even-knowledge-base · 项目汇报

关键点与要解决的问题

四个问题,四个立场

个人记忆助手的难点不在「存」,在「信」:记下来的东西必须可核对、可控制、可生长。全部设计围绕四个问题展开,每个问题对应一条贯穿实现的立场。

Q1

记忆凭什么可信? 转录与文件是流水,直接喂给 LLM 的「记忆」无法核对;错一次,用户就不再信第二次。

一切知识带出处
每条 claim 回链 source_id + ¶span;词法命中、语义块、结构地图共用同一寻址体系,答案与提词卡片可逐级钻取到原文。引用不可验真的输出被机械丢弃。

Q2

约束凭什么守得住? 「请务必记得做 X」式的 prompt 劝说,在前身 DKC 的全部实验中被证伪。

机制化而非劝说
写时拒绝、系统分配 ID、确定性正规化、机械 gate:约束都是代码里的硬闸门,不是提示词里的请求。发现自己在写「请务必」,就是走错了。

Q3

不是所有素材都值得精读,怎么保证找得到? 全量编译一部小说既贵又没必要;但「没编译」不等于「不存在」。

消化分级,可达不归零
同一 source 四级平行视图:L0 原文、L1 词法、L2 语义、L3 canonical。消化深度按处理意图递减,L0/L1 无条件可达,检索面永远无洞。

Q4

第一天定的知识结构,凭什么撑住半年后的生活? 用户的主题在变;而重组知识结构是破坏性操作,不能混进日常自治循环。

结构随证据生长
注册时按画像组合薄 schema 起步;证据积累后由强模型发起 schema evolve,在隔离 git 分支上重组,新旧对比后由人决定 adopt 或 drop。

宏观方案

一条异步编译管线,一座 per-user 知识仓

数据通路自上而下:任何输入先归一化,再决定消化深度;请求同步只落原文与队列,重活全部由 worker 异步完成。唯一权威层是每位用户自己的 git 仓,其余索引全部可重建。

数据通路示意:输入经归一化与意图判定后同步落库入队,worker 异步生成词法、语义、canonical 三级视图,供问答与 AI cue 消费

权威与派生,在类型上分开

canonical(git 仓 + 原始 content)是唯一不可重建物;词法、向量、投影全部声明为 derived,可整体重建。策略或渲染升级只触发 derived 重建,永不改写 canonical。

快照即 git commit:dump、import、回滚、审阅对比,全部白拿 git 的能力。

处理意图,而不是猜体裁

文档入库不让用户判断「这是合同还是小说」,而是选一个命名意图:精读归档 / 要点蒸馏 / 存目索引 / 仅可检索,或交给系统判断。意图只是两旋钮的预设,词表封闭:新类型进不了分支,只能进设计评审。

状态归属
状态	归属	性质
canonical	per-user git 仓(共享存储)	权威,不可重建
原始 content + 结构地图	PG(append-only)+ 对象存储	权威输入
词法索引	Meilisearch · index per user	derived,可重建
语义索引	Qdrant · tenant filter	derived,字节确定性重建
投影 / 注记 / 任务队列	PG	derived / 运行时
API · worker 进程	无状态	任意扩缩

技术亮点

机制在哪里,可靠就在哪里

以下每一处「可靠」,背后都是一个机械机制,而不是一句提示词。

级视图实现覆盖

L0 raw 原文直取 · locator 支持章 / 节 / ¶ 区间的结构寻址 adapter 结构地图 + fetch()

无条件

L1 词法全文检索 · 关键词 / 稀疏,中日文分词 Meilisearch · 入库即索引

无条件

L2 语义检索 · LLM 判「一人一段 / 一主题一段」边界,超长硬切兜底 chonkie + Qdrant

按处理意图

L3 canonical claims · fast / deep 直接消费的结构化知识 compile 管线 + git

按处理意图

语义分块边界是 LLM 输出、跨调用不可复现。首次分块即把边界连同内容 digest 与模型血缘落进 manifest;重建时输入不变则回放边界。derived 因此从「可重建」升级为「字节确定性重建」。

claim 级写机制,不是「让模型写文件」

编译走 anchor preflight + edit_claim / append_block 的受控写:锚由系统分配,路径 ownership 对 skill 模板校验;机械 gate 逐条检查锚唯一、frontmatter、citation 合法性。

不合格的 patch 不整体作废,由 salvage 做确定性打捞,保住合格部分。

不变式是 review 的硬边界

六条领域不变式写进规格:违反任何一条即打回,无论实现多完整。它们是全部机制的「宪法层」,下方逐条列出。

I1

用户隔离

一切数据与端口以 even_user_id 为第一维。git 仓、索引 per user;向量库 tenant filter 在 adapter 机械注入,业务层无法绕过。

