RLM 長上下文閱讀技能

這個技能把論文提出的 Recursive Language Model (RLM) 具體化成一個可落地的「長文本閱讀器」：

• 把超長內容（PDF、repo、多文件資料集）不直接塞進 LLM，而是放進一個 Python REPL 環境的 context 變數。
• 讓根模型（root LM）透過寫程式來 探勘 / 分解 / 篩選 context，並在需要語意判斷時呼叫 llm_query() 對「小片段」做 遞迴子呼叫。
• 用變數當 buffer（例如 notes, evidence, answer_parts），最後以 FINAL(...) 或 FINAL_VAR(var) 產生最終輸出。

何時要用

• 你要回答的問題依賴大量內容，或必須密集引用多段證據（例如：一整本 PDF、規格書、超大 codebase）。
• 你需要可追溯的過程（用程式碼搜尋、統計、抽樣、驗證），而不是「憑印象摘要」。
• 你懷疑會遇到 context rot：內容越長，模型越容易忘、越容易幻覺。

快速工作流

1. 載入內容到 context
   • PDF：每頁（或每 N 字）做一個 chunk。
   • Repo：每個檔案做 chunk，前面加上檔名與路徑當 header。