Personal Understanding

个人理解 v2.0

这是一个本地、可追溯、原话优先、时间主干驱动的个人认知档案。它用于保存经历、关系、状态和规则，并让模型在需要时能够：

• 先从一件经历想起；
• 再沿着时间、人物、地点、学校、物品、作品、游戏、概念和生活环境发散；
• 回到用户当时的原话；
• 区分事实、感受、用户解释、模型推测和未解决问题；
• 检查待回访事项是否到期；
• 发现矛盾时带着证据和上下文提问。

旧版 memory/records/ 保留为兼容层。v2 的派生主干位于 memory/v2/，不可变会话原话位于 sources/conversation/。

两档调用闸门：full / skip

调用本 Skill 前，先判断本轮属于哪一档。两档共用同一个档案库，不建第二层存储。

第一档：完整档（full）——默认档。 任务包含个人经历、状态、感受、关系、偏好、决定等实质个人材料，或用户明确要求记住/归档，或个人背景会实质改变建议、取舍、风险提示或行动顺序时，走完整流程：preflight receipt → capture 原话 → survey/probe/deep 检索 → 派生记录 → finalize → session_check。抒发、闲聊、自我陈述类轮次同样属于本档：档案的价值是提供背景和参考，不以"必须给建议"为前提。

活动足迹轮次（并入完整档，2026-09-03 两档制改革）： 游戏攻略、宿舍安置、在读在看、装备选型等"消息本身不含实质个人材料、但可沉淀一条活动足迹"的轮次（如"《只狼》怎么打弦一郎"→"2026-09 正在玩《只狼》"、"这本书好看吗"→"在读/考虑读某书"），与实质个人材料走同一条流程——capture、读取、闭环一项不可少，不存在免读取的快速建档。此类轮次额外遵守足迹纪律：

1. 写入前定向查重（不可跳过，2026-09-03"已入学"误记的制度根源就是缺了这一步）：按足迹关键词做定向 probe/routing 查询，核对两点——(a) 档案里是否已有覆盖同一足迹的 current 记录：已有则不新建，需要刷新就沿既有记录做版本链更新；(b) 待写内容是否与既有事实或既有边界相矛盾：档案内任何"不得把 A 写成 B"类状态告诫（如"已录取"不得写成"已入学"）逐条核对；
2. 恰好一条微型记录：通过查重后写 tier=light、salience 0–1 的微型派生记录（带 capture_id 回链），不拆多条、不生成假设或待回访、不把单次咨询升级成决定；
3. 零新增可体面收场：查重确认既有记录已完全覆盖、无任何增量时，以 no-derivation-needed 收尾，reason 必须写明命中的具体记录——这是合法闭环，禁止为闭环制造噪声记录；
4. 查重翻出档案内部矛盾时留证不断言；发现待写内容实际包含多条独立事实或需纠正既有记录时，按完整档正常语义拆分处理（不再是"升级换档"，只是同一档位内的派生深度变化）。

第二档：跳过档（skip）——完全不碰档案。 明显无关、或记录后对未来对话质量增益为零的轮次：纯技术（代码、配置、排障、MCP、插件、仓库维护）、"今天吃什么"、"帮我看看买哪个"这类一次性购物决策、"这东西怎么样"这类无后效的评价请求。不做 survey，不捕获消息，不建派生记录，也不为了审计保存副本。判定标准与完整档的足迹轮次互补：一次纯咨询 FAQ 若查重后无增量，宁可 skip 或零新增收尾，不往档案里倒噪声。护栏：内容分类已经检出个人材料的轮次不得用 tier=skip 压制——那是完整档的轮次；压制行为会留痕在 receipt 的 reasons_suppressed 字段，事后审计可查。

轻量补记档（light）已废除（2026-09-03）。 preflight 的 tier=light 枚举仅为兼容保留，收到时一律按 full 处理；不再声明 light。废除理由：其"免读取"省下的少量 token 远低于引入的复杂度与事故率（盲写误记、light-tier-requires-derived-record 查重死锁、回答无法利用档案背景），活动足迹轮次并入完整档并受足迹纪律约束。记录层的 tier=light 微型标记（salience 0–1）保留，仅表示记录形态，不再表示档位。

维护本 Skill 的边界规则本身不属于个人材料；应直接修改 Skill 规则，不要把维护对话归档。全局聊天语气、编程语言偏好、工具偏好和方案拷问行为属于宿主客户端的指令文件，不属于个人档案。不得把这些客户端配置决定捕获或派生成个人事实。

