research-survey-loop把长综述的连续性寄托在task.md、round_log.md、current_task.md四个状态文件上，让“每一轮从精确入口恢复”，但当搜索优先级漂移、本地PDF堆成无序池、笔记变成互不连接的卡片时，状态文件到底是在维护连续性，还是在把“跑偏”本身也持久化下来？

目录

一、导语：一个被工程化掩盖的认识论问题

长周期综述写作在过去两年里被大量“流程化”：把一次写作拆成若干轮（round），每轮开始时读取若干状态文件，确定本轮要检索什么、读哪些 PDF、写哪几条笔记、更新哪一段草稿。research-survey-loop 这类实践把状态文件压缩到四五个：task.md 记录任务目标与验收标准，round_log.md 记录每轮动作与结论，current_task.md 记录当前正在做的子任务，另有一份语料或笔记索引。其工程直觉非常清晰：只要入口足够精确，中断与恢复的代价就趋近于零。

但这个直觉隐含了一个未被检验的前提——被恢复的那个“状态”本身是可信的。如果状态文件忠实记录了“我们本来想做什么”，那么恢复就是连续性；如果它忠实记录了“我们实际上已经偏到哪去了”，那么恢复就是把偏差也一并继承下来，而且继承得越精确，纠偏越困难。本文的主线即由此确立：状态文件的保真度与偏差的固化率是同一套机制的两个输出，讨论连续性必须同时讨论偏差的持久化。

笔者认为，把这一问题简单归因为“模型能力不足”或“提示词写得不好”是回避性的。它更接近软件工程中早已被研究过的“配置漂移”（configuration drift）与“技术债累积”问题：系统在每一时刻都处于合法状态，但状态的演化路径不可逆地偏离了初始意图。区别在于，综述写作的偏差不像服务器配置那样有明确的期望值可比对，它需要一套新的可观测性设计。

二、背景与问题定义：状态文件到底是什么

2.1 从“记忆”到“外部化工作记忆”

认知科学中，工作记忆容量有限这一结论已被广泛接受（Miller 1956 提出的“7±2”虽然后续被修正，但容量受限的基本判断成立）。长综述写作天然超出单次上下文窗口，因此把中间状态外部化为文件，是一种合理的“认知卸载”（cognitive offloading）。Risko 与 Gilbert 在 2016 年的综述中指出，认知卸载会改变任务内部的资源分配，但也会带来“卸载依赖”——一旦外部记录存在，内部监控会相应减弱。本文评述：这恰好解释了为什么状态文件越完善，作者越少主动质疑状态本身的正确性。

在工程侧，这一思路与“检查点—恢复”（checkpoint-restore）机制同源。分布式计算中的检查点要求状态是一致的（consistent），即不存在跨组件的悬空引用。而 markdown 状态文件几乎没有一致性约束：round_log.md 里写“已读 12 篇”，语料目录里可能有 15 个 PDF，笔记里只出现了 9 条引用。这种不一致在单轮内不致命，在多轮累积后会成为漂移的载体。

2.2 四个状态文件的职责与耦合

把四类文件按“意图—动作—现场—产物”四层来理解，会比按文件名理解更清晰。下表给出一种常见的职责划分与失效模式（基于对公开的 agentic writing 工作流实践的归纳，属整合性描述，非某一具体项目的官方定义）。

四层之间的耦合方向是不对称的：意图层（task.md）本应约束动作层，但实际运行中，动作层的高频写入会反向“驯化”意图层——因为每轮开始时模型先读到的是上一轮的动作摘要，而不是原始目标。这是一种典型的近因偏置（recency bias）在文件系统上的投影。本文评述：只要读取顺序是“先日志后目标”，漂移就具有结构性，而非偶发性。

2.3 问题定义：什么是“把跑偏持久化”

为避免概念滑移，这里给出操作性定义。偏差固化指某一轮的局部决策（如临时缩小检索范围、临时跳过某类文献）被写入状态文件，并在后续轮次中被当作既定事实继承，且没有任何字段记录该决策的临时性与失效条件。与之相对，连续性指后续轮次能够重建前序轮次的意图、证据与推理链，并能在证据变化时撤销旧决策。

二者的判别标准可以很具体：状态文件中是否存在“可撤销标记”。如果一条决策只有“已采纳”一种状态，它就在固化；如果它有“采纳—待复核—已撤销”的状态机，它就在维持连续性。这个判据简单到可以在代码里实现，却极少被写进状态文件模板。

三、原理与技术路线：连续性与偏差固化的同一枚硬币

3.1 状态保真度与偏差固化率的双轴框架

笔者提出一个二维框架来定位不同流水线的健康度。横轴为状态保真度：状态文件在多大程度上忠实反映了实际发生的动作与证据；纵轴为偏差固化率：被写入且不可撤销的局部决策占全部决策的比例。两者并非简单的负相关，而是可以组合出四种典型象限。