I2

权威 / 派生类型区分

canonical 唯一不可重建;derived 全量可重建。升级只触发重建,永不改写 canonical。

I3

L0 / L1 无条件可达

索引深度可随策略递减,可达性永不归零;检索面无洞。

I4

provenance 统一

一切知识回链 source_id + ¶span,四级共用同一寻址体系,逐级钻取白拿。

I5

上下文装配纪律

SystemMessage 逐字节稳定、绝不含时间戳;cache 命中是装配顺序正确白拿的,不是优化出来的。

I6

泄漏纪律

评测的答案与评分细则,永不进入 compile 或 recall 的输入。

一次提问,三种深度;没有提问,五道闸门

rag通用检索

给上层应用一份干净的召回结果

L2 + L1 双路召回、RRF 融合;同区域词法 / 向量命中合并计分。素材无 L2 时词法路兜底。

fast低延迟问答

眼镜上的主力问答路径

claim 注记与原文窗口并行召回、双面融合;上下文经 forward-only 扩展、近邻合并、每源限流与 lost-in-the-middle 排序后作答。带佩戴者画像语言与 ASR 音近容错。

deep有界深查

复杂问题的可核验作答

fast 种子 + 三工具 agentic 循环(claims / content / verbatim),回 L0 核对出处;recursion_limit 封顶,每步 SSE 流式推到前端。

briefing连续快问答

围绕一批材料的高频追问

稳定知识包装进 System(逐字节稳定,守 I5),问题与 as_of 走 Human turn;provider cache 白拿。可锚定历史 source:material 卡片 + 引用它的全部 claims + 原文片段。

AI cue 五道闸门示意:候选卡片依次经过去重、解析、引用、信心、截断五道闸门,多数被丢弃,默认沉默

溯源不止在数据层,动线一路点到原文

答案里的每个 [cite:] 都可点

recall 与 briefing 的最终答案把内联 [cite: …] 解析成可点的溯源徽章,点击直落 Sources 对应原文块并精确高亮;Library 的 claim citation、History 的 claim 级 trace、patch 的「消化来源」同样可跳。source 已不可用时给出明确空态,不打断溯源意图。

问答结果态进 store:浏览器后退,问题、答案与引用原样还在;切换用户随 per-user 状态一并清空。

承诺强度是 skill 声明的词表

claim 行首的受控前缀(强 / 中 / 弱)上提为结构化徽章,悬停即出语义卡、点击可固定。词表由 skill 机械声明——skill 文本含该条款即点亮,前端只实现通用渲染,不硬编码任何具体词;契约 hash 逐字节不变,I5 红线不动。

近期交付 · Schema Evolve

让知识结构跟着证据生长

注册画像换来第一天的「量身定制」,证据积累换来结构升级。两件事都收敛在机械机制里:薄 schema 是组合出来的,evolve 在隔离分支上发生,采纳由人拍板;日常自治编译的零删除纪律一个字不动。

注册薄 schema:保守三级来源

enum 画像(industry × role)走人工策展矩阵,不用 LLM;occupation / bio 只做一次性受约束推导(0–3 个模板、每个附一句理由,允许空集);level 不进编译,mock 画像被闸门挡在真实推导之外。

组合后重算契约 hash,per-user 契约仍逐字节确定;base ⊆ composed 的模板加性约束是一条 raise 级机械断言:模板只增不减。

重组是单向搬移,不是重写

方向固定:未分类 → 准确分类。claim 连同锚注释一起搬进新文档,锚身份连续,投影、事件、git blame 全部接续;合并冗余是少数例外,由 dropped 清单机械暴露。

分不进去的继续留在 topics/:宁可留、不强归;宁可搬、不重写。

schema evolve 生命周期:主干日常编译照常,evolve 在隔离分支上生成草案并重组,经 24 小时审阅窗口后 adopt 合并或 drop 删除分支

evolve gate profile · 与日常 compile 的差异(日常 gate 一个字不动)
检查	日常 compile	evolve 模式
锚连续性	per-path,消失即硬拒	repo 级:旧锚须在新仓某处存在;真正消失的锚机械生成 dropped 清单进审阅页,不硬拒
citation 合法性	对本次供给集校验	对 store 真校验:source 存在 + ¶ 在边界内
路径 ownership	对当前 skill 模板	对新 skill 模板
锚唯一 / frontmatter / 锚覆盖	不变	不变

被动触发已真实点火,并抓到一个真缺陷

长剧本中 topics 增量过阈自动点火,暴露了只有真实时序才会出现的 bug:触发落在 wave 编译中途时,追平会把窗口内新文档的锚重复插入,落盘后知识库会被自身的锚唯一性闸门锁死。已修复,并在 adopt 终检加锚唯一性兜底;回归测试 + mutation 验证。