最高优先级：原话保真

只要用户在任何形式、任何场景补充个人理解 Skill 的内容，必须先把用户完整原话一字不改保存，再做任何摘要、事件拆分、人物提取、关系判断或因果解释。

执行顺序固定为：

用户原话 / 原始附件
  ↓ 先保存，不可覆盖
verbatim fragment
  ↓
事件、实体、情境卡、状态、待回访、假设
  ↓
检索与回答

必须遵守：

1. 文字输入保存完整用户消息，不只截取模型认为重要的句子；
2. 图片、音频、文件保留原始附件；OCR、转写、摘要都是派生内容；
3. 每份原话有 utf8_sha256、捕获时间、会话标识和来源路径；
4. 原话捕获一旦存在，不得静默覆盖；纠正只能新增捕获和关系；
5. 任何模型摘要都不能冒充用户原话；旧版只有摘要的记录必须标成 summary_only；
6. 原话捕获失败时，必须报告失败，不得假装“已经存好了”；
7. 先用 scripts/preflight_context.py <完整消息> --turn-id <turn-id> 或 MCP personal_preflight_turn 创建同一轮的 receipt；再使用 scripts/capture_user_update.py --turn-id <turn-id> 或 MCP personal_capture_user_turn 完成捕获。文字 capture 的 SHA256 必须与 receipt 的完整消息一致；
8. 使用 personal_add_record 写派生记录时，当前用户补充必须带 capture_id 或 verbatim_refs，禁止继续用裸 current-conversation 冒充原文。

派生闭环：捕获成功不等于档案更新完成

capture 成功只代表原始材料没有丢失。它会在 memory/derivation-ledger.json 中进入 pending，仍然必须完成语义拆分、链接和关闭。

每次准备回答前，当前轮所有个人材料捕获必须满足以下一种状态：

• 已创建全部必要的事件、实体、状态、偏好、规则、情境或候选解释记录，并用 scripts/finalize_capture.py --disposition derived 或 MCP 工具 personal_finalize_capture 关闭；
• 经查重和语义检查后确实没有新增信息，用 no-derivation-needed 关闭，并写清具体原因。

硬性约束：

1. 禁止在仍有当前轮 pending 捕获时声称“已经录入”“已经融入”或结束答复；
2. derived 至少要有一条可验证的 capture→record 双向链接；
3. 一条原话包含多个独立事件、人物、时间纠正、偏好或状态时，必须逐项判断并拆分，不能只建一张笼统摘要卡应付；
4. 单独的确认、纠正和上下文补充可以与同一派生记录关联，但仍要逐条 finalize；
5. 图片、音频和文件与文字遵守同一闭环；附件用 scripts/capture_attachment.py 保留原件并登记哈希；
6. 精确重复附件可以复用已存原件，但本次 capture 仍需登记，并以具体查重理由关闭；
7. scripts/validate_memory.py --require-closed-captures 必须能阻止孤立捕获、未跟踪捕获和未完成派生混入完成态；
8. 历史材料的事件日期、材料写作日期、回忆日期和本次录入日期必须分开，禁止把录入当天冒充事件发生日。

事实层级

所有内容按以下层级处理：

1. 用户原话事实：用户第一人称明确说出的经历、状态、感受、偏好、纠正和规则；
2. 用户对材料的评价：用户说某份分析不对、某人不是某账号、某个方案只是咨询等；
3. 用户自己的解释：用户对原因、意义、关系和未来的解释；仍保留为用户观点，不自动变成客观事实；
4. 模型候选解释：模型根据多条记录提出的模式或因果假设，必须单独放在假设层；
5. 无法确认的内容：保留来源和缺口，不凭空补全。

用户刚刚说的内容优先于旧档案。旧事实不能被静默擦掉；新内容应建立 supersedes、contradicts 或纠正链。

统一记忆权重：只有一条轴

事件性质和记忆权重不是一回事，但不能再搞两套“重要性”标准。

• entry_kind：事件、状态、决定、事实等，表示它是什么；
• salience：它在未来理解用户时有多大依赖价值，唯一采用 0–3 轴：
  • 3 主轴：改变长期理解、多个领域或人生方向；
  • 2 关键：明显改变某条生活线、当前决定或关系过程；
  • 1 关联：提供背景、连接或反例；
  • 0 提及：只作为名字或细节出现。

主轴/关键/关联/提及是同一个尺度的显示标签，不再另设“核心事件/重要事件/背景事件”第二套分类。旧记录迁移时的权重只能标记为 imported heuristic，不能伪装成用户亲自评定。

时间主干

时间主干是档案的第一条脊柱，但不是把人生强行写成一篇传记。

每条时间条目尽量保留：

• date_start、date_end；
• date_precision：日、月、年、约略、相对顺序、未知；
• date_basis：发生时间、回忆时间、来源时间或模型推断；
• phase：童年、初中、高中、大学过渡期等；
• salience：唯一记忆权重；
• entity_refs：人物、学校、地点、物品、作品、概念和环境；
• before_ids、after_ids；
• 原话片段和旧摘要片段的保真度。

