衰减系统（记忆曲线）
难题背景
知识库随时间累积，旧知识占据召回排序高位，挤掉新知识。需要衰减淘汰——但不能：
- 破坏性删除（丢可追溯性）
- 自我强化（被读多→显得可信→更优先，CONSTITUTION P9 禁止）
难题：如何让旧知识退场，同时保留可逆性 + 不让使用量造可信度？
技术设计
记忆曲线评分：
score = importance × e^(-λ × days_old) + 0.5 × ln(1 + access_count) + pin_bonus
Active ×1.2，dropped/archived → 0.0（退出召回）。
四项：
- importance（0-1，人工设定）
- e^(-λ × days_old) — 时间衰减，λ 越大衰减越快
- ln(1 + access_count) — 访问增强，被用多分高，但 ln 抑制暴涨
- pin_bonus — 固定页加成（默认 0.5）
原理
类型 λ 差异
不同知识保鲜期不同：
| 类型 | λ | 理由 |
|---|---|---|
| concept | 0.0 | “什么是 REST API”不过时 |
| strategy | 0.014 | “用微服务拆单体”随技术环境过时最快 |
| anti-pattern | 0.010 | “不要用 var 声明”教训保鲜期长 |
| unknown | 0.030 | fallback，快速衰减 |
access 不推状态
access_count 只进 ln 项影响排序，不改 confidence 或 status。被读多说明相关不说明正确；让重复抬高可信度会自我强化——越常注入 → 越常被用 → 越显得可信 → 越优先注入。见 CONSTITUTION P9。
confidence 只在”同一份知识被独立重新推导出来”时提升（指纹命中既有页面）：
new_confidence = min(1.0, current + 0.1 × (1 - current))
那是关于内容的真实证据；”被读过”不是。
归档可逆
archive 只改 frontmatter 的 status，不删文件（Git 保留）。unarchive 拉回 Provisional（非 Active——离开归档不是一次人工审阅）。这是 A3 前提：衰减可无人自动归档，只因可逆且不破坏。
四因子取舍
记忆压缩的工业实践常综合四因子：访问频率 / 时间衰减 / 情感强度 / 信息独特性。OKS 用前三项的工程等价 + pin，舍后两项：
| 工业因子 | OKS 对应 | 取舍 |
|---|---|---|
| 访问频率 | ln(1 + access_count) | ✅ 保留——被用多说明相关 |
| 时间衰减 | e^(-λ × days_old) | ✅ 保留——类型 λ 差异 |
| 情感强度 | — | ❌ 不做——OKS 是技术知识库非对话记忆，无情感标记 |
| 信息独特性 | — | ❌ 不做——需 IDF（倒排索引），OKS 无 embedding / 倒排 |
| （固定） | pin_bonus | ✅ OKS 加——人手 pin 不衰减 |
情感强度适合对话型记忆（用户情绪强烈的对话更该留），技术知识库无此信号。信息独特性要 IDF 统计（罕见词更重要），OKS 无倒排索引，靠 frontmatter importance（人设）+ tags 间接表达。诚实说明为什么少两因子——不是疏忽，是领域 + 架构约束。
对比 nowledge 衰减与置信度
Nowledge Mem（外部产品参考，公开文档链接当前待确认）的衰减综合时效性 + 频率 + 重要性底线 + 置信度 + 时间匹配。对照 OKS：
| nowledge 衰减信号 | OKS 对应 | 取舍 |
|---|---|---|
| 时效性（半衰期 30 天） | e^(-λ × days_old) | ✅ 有——但 λ 类型差异（concept=0 不衰 vs strategy=0.014），非统一半衰期 |
| 频率（对数缩放，收益递减） | ln(1 + access_count) | ✅ 有——第 10 次比第 100 次作用大 |
| 重要性底线（高重要性不衰减） | importance + pin_bonus | ✅ 有——pin 固定页加成 |
| 置信度（只增不减，~5% 权重） | confidence（指纹命中 +0.1） | ⚠️ 更严格——只随内容证据，不随使用 |
| 时间匹配（事件时间） | — | ❌ 不做——无事件时间字段 |
关键差异：搜索强化 vs 防自我强化：
- nowledge v0.6.6：每次搜索展示都更新记忆的
last_accessed+access_count，“出现在结果里也算一次轻度访问”，避免有用记忆悄悄衰减。 - OKS：反向选择——召回（
oks recall）不算使用，不推access_count；只有oks wiki use <slug>才 +1。记忆热度反映“真被用上”而非“被搜过几次”。
这是 CONSTITUTION P9（防自我强化）的直接体现：被读多 → 显得可信 → 更优先 → 被读更多，是正反馈回路。OKS 让 access_count 只进排序（ln 项）不进可信度（confidence），且只在 Agent 主动 wiki use 时增长——切断了“召回即强化”的回路。代价：记忆热度更新慢（要 Agent 主动报 use），换稳定性。
置信度的保守：
nowledge 置信度随展示次数 / 点击 / 图连接增长（~5% 权重，让沉淀知识占先手）。OKS confidence 只在“同一份知识被独立重新推导”时提升（指纹命中既有页面，+0.1 × (1 - current)）——是关于内容的真实证据，不是使用信号。这让 OKS 的可信度更难积累，但更可靠：不会被“频繁召回但从未被独立验证”的页撑高。
nowledge 的好概念（未来方向）：
- 自动维护（每日新鲜度刷新 + 每周聚类整理）——OKS 是手动（
oks decay/oks distill），不做后台自动任务。A3 要求“可逆 + 不破坏”，自动维护要谨慎设计（避免静默合并 / 删除）。 - 时间理解（事件时间 vs 记录时间 + 时间意图检测）——raw 的
created是记录时间；事件时间要 frontmatter 加event_time，需 Agent 提取。
指标
Tier 分级（按 score）：
| Tier | Score | 行为 |
|---|---|---|
| hot | ≥ 0.7 | 优先召回 |
| warm | ≥ 0.4 | 正常召回 |
| cold | ≥ 0.15 | 低优先级 |
| evictable | < 0.15 | 归档候选 |
archive_threshold（默认 0.3，store.py 代码内置）——低于此分进入归档候选，下次 oks distill 标 dropped。
实验
无量化衰减效果评测（需长期跟踪知识库召回质量）。λ 取 0.014/0.010/0.0 是经验值——concept 不衰（永恒）vs strategy 快衰（易过时）是知识论直觉，非数据拟合。
decay 参数（archive_threshold=0.3、pin_bonus=0.5）当前是 store.py 的代码默认值，无实例级配置文件覆盖。
结论
衰减是可逆淘汰，不是破坏。归档退出召回但留 Git，unarchive 拉回——最坏代价是召回覆盖变窄，不造损失。一旦衰减变成破坏性操作，A3 的推理即失效。
访问量只进排序不进可信度——记忆热度反映”真被用”，防自我强化回路。