[Roadmap][Future] Context utility, layered state, and governed learning

[kevintseng]

目標

把下一版本候選的 context work 組織成一條有證據、可分別作 GO／NO-GO／DEFERRED 決定的 roadmap：證明精選上下文是否改善任務結果、釐清 state／evidence／memory／observation 邊界、量測 relations 的額外價值，並讓重複 friction 只能透過受治理的 improvement proposal 進入產品工作。

這是 future roadmap，不改變目前 release scope；版本號、milestone、日期、assignee 與任何 implementation 都需另行決定。

已存在並直接重用的工作

• [Roadmap]: Evidence-led retrieval token efficiency #250：evidence-led retrieval token efficiency 總路線。
  • [Future][Token Efficiency] Confirm measurable usage and freeze benchmark contract #251：可量測性與 benchmark contract。
  • [Future][Token Efficiency] Build isolated paired A/B runner and freeze baseline #252：隔離的 paired A/B runner，包含 control 與現有記憶整合。
  • [Future][Token Efficiency] Add a byte-budgeted compact recall projection #253／[Future][Token Efficiency] Roll out opt-in compact recall on MCP #254／[Future][Token Efficiency] Re-evaluate MCP compact default with frozen evidence #258：bounded compact projection、按需 full detail 與預設值決策。
  • [Future][Optional] Add privacy-safe recall cost/usefulness observability #255：只有實證需要時才增加 privacy-safe usefulness observability。
  • [Future][Research] Measure tool-schema context cost and decide GO/NO-GO #256：tool-schema context 成本 GO/NO-GO。
• [Future][Safety] Add source provenance and stale-memory safeguards #257：source provenance 與 stale-memory safeguards。

這些 issue 已涵蓋 context volume、progressive disclosure、task outcome、token/tool-call cost、privacy 與 freshness；本 roadmap 不建立重複版本。

新增的缺口

1. [Future][Architecture] Define the state, evidence, memory, and observation contract #262：定義 state、evidence、memory 與 latest observation 的單一責任、生命週期與 failure semantics。
2. [Future][Research] Evaluate whether graph relations improve agent answers beyond text recall #264：延用 [Future][Token Efficiency] Confirm measurable usage and freeze benchmark contract #251／[Future][Token Efficiency] Build isolated paired A/B runner and freeze baseline #252，判斷 graph relations 是否比 text recall 額外提升正確率與降低探索成本。
3. [Future][Governance] Turn recurring agent papercuts into evidence-linked improvement proposals #263：把重複 agent papercut 整理成 evidence-linked improvement proposal，但保留 human accept/reject/defer，禁止自動修改產品或 Skill。

建議順序

#251 measurable contract
  └─ #252 paired runner + baseline
       ├─ #250 compact/progressive-disclosure path (#253/#254/#258)
       └─ #264 relation-aware evaluation

#250 results + #257 provenance/freshness
  └─ inform #262 layered context disposition

#255 observability disposition
  └─ #263 governed papercut proposals (GO or DEFERRED)

此順序只表示 evidence dependency，不代表 implementation 承諾。#262 可先做現況映射，但正式 disposition 應讀取 #250／#257 的實際結果。

全域原則

• 以 task correctness、abstention、false grounding、tool calls、authoritative usage、wall time 與 human correction 衡量價值；不以記憶、edge、citation 或 Skill 數量代替成果。
• 缺少權威 token usage 時標為 UNMEASURABLE，不得以 bytes／characters 冒充。
• 精簡上下文不可移除 degraded、truncated、conflict、provenance、freshness 或 scope truth signals。
• Citation／receipt 只證明其直接事實，不自動證明內容正確、已接受或已執行。
• 自動化可以提出候選，不得自行接受 proposal、改 task state、改 Skill、改 source 或升格為產品政策。
• 重用現有 retrieval、ranking、staging、review 與 message lifecycle；禁止為每個研究方向新增平行 store、dashboard 或 approval system。

Roadmap 完成條件

• [Roadmap]: Evidence-led retrieval token efficiency #250 必做主線有實際 disposition，且報告保留所有失敗、excluded 與 unmeasurable rows。
• [Future][Safety] Add source provenance and stale-memory safeguards #257 對 provenance／freshness 的安全路線有 disposition。
• [Future][Architecture] Define the state, evidence, memory, and observation contract #262 完成現有 surface 映射並產出 ADOPT、PARTIAL 或 NO-CHANGE。
• [Future][Research] Evaluate whether graph relations improve agent answers beyond text recall #264 產出限定到實際 relation types／workload 的 GO、LIMITED-GO 或 NO-GO。
• [Future][Governance] Turn recurring agent papercuts into evidence-linked improvement proposals #263 依 privacy 與 evidence 條件產出 GO 或 DEFERRED，且 human authority 邊界可被負面測試。
• Changed-surface coverage 與獨立 simplification review 證明沒有第二套權威 state、event、memory、ranking 或 approval path。
• 任何通過研究 gate 的產品改變都有獨立 implementation issue、outcome contract、QA、fresh review 與 release 授權。