禁止把记录创建日期当成事件发生日期。日期不确定就写不确定，不能为了让时间线好看而造日期。

总览怎么概括

总览采用事件优先、体验跟随、当前状态单独叠加的结构：

1. 人生主干：先展示改变生活线的主轴/关键事件，不用一段宏大叙事概括用户；
2. 事件展开：每个事件可以展开“发生了什么、用户当时感受、用户如何解释、后来产生什么影响”；
3. 当前状态：单独展示当前内核、现实处境、感受负荷、正在拉扯的决定和下一检查点；
4. 证据入口：每个判断都能跳回实体、情境卡、事件和原话。

因此不是“侧重事例”或“侧重感受”二选一：时间主干以事例为骨架，感受和意义是事件的展开层，当前状态再单独提供一个短而有信息密度的快照。

实体档案：人物不是孤岛

任何被用户明确指涉、并且在当前内容中承担一点作用的对象，都可以建立一个轻量实体档案；不因为它是路人就省略，也不因为资料少就编造长篇内容。

实体类型不限于人物：

• person：人物、亲属、朋友、同学；
• group：班级、球队、社群；
• school_or_organization：学校、大学、机构；
• place：城市、住处、球场、工作地点；
• object：电脑、耳机、足球鞋、设备；
• book_or_work：书、小说、作品、文章；
• game_or_media：游戏、视频、音乐、账号内容；
• concept：概念、价值、理想、制度；
• environment：家庭环境、学校氛围、生活条件、制度环境。

模糊代词怎么处理

“单纯的模糊代词”指：

• 用户只说“他/她/那个人”；
• 当前消息和可回读上下文都不能确定指向谁；
• 也没有足够信息建立一个稳定的名字或角色。

这种情况下不创造一个假人物，也不写“未确认实体”这种模型看不懂的垃圾节点；把这段原话挂在事件的 unresolved_referent 上，保留原文，等用户之后明确指向再补进正式档案。

只要身份能从上下文确定，即使只有一句话，也创建一个短档案。路人档案可以只有几句话，这不构成浪费。

档案内容和冗余

实体档案不手抄一份重复传记。采用：

• 事实只保留一份：原话和事件是 canonical source；
• 实体页是投影：展示所有相关故事和原话入口；
• 实体正文不写可变状态：拥有/未拥有、在读/毕业、已购/愿望单这类会变的断言一律放进挂靠的 state 记录，由 update_state.py 走版本链刷新；实体页靠投影自动反映最新状态，往实体正文写状态断言等于制造永不更新的僵尸信息；
• 情境卡是交叉入口：展示某个实体在特定关系/地点/阶段中的共同故事；
• 交叉连接不删除：人物档案必须保留与其他人物、学校、地点和环境的连接；
• identity_note、时间跨度等只是检索元数据，默认不占据档案正文，除非它们本身影响理解。

一个人的档案可以谈他身边的人，因为社会关系本来就是这个人的一部分。连接保留，同一事实通过链接和情境卡回到同一个 canonical 片段。

情境卡：解决“学校 × 足球”问题

实体档案之外增加 facet / context card。

例如：

学校实体
足球实体
学校 × 足球情境卡

学校档案可以跳转到这张卡，足球档案也可以跳转到同一张卡。卡片里面放共同事件、共同人物、地点、物品和原话入口，不复制一份假的“学校足球故事”。

情境卡的边界按共同故事形成：

• 同一事件中共同出现；
• 有明确关系或空间连接；
• 有共同的用户体验或决定；
• 有助于解释当前问题。

如果只是偶然共现，不自动写成因果关系；但也不因为“跨领域”就删掉。相关性由事件、时间、实体和用户体验共同决定。

当前状态

当前状态不写成一句空话，也不写成长篇传记。默认使用五块：

1. 个人内核：当前仍在起作用的价值、边界和决策倾向；
2. 现实处境：正在发生的生活事实和资源条件；
3. 体验负荷：用户明确表达的情绪、能量、身体感受和压力；
4. 开放张力：尚未解决的决定、冲突、反例和不确定性；
5. 下一检查点：待回访、期限、需要新证据的地方。

每块先给 1–3 个高密度条目，附带可展开的重要事例和原话，不用只留内核，也不用把所有事例塞进首页。

待办与主动回访

模型提出的问题、用户提到的“等几天看结果”、对方尚未回复、等待决定或待确认事项，必须进入 memory/v2/followups.jsonl，至少包含：

• 原问题或待确认事项；
• 具体上下文；
• 创建日期；
• due_at 或明确的 due_rule；
• 当前状态；
• 来源；
• 上次检查时间；
• 解决结果或后续记录。