多数讨论默认“保真度越高越好”，从而忽略了 B 象限的存在。本文评述：B 象限恰恰是 research-survey-loop 这类实践最容易滑入的状态——它看起来非常专业，日志完整、入口精确，但每一轮都在忠实地继承上一轮的偏差。判断自己是否在 B 象限，有一个低成本测试：随机抽取三轮前的 round_log，问“当时为什么排除那批文献”，如果答案只能从日志里读到“已排除”而读不到理由，就基本可以判定固化率偏高。

3.2 漂移的三个生成机制

机制一：检索优先级的路径依赖。检索是一个序列决策过程，前一轮的高命中会提高同类检索式的权重，形成正反馈。信息检索中的“相关性反馈”（relevance feedback）研究早已指出，反馈会放大初始判断的偏差（Rocchio 1971 的经典方法即建立在此之上）。本文评述：在长综述中，这种放大是跨轮累积的，且没有显式的“负反馈”通道——除非状态文件里专门记录“被放弃的检索方向及其放弃理由”。

机制二：语料的无序化。PDF 以“下载即存”的方式进入本地目录，文件名往往保留出版商命名，缺乏统一元数据。当目录规模超过数百项后，检索退化为文件名匹配，语义检索失效。这与个人知识管理领域长期讨论的“数字囤积”（digital hoarding）现象一致：收集行为本身带来掌控感，但降低了后续可用性。

机制三：笔记的去连接化。卡片笔记法（Zettelkasten）的核心不是卡片数量，而是卡片之间的链接密度。Luhmann 的实践被反复引用，但常被简化成“多写卡片”。当笔记只有标签没有链接时，它退化为一种碎片化的摘录，无法支撑论证链。本文评述：状态文件如果只记录“已写 N 条笔记”，而不记录“笔记之间的引用关系”，就等于把去连接化也制度化了。

3.3 一个可计算的形式化描述

把一轮写作抽象为状态转移，可以更清楚地看到问题所在。设第 t 轮的状态为 S_t，由意图 I_t、动作 A_t、证据 E_t、产物 P_t 组成，即 S_t = (I_t, A_t, E_t, P_t)。恢复操作是从 S_t 重建 S_{t+1} 的初始条件。若恢复函数 R 满足 R(S_t) = S_t 的某个子集，且该子集不包含“决策的失效条件”，则偏差被继承。

# 偏差固化率的简化度量（模拟示例，非真实实验数据）
def drift_fixation_ratio(rounds):
    fixed = 0
    total = 0
    for r in rounds:
        for d in r.decisions:
            total += 1
            # 决策若无可撤销标记、无失效条件、无复核时间，视为固化
            if not (d.revocable or d.expiry or d.review_at):
                fixed += 1
    return fixed / max(total, 1)

# 语料有序度的简化度量：具备完整元数据的条目占比
def corpus_order_ratio(entries):
    ok = sum(1 for e in entries
             if e.doi and e.year and e.venue and e.topic)
    return ok / max(len(entries), 1)

这两个指标都不需要复杂基础设施即可采集，但它们的价值在于把“感觉跑偏了”变成可比较的数字。笔者认为，任何声称“状态驱动”的流水线，如果无法在十分钟内算出这两个比值，就不应宣称自己具备可恢复性。

四、关键数据与案例：三类漂移的可观测证据

4.1 检索优先级漂移的量化观察

需要说明的是，公开文献中并没有针对“research-survey-loop 四状态文件”的专门实证研究，因此本节的数据分两类：一类来自可核查的公开研究，另一类明确标注为模拟或整合数据，用于说明度量方法而非断言结论。

在检索行为方面，Bornmann 与 Mutz 对引用分布的研究、以及 Waltman 关于文献计量指标的工作，都支持一个基本判断：学术检索的结果分布高度长尾，前若干条命中承载了大部分相关性。这意味着一旦前几轮锁定了少数“高相关”方向，后续轮次的检索式会围绕这些方向收敛。本文评述：长尾结构本身不是问题，问题是状态文件通常只记录“命中了什么”，不记录“长尾里被跳过了什么”，导致收敛不可逆。

这张表的意义不在于具体数值，而在于它提示了一个可操作的监控点：如果新增方向数连续两轮降到 1 以下，就应触发“强制探索”轮次，在状态文件中写入一条带失效条件的探索指令。这是把“反漂移”从口号变成机制的最小改动。

