《延迟加载私有工具中枢、数百检查器零初始上下文开销与按需路由树母典》各章定量结论
检查器、计算器与写作闸门越积越多,最省事的接法是把每个工具的完整说明一开场就全部放进上下文。立项命题说:一次性加载会线性吃掉上下文,按调用频率构造的多级路由树能把期望说明开销降到接近信息熵下界。本书把命题写成可计算的模型,并修正蓝图五处:熵下界出自香农 1948 年而非霍夫曼 1952 年;熵限制的是决策次数而不是词元,每次决策要读一屏菜单,单次查找最省的分支数在跳开销为零时约 2.72、为 80 个词元时约 5.09;霍夫曼树的内部节点没有名字,可导航的树须保持语义次序,随机次序下只多 0.112 次决策;按需加载并非总更省,三百个工具时会话账单一次性加载 150000 个词元、按需加载 8558.5,比值 17.53,但每次会话超过 1479 次调用即反转;选择准确率缺乏可靠的同行评审一手证据,整体降为作者假说。书中参数为示意;全部计算由书中程序生成;程序不读写任何文件;本书是非个人化经营建议,任何线上工具目录的改动须由主事者人工复核放行。
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-257 · English version
- 第 1 章 · 线性账单:一次性加载的上下文开销与熵下界
指数为零时,熵是 8.229 比特,霍夫曼树要 8.293 次决策,比平衡树只少 0.079 的份额:大家一样常用,按频率排也排不出什么。指数为一时,熵是 6.372,霍夫曼树是 6.406,差距 0.034,比平衡树少了 0.288。指数为二时,熵只有 2.324,霍夫曼树是 2.379,比平衡树少了 0.736。五行里霍夫曼树与熵的差距都不超过 0.065,远小于香农定理允许的一。最后两列是八叉树:以三次二选一折合一次八选一,指数… - 第 2 章 · 霍夫曼构树:多叉合并、哑叶补齐与菜单代价
多叉霍夫曼树必须先补哑叶,否则十叉树会多出四分之一以上的决策。在小规模上,霍夫曼树与穷举的最优解在 720 个实例中全部相等。决策次数不是词元:每次决策要读一屏菜单,词元意义上的最优分支数在跳开销为零时约为 2.72,跳开销为 80 个词元时约为 5.09。可是本章一直回避了一个问题:霍夫曼树把冷门工具按频率胡乱拼成一枝,模型在菜单上看到的是一个没有名字的节点,它凭什么知道要找的工具在这一枝里?下一章回答这个问题,并给出它的价格。 - 第 3 章 · 可导航的树:字母序约束的价格与逐层误选的累积
可导航的树必须保持语义次序。理论上这最多比霍夫曼树多花约一次决策;在齐普夫分布下,程序 p31 算出的实际代价只有十分之一次左右,随机次序下为 0.112。真正的不确定性在误选:路由树能否提高准确率,取决于误选随菜单长度变化的规律,而这个规律至今没有可靠的公开测量。下一章暂时把准确率放在一边,回到词元与往返,问一个更实际的问题:给定三百个工具,到底该分几层、每层多宽,哪些工具值得直接挂在根上? - 第 4 章 · 分支因子:深度与宽度的取舍,以及把热门工具直挂在根上
第四章讲深度与宽度,以及把会话中被调用概率超过 0.862 的工具直挂在根上。 - 第 5 章 · 冷启动排队:按需加载的延迟账与常驻时长
第五章用带启动时间的排队模型与租雪橇规则讨论冷启动,盈亏平衡常驻在任何间隔分布下最坏不超过最优的 2.000 倍。 - 第 6 章 · 频率漂移:用错频率的代价与重建路由树的时机
用错频率的代价约等于相对熵:小漂移几乎无害,漂移 1.0 时每次查找多做 0.678 次决策,大漂移会让频率树比平衡树还差。重建的触发信号不能用样本内的差距,它每个月都会触发;应当用留出检验,让重建只在频率真的变化时发生。到这里,我们已经把路由树的数学讲完了。下一章暂时离开计算机,回到两千多年前的官制与一百五十年前的图书馆,看古人怎样给成百上千的职事与书籍分层,他们说对了什么,又漏掉了什么。 - 第 7 章 · 东西方原典考辨:《周礼》设官分职与杜威十分法
第七章考辨《周礼》「设官分职」与「大事则从其长,小事则专达」,以及杜威 1876 年的十分法与主题索引。 - 第 8 章 · 实证闭环:工具目录分层与调用频率月报
第八章给出工具目录分层与调用频率的月报流程、蒸馏小工具「工具路由树成本计算器」、预先登记的检验方案与推翻本书的条件。书中以标注框区分已发表的证据、可运行的 Python 计算(17 段程序)、原典与作者的假说。
模型示意算例,非实时报价