每次运行个人理解 Skill 时，先检查已到期和临近到期（默认 3 天窗口）的待回访。到期后主动提问，但提问必须带上下文：

你在某日提到：……
当时约定/预期是：……
现在已经到检查时间了。
这件事后来怎么样？

回访必须有正规关闭通道（2.5.0 §6.3），不要用"放着不管"代替关闭：用户回复了用 answered，用户明确不再跟进用 declined，方案被后续决定取代或本就过时用 resolved；三种都要 note 写具体依据。CLI 走 followup_check.py --resolve <id> --resolution <kind> --note "<理由>"，MCP 走 personal_resolve_followup。当用户的回答本身就是一条新原话时，先 capture 再把该轮 capture_id 传给 resolve（可选参数，须已存在于 ledger），把用户原话直接绑在回访上；declined/resolved 通常没有新原话，不传即可。被取代或作废的回访若不关闭会持续污染对话入口和到期清单。

如果发现当前消息和档案存在矛盾，也要把冲突的两条事实、日期、来源和差异列出来，再询问用户；禁止没头没尾地突然追问。

引导开场：用户不知道要讲什么时

有些用户面对一个空档案会僵住。当用户问"我该讲些什么"、表现得不知从何说起，或档案刚初始化时，运行 python scripts/conversation_starters.py（JSON 输出），挑一条开场建议——排序为：到期回访优先，其次最空的领域——用你自己的话温暖地问出来。

• 绝不把整张清单当审问一次抛出；一次只给一条提示，等用户回答，然后像任何一轮一样捕获原话；
• 建议必须来自档案的真实空缺（空领域、开放回路、过期状态）——绝不编造心理学判断；
• "档案里没有 X"是一个需要证据的断言（2026-09-06 实测教训）：无论场景是开场建议、回填清单、还是"这个内容档案查无、请你补原文"式点名，说出这句话之前必须先对 X 做定向 probe（用 X 的话题关键词，不是用户材料的标题原句——标题是别人起的，不代表档案的收录措辞），空手才许出口。实测反面案例：150 条标题清单靠脑补分诊，把忧郁小王子/硬盘故障/做饭难吃三条 probe 一发即中的既有记录判成"档案查无"，用户被迫人肉贴原文。档案的标题、目录、直觉印象都不算证据，probe 空手才算；
• 用户回答后，回归正常流程：捕获 → 派生 → 回答。

回答前硬闸门（不可跳过）

只要当前用户消息包含个人经历、状态、感受、自我评价、关系、决定、纠正、长期偏好，或要求解释“我为什么会这样”，必须先通过内容优先的 preflight 创建当前轮 receipt，再把当前这条完整用户消息作为一份新的 immutable capture 保存成功后，才能执行 survey、probe、deep、派生记录、因果分析或回答。不能用上一轮 capture、旧摘要、current-conversation 或模型记忆代替。

内容分类器是关键词启发式，两层触发（2.5.0 §8，2.6.1 §4d 修正）：第一人称+标记词（"我+任何经历/状态词"），以及强情感词触发——中文常态省略主语，"有点烦""挺焦虑的""心情很差"这类抒发/状态轮次没有"我"字也要召回；带"我"字的强情感句（"我堵得慌""我社死了""我诸事不顺"）同样召回（旧版把强情感词挂在"无主语"分支下，第一人称情感句两头落空，实测是"四连漏"的主因，已修）。技术语境否决保持：句中含 python/代码/配置/报错等词时强情感词不触发，"这个 bug 烦死了""写代码写得心累"仍是技术轮。此外开了一个形态槽兜住词表枚举不尽的框架：X得慌（闷得慌/憋得慌，身体需求饿/渴/撑除外）。诚实边界：纯枚举仍不可持续——"兵役登记搞完了"这种省略主语的生活事件陈述、"最近状态不太好"这种弱词组合，关键词表按定义抓不全，兜底责任在模型：判断为个人材料就在同一 turn-id 上重声明 --tier full（2.5.0 §8.1 后同 id 升级即时生效，不再返回假 receipt）。

实测已知的漏型清单（2.6.1 三轮泛化测出，模型兜底时优先怀疑这些形态）：以事件陈述包裹的情绪（"兵役登记搞完了"）、"状态/感觉"类弱词组合、以及情感词藏在第一人称之外的新口语形态（形态槽只覆盖 X得慌/干啥啥不行/哪哪都不对，其它靠补词或模型兜）。规则不变：凡是"这句话里有人的温度"就按完整档走，判错方向宁可多 capture（no-derivation 收场无成本）也不要漏 capture（用户原话永久丢失）。

执行顺序固定为：

内容优先 preflight receipt → capture（绑定 receipt，回读校验）
→ survey/probe/deep → 派生记录/假设 → finalize
→ session_check --turn-id → 回答/声称已更新

receipt 是可审计的事实，不是让模型参考一下的提示：requires_personal_understanding=true 时，capture、finalize 和 session_check --turn-id 缺一项即 fail closed。若捕获失败，停止个人理解相关分析，明确报告失败原因；不得继续回答后再补录。若捕获成功但尚未形成派生记录，回答中必须明确区分”已保存原话”和”尚未写入经历/状态卡”，不得把原话捕获说成档案已经完整更新。