4.2 语料无序化的工程后果

语料目录的无序化会直接抬高检索成本。一个常被忽略的事实是：本地 PDF 的“可检索性”取决于文本层质量，而扫描版 PDF 的 OCR 质量参差不齐。Grobid 等项目为学术 PDF 的结构化解析提供了开源方案，其文档明确指出解析质量依赖输入质量。本文评述：这意味着“语料池”不是一个均质集合，而是一个质量分布高度不均的集合；状态文件若只记录文件数量，等于掩盖了质量方差。

在工程上，一个务实的做法是为每个条目维护最小元数据：DOI、年份、 venue、主题标签、解析状态（成功/部分/失败）。这五元组足以支撑去重、时间过滤与质量筛选。下表给出一个可落地的最小模式（schema），可直接写入 YAML 或 JSON Lines。

# corpus_entry.yaml（最小元数据模式）
id: "doi:10.xxxx/xxxxx"      # 唯一键，优先 DOI
title: "..."
year: 2024
venue: "..."
topics: ["retrieval", "survey"]
parse_status: "ok"           # ok | partial | failed
text_hash: "sha256:..."      # 用于检测重复下载
added_round: 7               # 哪一轮加入，便于回溯
excluded: false              # 是否被排除
exclude_reason: ""           # 排除理由，必填才允许 excluded=true

注意最后两个字段：excluded 与 exclude_reason 成对出现，且理由为空时不允许置为 true。这是一个极小的约束，但它把“排除”从隐式动作变成了显式记录，从而使后续轮次可以复核。笔者认为，这类“字段级约束”比任何流程文档都更能抑制漂移，因为它作用于写入路径而非阅读路径。

4.3 笔记去连接化的诊断

笔记系统的健康度可以用链接密度近似衡量：平均每条笔记的出链数与入链数。纯摘录式笔记的链接密度接近 0，而论证型笔记的链接密度显著更高。需要强调，链接密度不是越高越好——过度链接会带来维护负担，且容易形成“链接噪声”。本文评述：更稳健的指标是“被至少两条其他笔记引用的笔记占比”，它衡量的是笔记网络中是否存在真正的枢纽节点，而非链接总数。

在 research-survey-loop 的语境下，笔记与状态文件的接口是关键：round_log.md 应当引用笔记 ID，而不是复述笔记内容。复述会制造两份真相，且两份真相会逐渐分叉。这一点与软件工程中“单一事实来源”（single source of truth）原则一致。本文评述：很多流水线在这里失守，不是因为不知道原则，而是因为复述比引用更省事——省事的代价由后续轮次支付。

五、对比与局限：状态驱动范式的边界条件

5.1 与其他长任务组织方式的对比

把状态文件驱动与另外两种常见方式对比，有助于看清其适用边界。第一种是“单一大纲驱动”：以一份不断细化的提纲为唯一状态，优点是结构清晰，缺点是无法记录检索与阅读的过程性证据。第二种是“数据库驱动”：把文献、笔记、论证都存入结构化数据库，优点是查询能力强，缺点是前期建模成本高、灵活性下降。

本文评述：状态文件驱动的真正优势是低启动成本与高可读性，它适合中等规模、需要人类频繁介入的写作任务。一旦轮次超过五十、语料超过千条，markdown 的查询能力会成为瓶颈，此时应迁移到数据库或至少引入结构化索引，而不是继续在 markdown 上叠加约定。

5.2 局限与反例

必须承认，本文的论证存在若干局限。其一，缺乏大规模对照实验：目前没有公开的、以“状态文件设计”为自变量的对照研究，本文提出的指标与机制属于基于工程推理的设计建议，其有效性需要实践检验。其二，存在“过度审计”的反例：如果每一轮都要求记录完整的决策理由，写作成本会显著上升，可能反而降低产出效率。这与软件工程中“文档债”的讨论类似——文档不足与文档过度都是问题。

其三，偏差并不总是坏事。探索性综述的价值恰恰在于允许研究者偏离初始计划，发现意外线索。本文评述：因此目标不是“零偏差”，而是“偏差可识别、可回滚、可解释”。把偏差当作需要消灭的敌人，会导向僵化的流程；把偏差当作需要管理的资源，才会导向可审计的设计。

判断一条流水线是否健康，不看它能否精确恢复，而看它能否在恢复后回答三个问题：上一轮为什么这样决策？这个决策在什么条件下失效？如果失效，回滚到哪一步？

六、操作路径：把状态文件改造成可审计的偏差账本

6.1 步骤一：为状态字段增加“生命周期”

最小可行改造是给关键字段加上生命周期标记。以决策为例，一条决策至少应包含：内容、理由、生效轮次、失效条件、复核轮次、当前状态（active / pending_review / revoked）。这六个字段不需要数据库，写在 markdown 的表格里即可。关键在于失效条件必须可判定，例如“若连续两轮无新增方向，则本决策失效”，而不是“视情况调整”。

