与 AI 协作分析 · 7/7
一份越容易让人理解的分析报告，有时反而越难让人从中学习。
我们习惯把分析成果整理成清楚的结论，却也可能因此隐藏了那些让我们改变判断的过程。
当分析过程中的 context 逐步收敛后，还有一个接续问题：当分析跨过不同 session、换人或换 Agent 接手时，工作区应该留下什么？以及后来者如何理解这些分析资产。
最近我在 Lantide 做了一套 Change Context。发想的起点来自 Delta Lake 的 transaction log，我想保存的，是分析判断如何改变。
文件版本都在，不代表判断的转折也在
假设团队在分析活动后的留存下降，最初怀疑是活动品质出了问题。
几轮查询后，发现这期多了一批来自新渠道的用户。重新分群、确认观察期后，看到各群体的留存没有明显恶化，整体下降更可能与用户组成改变有关，因此暂时不再把活动品质当成主要解释。
最后的 Report 可能只留下整理好的结论。
原始数据没变，SQL 可能只多了几个分群条件，但我们对问题的理解已经变了。如果下一个 Agent 只读最新版，它知道我们目前怎么解释，却未必知道原本怀疑过什么、哪些结果让我们改变方向，以及这个判断还有哪些限制。
即使保留所有文件版本，也还得有人从差异中还原这段过程。（看得出第二段整段重写了，但我当时到底发现了什么？）
这也是我觉得分析经验很难只靠「保存最后答案」累积的原因。后续工作需要知道，我们为什么走到了这里。
从 Delta Lake 借来的视角
想到这里，我联想到 Delta Lake：其 transaction log 记录正式变更，搭配 checkpoint 可重建数据快照。这个区分目前状态与提交历史的视角，成为我设计分析工作区的灵感。Delta Lake 协议：Delta Log Entries。
分析工作区是不是也能借用这个思路？
先提供一份目前状态的索引，再保留有顺序的正式变更。接手的 Agent 可以先定位相关资产；回来继续工作的 Agent，也能从上次的位置往后看，知道哪些地方需要重读。
但分析多了一个问题：文件差异通常不足以说明判断的变化。
「更新 Report 第二节」只告诉我们改了哪里。「分群结果显示下降主要与用户组成有关，因此调整原先对活动品质的怀疑」，才留下了这次修改的分析意义。
因此我让 Agent 在正式修改 Plan、Report、Reference 等资产时，同一次提交几件事：
- 这次改变了什么分析判断？
- 为什么改？
- 当时依据的是哪份、哪个版本的证据？
内容修改和这些背景一起留下来。因为修改当下，相关讨论与证据通常还在 context 里；等下一个 Agent 看着成品回推，就又变成考古了。
Git 已能保存版本，为什么还需要 Change Context？
Git 当然也能记录版本、追踪修改，甚至透过 commit message 保存原因。但它主要处理的是文件版本，分析判断与证据的留存仍需要额外建立惯例或流程。我想要的不是另一套版本控制，而是「分析脉络的自然累积」：让分析思路、判断变化与证据引用，直接融入工作区的正式资产修改，尽可能不增加分析师额外留痕的负担。
不知道原因，就不要替历史补上一个理由
这套设计里，我特别保留了一个选项：unknown。
例如有人把留存观察窗从 14 天改成 30 天，却没有写原因。后来的 Agent 也许能推导出「为了观察长期效果」，或「因为样本成熟度不足」。
都很合理，但合理不代表那就是当时的理由。
如果顺手把它补进记录，下次再被引用时，这个猜测可能就变成了团队的既有知识。（它只是想帮忙把故事补完整，结果帮我们补了一段虚构历史）。
所以原因没留下，就明确记录不知道。Agent 有提供理由，也要保留它的来源与确认状态：资产已经修改、理由已经写入，并不等于这段解读已经被人确认。
这也是 transaction 类比需要暂停的地方。系统可以检查版本、引用与提交是否完成，却不能因此保证分析理由正确。
同样地，Change Context 只捕捉正式进入工作区的修改及其当时留下的背景。尚未写入资产的探索，不会自动成为这份历史；它也不是 Agent 每一步 thinking 的完整备份。
Change Context 也不是所有资产历史正文的永久版本库。它保留正式变更事件、版本识别与当时留下的语义；历史正文不可取得或捕捉范围有缺口时，需要明确揭露，不能因为有一笔修改记录，就承诺一定能还原旧文件。
这就像在分析资产之间，建立起一张可追溯的「思维路网」：我们目前主张什么、哪些判断改变过、当时留下了哪些依据，以及哪些地方仍然不知道。
这些信息留下来，下一个人或 Agent 才有机会接着验证、质疑，或在新证据出现时重新打开一条曾经停止的分析路径。
延伸阅读
在 Lantide Data 中试用这套分析工作方式：下载 Lantide Data。