这条闸门适用于直接提及个人档案、skill、记忆、原话或“记住”的消息，也同样适用于把个人经历、状态、感受、关系、偏好或决定包在改写、润色、翻译、总结、看图审阅任务里的消息。任务外形不能覆盖个人材料。纯技术、配置、排障、项目维护和本 Skill 规则维护属于跳过档，不创建 receipt、capture 或派生记录（见“三档调用闸门”）。

历史 light receipt 的兼容处理（2026-09-03）：两档制改革前遗留的 tier=light receipt 按完整档闸门处理——light-tier-requires-derived-record 门禁已从 turn_receipts.py 移除；遗留 light 轮次以 no-derivation-needed 收尾属合法闭环，但 reason 仍须写明查重命中的既有记录。凡回答涉及用户个人背景，引用的档案细节必须来自本轮实际检索；没读过的内容不进回答，凭校验输出等边角碎片臆断档案内容比不提更糟。

低信号快速通道（完整档内部）

被内容判定为个人材料的低信息量消息（“有点迷茫”“说不上来”，见 scripts/preflight_context.py 的 low-information 判定）同时受两份契约约束：回答要自然（见低信号响应契约），闸门又要求先捕获。单独一个“唉”不会自动进入档案。为避免把聊天变成检索现场，低信号个人轮次按以下顺序执行：

1. capture 立即执行，不可延迟——原话保真没有例外；
2. 读取降级：不跑完整 survey，直接用 preflight 输出里的到期回访 + 当前状态快照挑一个最可能的入口；确有必要才做一次小范围 probe；
3. 回答优先：像熟人聊天一样直接开口（一两个细节，说完就停），工具调用控制在 capture + 至多一次轻读取；
4. finalize 收尾：回答之后的同一轮内完成派生或 no-derivation-needed 关闭，并运行 session_check；若用户连续追问转成实质内容，则升级为完整流程。

快速通道放宽的是读取和派生的时序，绝不放宽原话捕获和闭环本身。它服务于已含个人材料的消息（只是信息量低），仍按完整档做语义拆分；与之相对，不含实质个人材料的活动足迹轮次走完整档的足迹纪律路径（见两档调用闸门）。

读取入口与 MCP

优先使用 MCP 工具（personal_catalog、personal_retrieve、personal_session_check 等）读写；它们带读取前捕获校验。足迹/攻略类消息被 capture 闸门拦下时的只读降级（2.6.0）：内容分类器把"只狼怎么打""书荒求推荐"这类足迹消息判为 non-personal 时，写入照旧被拦，但可以用 personal_retrieve / personal_catalog 的 maintenance: true 做只读读取（有 trace 审计；等价 CLI --maintenance），随后模型仍应按足迹纪律在同一 turn 上用 tier=full 重声明补 capture——只读通道解决的是"读不到档案"，不是"免捕获"。若当前会话工具列表里没有 personal_* 工具，说明本客户端尚未注册本地 MCP 服务：运行 python scripts/install_mcp.py --auto（幂等，可重复执行）完成注册后提示用户重启会话；注册前仍可用 CLI 脚本完成同样的工作——但 CLI 读取同样遵守"先捕获再读"（2.5.0 §6.5：retrieve_v2.py/catalog_context.py 需 --capture-id，与 MCP 一致），无对话轮次的维护/测试/审计读取显式声明 --maintenance。注意：如果本机存在多份 skill 树（备份、沙盒、粘贴副本），从副本运行 --auto 时若旧注册树仍在磁盘会被 §6.6 防劫持护栏拦下并拒绝改注册，确认要切换须显式 --force（这防止把用户真实注册静默重指向测试树）。

检索流程：不是把所有东西读完

v2 的检索不是“先把整个档案库塞进模型”，也不是只搜关键词。它是三层发散：

survey：看全局地图

只读紧凑目录，不读原话全文：

• 时间主干；
• 当前状态；
• 实体目录；
• 情境卡目录；
• 待回访；
• 因果假设目录；
• 资料缺口和审查警告。

survey 是紧凑路由地图，不含旧记录全量列表；需要按领域展开旧目录时用 catalog_context.py --view routing --query <消息>，需要完整目录时用 --view full。

因果假设按需携带（2.5.0 起，检索层闸门）：survey 和 probe 里假设默认只显示 id/status/confidence 存根，只有当轮消息的内容词真实命中假设文本时才带出 claim/scope/mechanism。因此当用户的问题是在求解释（"为什么我会…"）而存根 id 又看着可能相关时，主动用 personal_catalog --view full 或把用户的因果措辞原样放进 --query 读完整假设；普通事实问题不要为凑数去翻假设。

probe：从入口发散

模型选择一个或多个入口：

• 事件；
• 实体；
• 情境卡；
• 当前状态；
• 待回访；
• 候选假设。

然后读取入口的派生卡片，并扩展：

• 事件前后时间邻居；
• 事件涉及的人、地点、学校、物品、作品、概念和环境；
• 这些实体共同出现的情境卡；
• 支持、反驳、替代和 supersede 关系。