## 决策 D-012
- 内容：将检索范围收窄至 2022 年以后的英文期刊
- 理由：早期文献已被三篇综述覆盖
- 生效轮次：R6
- 失效条件：若 R9 前未找到 5 篇以上新增高相关文献，则撤销
- 复核轮次：R9
- 状态：active

这个模板的妙处在于它把“临时决策”与“长期决策”区分开了。本文评述：绝大多数漂移来自临时决策被误当作长期决策，而模板通过强制填写失效条件，把这种误判暴露在写入时刻。

6.2 步骤二：建立偏差预算与强制探索

借鉴软件可靠性工程中的“错误预算”思想，可以为检索方向集中度设定预算。例如规定：前 5 方向占比不得超过 0.75，超过则下一轮必须执行一次“强制探索”——使用与当前主题距离较远的检索词，或从引文网络中随机采样。这个机制的价值在于它不依赖人的自觉，而是把反漂移写进了轮次调度。

实现上，可以在每轮结束时计算集中度指标，若超预算则在 current_task.md 顶部写入一条高优先级任务。这与持续集成中的“质量门禁”同构：门禁不保证质量，但保证问题不会被无声地放过。

6.3 步骤三：语料指纹与去重

语料无序化的一个隐蔽来源是重复下载：同一篇论文从不同渠道进入目录，文件名不同但内容相同。用文本哈希做指纹可以去重，但对扫描版 PDF 效果有限，需要结合标题与作者的模糊匹配。工程上可参考现有工具的做法，例如 Zotero 的重复检测、以及各类文献管理工具的 DOI 归一化。

笔者认为，去重不应只在导入时做一次，而应在每轮开始时做一次增量检查。原因是不同渠道的元数据质量不同，早期导入的条目可能在后期才获得 DOI。增量去重配合“排除理由必填”的约束，可以把语料池从“无序堆”逐步整理成“可查询集”。

6.4 步骤四：笔记图谱的最小实现

笔记图谱不需要复杂工具，一个双向链接约定加一个索引文件即可。约定是：每条笔记有唯一 ID，正文中用 [[ID]] 引用其他笔记；索引文件定期统计入链数，标记出零入链的“孤岛笔记”。孤岛笔记不是错误，但需要被识别——它们要么是尚未接入论证链的素材，要么是应该删除的冗余。

本文评述：图谱的价值不在于可视化好看，而在于它提供了一个可查询的论证结构。当需要回答“这个结论依赖哪些证据”时，沿入链回溯比翻日志高效得多。这也是状态文件与笔记系统应当分工的地方：状态文件管过程，笔记图谱管结构。

6.5 步骤五：回滚检查点与差异审计

最后一步是把状态文件纳入版本控制（如 Git），并在关键轮次打标签。这样“回滚”不再是抽象概念，而是具体的 git diff。差异审计可以发现两类问题：一是意图漂移（task.md 被悄悄修改），二是证据漂移（语料索引中某些条目被删除但无记录）。

在工具层面，Git 的 blame 与 log 足以支撑小规模审计；若需要更强的查询能力，可考虑把状态导出为结构化格式后做 SQL 分析。需要提醒的是，版本控制只解决“可追溯”，不解决“该不该追溯”——后者仍是判断问题，需要人来定夺。

七、结论与展望：从“精确入口”到“可回滚入口”

回到标题提出的问题：状态文件是在维护连续性，还是在把跑偏持久化？本文的答案是——它同时在做这两件事，且两者共用同一套写入机制。连续性来自状态的忠实记录，偏差固化也来自状态的忠实记录；区别只在于记录中是否包含“可撤销性”。因此，改进的方向不是减少记录，而是改变记录的结构：让每一条决策都携带失效条件，让每一次排除都携带理由，让每一个状态都可回滚。

展望未来，笔者认为有三个值得关注的方向。其一是状态文件的形式化：把 markdown 约定升级为带 schema 的结构化格式，使自动化审计成为可能。其二是偏差的主动探测：借鉴软件可观测性中的指标、日志、追踪三支柱，为写作流程设计对应的“检索追踪”。其三是人机分工的再设计：把机械的一致性检查交给工具，把价值判断留给人，而不是让模型在两者之间模糊地带反复摇摆。

最后需要强调，本文提出的指标与机制均属设计建议，其有效性有待实践检验。任何流程改造都应遵循小步验证的原则：先在一个中等规模的项目上试运行，采集基线数据，再决定是否推广。把“可回滚”作为设计目标，比把“精确”作为设计目标更现实，也更符合长周期写作的真实形态。

主要参考文献