演示态固化为 5 个预制用户

中英文两条 evolve 长剧本(含已采纳的 evolve 任务记录)连同基础画像,固化为 5 个可一键还原的预制用户。export 有「源用户无数据即拒绝」护栏;import 对全局主键按 uuid5(friendly:old) 确定性重映射,重复导入不漂移。

端到端实证

中文长周期剧本,真实模型跑完全程

合成用户「周航」,硬件制造供应链角色,9 场会议横跨多个波次的供应商评审。compile / recall 与 evolve 分别使用不同强度的真实模型,验证「注册定制 → 长周期积累 → evolve 重组 → 人工采纳 → 回归日常」的完整闭环。

STEP 2
注册

第一天即量身定制

画像矩阵命中 products / research 两个模板;LLM 从 bio 推导出 hardware-product-decisions 与 manufacturing-lessons 两个家族。per-user skill 落进用户自己的 git 仓。

skill = v3 + packs.d3493ae0 · manifest 提交可见

STEP 3–4
积累

九场会议照常编译

wave3 三家供应商的放行评审在 memory/topics/ 聚成簇;日常 compile 只管归档,不做任何结构决定。

evolve
phase 1

强模型点名主题聚类

证据陈述:三个 topics 聚类「形态一致、彼此独立的结构件放行评审主题,现有家族无法准确承载」,提案新家族 manufacturing-release-reviews/。

提案路径 memory/manufacturing-release-reviews/{slug}.md

evolve
phase 2

隔离分支上的整体重组

18 条 claim 搬进 3 个新文档;合并 0、丢锚 0。旧 topics 文档从 800–1000 字符缩为 40 字符的壳。

STEP 6
adopt

人工审阅后采纳

增量追平窗口期新 claim,merge,skill 指针翻转为三来源 pack(matrix + derived + evolved)。

HEAD aabd721f → 11675a2c · pre_adopt_ref 在案,可回滚

STEP 7
回归日常

新 schema 被日常编译直接使用

wave4 两场会议 + 追平所得共 5 篇文档全部落进新家族,包括首次出现的供应商晶越与华宸的二次交付。

STEP 8
验收

召回全对,全部带引用

6 问 fast + 1 场 briefing:旧主题、新家族、跨期问题全部答对。briefing 输出七行供应商就绪总表,并按 as_of = 07-23 正确排除了日期为 07-24 的评审记录——时间纪律在真实输出中可见。

419全绿

测试总数,本特性新增 41;web tsc / build 干净

9/9

关键机制 mutation 注入全部被测试检出

18 → 3

条 claim 重组进 3 个新文档,丢锚 0

7/7

fast 与 briefing 问答全对,全部带引用

0字节漂移

v1 / v2 契约 hash 全程逐字节不变(I5)

机制验收 · mutation 纪律:故意破坏每道闸门,测试必须变红
机制	注入的破坏	结果
模板形状校验	校验函数置空	检出
compose 确定性	去掉 pack 排序	检出
mock 画像闸门	删除 source == "mock" 分支	检出
dropped-anchor 检测	判定恒假	检出(2 测红)
citation repo 级豁免	豁免恒假	检出
move 变复制	搬移后保留原文块	检出(4 测红)
adopt 复活规则	复活分支恒假	检出
被动触发 AND → OR	阈值弱化	检出
GIT_INDEX_FILE 绝对化	还原相对路径	新回归测试检出

唯一未检出的注入是 base ⊆ composed 的子集断言:构造上恒真的防御性代码,判定为可接受。GIT_INDEX_FILE 相对路径 bug 只在真实部署形状下触发,由本次 e2e 暴露并修复——教训已沉淀为「凡 adapter 拼环境变量路径,测试至少一条相对根用例」。

现状与边界

如实交代

以下是已知的边界与下一步,全部来自本轮验证的过程发现。

画像推导偏积极。信息量大的 bio 会让一次性推导预置掉 evolve 本该发现的家族。方向:derive 契约上限降为 2,强化「与矩阵语义重复即不提」,用本剧本做 eval 循环迭代。
evolve 证据面只看 topics/。散落在 people 文档里的同形态语义本轮未收编;召回不受影响,下一轮 evolve 可继续收编,phase 1 证据面可扩展到「people 文档中以组织为主体的小节」。pack 语义分界已先行收紧:外部组织的评审交付不再误归 products,保证聚类落在 topics/ 里可被 evolve 识别。
文档收尾未完成。architecture.md 尚无 schema-evolve 章节(实现与发布先行,文档待补);代码已推远程,GKE 已切含全部本轮特性的 v4 镜像。
adopt 入队不防重。重复入队结果无害但日志有噪音,低优先级修复。