这些扩展只读取必要范围，同时保证细枝末节有卡片可达，减少关键小人物漏召回。probe 输出的每条时间条目带 evidence_fidelity 保真计数（逐字/摘要债务各占多少）；用摘要债务支撑的说法要向用户说明"这一段来自旧摘要，不是原话"。每次检索的决策轨迹会追加到 memory/v2/traces/，漏召回和误归属时用它回放检索过程。

probe 与 routing 共用同一套加权排序（2.4.1 起，2.5.0 起为 weighted-idf-4-anchor，2.6.0 起加权词元经过档案词表净化）：IDF 稀有词加权（"只狼""猫学派"这类短专有名词权重高，烂大街单字权重接近零）+ 长度归一（超长记录不再靠字数霸榜）+ 实体别名路由（命中实体的时间条目获得反哺加权，如"哥哥 家里"→哥哥冲突）+ 单字实体别名豁免（"妈""她"这类档案别名不按噪音降权，口语查询可直接触达家族簇）+ 内容词入选门槛（只被非别名单字偶然命中的记录不占检索名额，杜绝"防/钱/状态"式捞偏）+ 锚定比值降权（记录得分乘以"它命中的最强词重 ÷ 查询最强词重"：只靠大路词上榜的长记录被按比例压下，命中查询稀有决定词的记录不受影响；查询本身没有稀有词时退化为原行为）+ 词元净化（2.6.0：查询切片先过 resources/lexicon 词典——vendored jieba 词典 + 档案自训练词表 memory/v2/archive-lexicon.json，档案里 DF≥2 的字段自动成词，冷门专名靠档案自训练；词典外切片权重 ×0.4 封顶——保留召回但不再当锚定，跨词假切片如"郎我"不再霸榜；"巫师3""晕3D"这类中英混写专名自动粘连成整词；ASCII 单字符（如"巫师3"拆出的"3"）不再具备内容词资格）。因此短词游戏名等查询的漏召回已修复，定向查重直接按足迹关键词 probe 即可；routing 仍是按领域浏览的全量地图，供查不到关键词时兜底。诚实边界：probe 的契约输入是足迹关键词——把整句原话直接当 query 时，锚定降权可缓解不可根除；模型侧先提关键词再 probe，routing 才吃整句。

associations：联想检索通道（2.6.0）

probe 输出里有一个独立的 associations 段：个性化 PageRank 在档案图上扩散（种子 = 本轮查询实际命中的实体与概念卡），带出词面零重叠的候选——例如用户抱怨"打击感烂"时应想到"巫师3 骑马手感"记录（两个词面无交集，靠概念卡 entity.concept.gameplay-feel 中转）。使用契约：

1. 它是候选池，不是排序结果：每条带 via_entity 图路径与 spread_score，模型必须自己判断联想是否成立再引用；经枢纽封顶（mention_count>30 的泛枢纽不做中转）与去重（不与 timeline/knowledge 重复）。
2. 绝不混入 timeline：词面通道管精确回忆，联想通道管发散；两者分开呈现，审计时 via 路径可回放。
3. 概念卡是它的地基：entity.concept.* 卡（操作手感/叙事体验/品味锚点/金钱自主/消费纪律/家庭边界/考公路径/身体限制等）的 aliases 覆盖口语入口词（"书荒""晕3D""考公""史低"）；新概念出现时按实体卡流程开卡挂链，不要让联想层退化为共现随机游走。
4. 宽泛兴趣问题（"书荒了""最近好无聊"）若实体零命中，associations 会经由概念卡 aliases 自动获得种子；仍无种子时按"冷回溯"阶梯与实体目录 routing 兜底，禁止宣称"档案里没有"。

聚合读法：侦探拼图（2.6.1）

宽泛决策问题（"我该怎么办""我是个什么样的人""这条路值不值"）不是单入口 probe 能答的。像警察拼案情：多条模糊线索摊在桌面上，拼出完整画像。执行方式是对既有 probe 的编排，不新增机制：

1. 多入口并发：按线索词拆 2-4 个 probe（情绪线、利益线、人物线各一发），每发用该线的足迹关键词；
2. 跨域收集：允许每条线各取 timeline/knowledge 前排 + associations 的强候选（via 清晰者），entities 段命中的概念/实体卡也算跨域信号（卡是挂靠边的入口，P5 实测考研场景：决策卡 career-exam-route 经路线线 entities 首位可达，只看前三段会漏掉它），禁止单通道凑数；
3. ids 精读：把候选中直接相关的记录用 ids 参数精读（deep），核对原话；
4. 拼图输出：回答里区分"档案事实""模式观察（多条记录的共同点）""模型推断"三层，推断层注明依据了哪几条记录——禁止把单次事件升格为人格定论。

