，將上述生成的「認知快照」直接注入其 system_instructions 中，做為其初始記憶，處理患者的後續追問。

🔍 2. 運行軌跡與關鍵決策解讀#

根據實體日誌 logs_lab28.md：

  • 第一階段問診： 診斷 Agent 針對「頭痛頭暈」提問，調用了生理數據（血壓 145/95 mmHg ⚠️，體溫 37.2°C）與過敏史（對青黴素 Penicillin 嚴重過敏 ⚠️），並給出了一份詳細的初步診斷書。這段交互包含大量的 Thoughts 推理與工具輸出，上下文長度約數千 Token。
  • 記憶壓縮成果： Archiver Agent 成功將這段冗長的軌跡手風琴式收縮為一份乾淨、精美的快照：

    【認知快照】：

    • 主訴症狀：頭痛、頭暈。
    • 生命徵象：血壓 145/95 mmHg、心率 88 bpm、體溫 37.2°C。
    • 藥物過敏：對青黴素 (Penicillin) 有嚴重過敏史。
    • 當前診斷：頭痛頭暈與高血壓高度臨床相關，需規避高風險用藥。
  • 第二階段諮詢接力： 患者追問：「那我回家後需要注意什麼？可以吃一般的消炎止痛藥嗎？」 全新實例化的諮詢 Agent 載入快照後，在沒有任何歷史對話 Context 的情況下，精準做出了以下臨床護理判斷：
    1. NSAIDs 類消炎止痛藥 (Ibuprofen、EVE) 禁用警告：指出這類藥物會導致水鹽滯留、收縮腎血管，直接使血壓 (145/95) 進一步升高，加劇症狀。
    2. 安全止痛替代 (普拿疼 / Acetaminophen)：推薦純止痛、不影響血壓的普拿疼。
    3. 過敏安全釋疑：明確指出普拿疼、消炎止痛藥與青黴素（抗生素）完全不同類別，無交叉過敏風險。
    4. 下床防跌倒三部曲 與 722 血壓監測原則。
    5. 自動為患者在本地目錄生成了照護卡 home_care_card.md！

💡 3. 對在宅醫療系統工程的啟發#

  1. 對抗 Token 刺客的終極方案：在長週期的在宅照護中，如果把每一次生理監測、問診問答都硬性塞在 Session 歷史中，很快就會因為 Context 超限而崩潰。心智手風琴機制讓我們能以極低成本，在多個 specialized Agents 之間無痛移交「核心記憶斷點」，徹底解決記憶衰退。
  2. 多代理管線協作 (Pipeline)：這套機制支持「專科醫生 Agent 診斷 $\rightarrow$ 快照壓縮 $\rightarrow$ 護理指導 Agent 衛教」的流水線，實現真正符合臨床分工的 Multi-Agent Platform。
Backward Logs Lab28 Logs Lab29 Forward