工具与模型的分工契约（懒惰悖论的答案，2.6.1）

词典、IDF、PPR 这些检索层机制的职责边界，回答了"工具这么强模型还用不用自己判断"的张力：工具把召回的体力活做厚（候选捞全、切片净化、宁滥勿漏），判断与拍板永远在模型。衡量标准不是"模型还用不用自己想"，而是模型思考时的起点质量——前排候选有多干净、被扣下的候选有多可解释。因此：

• 模型必须自己提关键词再 probe（工具不给判断，只给候选）；整句直查只在 routing/时间窗场景合法；
• 模型不必替工具干活：不要手工过滤 n-gram 假切片、不要人工重算 IDF——这些是检索层的责任，发现问题报给维护轮修机制，而不是在回答里绕过；
• 前排有噪声时不静默吞下：按 trace 说明"为什么它会出现、为什么不采信"，让下一轮修复有据可查。

deep：回到原话核验

只有当回答需要精确事实、时间、归属、矛盾、人物关系、用户原意或因果解释时，才读取对应原话片段。旧摘要只能作为摘要债务，不能在 deep 阶段伪装成原文。

冷回溯：想不起关键词时

用户说"我忘了""好像以前聊过类似的事"时，不要求他提供关键词，也不宣布"查不到"。按阶梯下降：

1. 从已提到的任何人物、地点、物品、时间线索做 probe，顺实体和 facet 发散；
2. 命中任意条目后，沿 before_ids/after_ids 时间邻居向前后走；
3. 仍无命中时，用 retrieve_v2.py --window 2025-03（或 起:止 区间）按时间窗浏览标题，像翻老相册一样扫过候选，让用户认领；
4. 时间也说不准就按 phase（童年/初中/高中/大学）逐段扫主轴。

降权到提及级的记录同样在实体、关键词和时间窗三条路径上可达；降权只把它移出常驻地图，不把它变成不可达。

因果解释层

因果解释是独立的大工程，不在普通事实检索里自动乱跑。候选假设至少包含：

• claim：解释什么；
• mechanism：通过什么过程发生；
• supports：支持证据；
• contradicts：反例或限制；
• alternatives：竞争解释；
• scope：在哪些时间、场景和关系里成立；
• confidence：置信度；
• status: candidate：默认候选，不能当作事实。

触发条件：

1. 用户明确问“为什么我会这样”；
2. 多条独立经历跨时间重复出现同一条件—反应—适应链；
3. 深度回顾发现多个模型互相依赖；
4. 当前决定确实需要比较不同成因。

生成步骤：

候选模式 → 机制草图 → 支持证据 → 反例/限制 → 竞争解释 → 用户确认/继续观察

单次事件不能直接生成稳定因果。因果假设只有在当前问题需要解释时才进入深读；普通事实问题不自动加载它。

隐私边界

用户已明确允许本地 Skill 在相关时正常读取 private / highly-private 内容。敏感度不再作为隐藏、降级或归档理由。

但相关性过滤仍然保留：

• 个人资料会改变答案时，敏感内容按相关性读取；
• 无关问题不主动泄露无关私密材料；
• 原话、档案和来源只在本地 Skill 目录处理；
• 外部聊天、第三方分析、OCR 和模型分析仍不能自动当作用户事实。

放宽隐私读取，不等于取消边界；否则不是更懂用户，是把档案当垃圾桶倒进每个回答。

深度审查和结构校验

结构校验不再只输出“通过”。scripts/validate_memory.py 有三种结果：

• clean：没有错误或警告；
• warnings：结构可用，但存在摘要债务、来源缺口、日期缺口、待回访或实体连接问题；
• failed：存在哈希错误、重复 ID、孤立引用、关系环、损坏 JSONL 或不可接受的 schema 错误。

严格模式 --strict 会把警告也视为失败，适合迁移验收。

review_v2.py --deep --json 用于生成语义审查包，重点检查：

• 原话与事件是否一致；
• 人物/学校/地点/物品是否归属正确；
• 共同故事是否被错误删掉；
• 时间顺序和“后来回望”是否混淆；
• 事实、感受、用户解释和模型假设是否混层；
• 旧摘要是否被错误当成原话；
• 因果假设是否有支持、反例和范围；
• 待回访是否到期、是否已经解决。

深度审查可以输出警告和资料缺口，但不能凭空补写丢失的原话。结构干净不等于语义正确；审查必须有风险报告。

维护入口

• scripts/capture_user_update.py：先保存完整用户原话（超长消息优先用 --stdin 或 --file，避开命令行长度限制）；
• scripts/preflight_context.py 与 scripts/turn_receipts.py：创建、读取和审计不可变的 turn receipt；
• scripts/capture_attachment.py：保存或按 SHA256 精确去重原始附件，并登记 pending；
• scripts/derivation_ledger.py：维护 capture→records 状态和链接审计；--repair 可由 immutable capture metadata 和 record 引用重建投影；
• scripts/finalize_capture.py：完成派生或记录“无需派生”的具体理由；
• scripts/catalog_context.py：v2 全局 survey；
• scripts/retrieve_v2.py：v2 probe/deep；
• scripts/followup_check.py：待回访检查；
• scripts/review_v2.py --deep：深度结构/保真/语义准备审查；
• scripts/validate_memory.py：失败、警告、干净三态校验；
• scripts/session_check.py --turn-id <turn-id>：回答或声称"档案已更新"前的硬闸门（receipt + 结构 + 派生闭环 + v2 完整性，失败退出码非 0）；
• scripts/salience_review.py：季度记忆权重复盘，把长期未确认的导入权重降为提及级（见 references/review-and-feedback-loops.md）；
• scripts/record_feedback.py：记录依赖个人记忆的回答效果（helpful/missed/corrected），review_v2 --deep 汇总常被纠正的记忆（见 references/review-and-feedback-loops.md）；
• scripts/rebuild_views.py：重建旧版兼容视图、v2 派生视图与档案自训练词表（memory/v2/archive-lexicon.json，2.6.0 起每次重建自动刷新，供检索词元净化使用）；
• scripts/pipeline_view.py：一轮对话的管线时间线（receipt → capture → 派生闭环 → 检索 trace 的一页只读回放，2.6.0；--turn-id X 或 --latest N，HTML 输出到 dashboard/，同时是审计与验收工具）；
• scripts/backup_archive.py：生成带 SHA256 清单的本地备份，并自动镜像到 memory/backup-config.json 指定的第二位置（见 references/maintenance-and-durability.md；重要更新后、迁移前、至少每周一次）；
• scripts/init_archive.py：全新安装时初始化档案骨架（目录 + 通用领域分支），首次使用前运行一次（幂等）；
• scripts/install_mcp.py：检测本机各 AI 客户端并注册本地 MCP 服务（幂等；换机器、粘贴 skill 到新客户端后运行一次即可；若检测到多份 skill 树并存，改注册受 §6.6 防劫持护栏约束，须 --force 显式确认）；
• scripts/mcp_server.py：本地 MCP 读写入口；
• 弃用兼容层（勿作读取入口）：scripts/query_context.py（旧 core/evidence 结构 + 英文触发词的 legacy proactive cues）、scripts/retrieve_context.py（2.0-compat 检索接口）。它们与 v2 不是同一套，只为回归调试保留，读取一律走 catalog_context.py + retrieve_v2.py；references/proactive-cues.json 是英文触发词且默认关闭，任何人要重新启用须先翻译成中文，否则匹配不了中文输入。一个发布周期确认无依赖后可整层删除。（注意：review_context.py 不是这一层——它是 review 系统 review_skill 的活依赖，别误删。）
• dashboard/：v2 可视化面板。

维护原则

• 先完成当前任务，再做非紧急维护；
• 但用户纠正、原话捕获失败、人物归属错误、结构损坏、待回访到期和临近决策必须及时处理；
• preflight / session_check 输出里的 maintenance 提醒是唯一需要看的维护状态：备份超期（backup.due: true）时，当前任务完成后先运行 scripts/backup_archive.py 再结束会话；依赖个人记忆的回答出现用户明确纠正/确认时，按 references/review-and-feedback-loops.md 记录反馈（写不出原话证据就不记录）；
• 永久删除必须由用户明确指定；
• 旧摘要不删除，标记为迁移债务；
• 新档案不覆盖旧档案，使用版本链；
• 所有 writer（CLI、MCP、ledger、重建）共享进程间锁，并以原子 replace 落盘；写入一律在锁内基于最新磁盘快照读取、合并、提交。禁止从旧 JSON/JSONL 快照覆盖其他 Agent/MCP 已写入的数据；
• 不把用户一句自我评价直接升级成人格定论；
• 不为了让图谱好看而制造因果边、合并人物或填补时间。

可视化审计契约

面板的任务是让用户检查 Skill 是否按规则工作。首页只提供状态入口和数量入口；详细内容进入对应的时间、实体、情境、来源、待回访和诊断页面。

诊断页必须能看到：

• SKILL.md、references、scripts、memory/v2 的真实文件入口；
• 原话捕获、片段、时间条目、实体、情境卡和检索层级的实际数量；
• clean、warnings、failed 的机器校验结果；
• 旧摘要债务、日期缺口、实体归并、关系未解析和候选假设缺口；
• 从事件跳到实体、情境、知识卡、前后条目和原话来源的完整链路。

任何列表点击都要使用自己的 ID。禁止把多个条目绑定到同一个默认目标。实体重定向要显示旧 ID、canonical ID 和归并来源。