Wiki 知识

wiki/ 是语义记忆桶：经 Dreaming 蒸馏、人工审查后从 raw/ 提升而来的 策展知识。它是召回引擎的主战场——每次查询都在这里做 6 因子相关性打分并叠加 记忆曲线。

定位

属性	值
来源	raw → drafts →（人工审查）→ wiki
召回方式	6 因子相关性 + 记忆曲线
衰减	类型特定 λ
Scope	domain（知识域）

目录与必填 Frontmatter

wiki/{domain}/{concepts|strategies|anti-patterns}/{slug}.md

每个 wiki 页面的 IDENTITY 三字段均为必填（见 Frontmatter Schema）：

• title — 页面标题
• type — concept / strategy / anti-pattern
• area — 22 个知识域之一

其余为 TRUST（status、importance、confidence）、PROVENANCE （created、source_type、fingerprint）、RELATIONSHIPS 等分组字段。

三种知识类型与衰减

衰减速率由类型决定（store.py DECAY_LAMBDA）：

类型	λ	含义
concept	0.0	概念不衰减——原理长期有效
anti-pattern	0.010	反模式缓慢衰减
strategy	0.014	策略衰减最快——最容易过时
（未知类型）	0.030	默认兜底

分数落入 tier：hot ≥ 0.7、warm ≥ 0.4、cold ≥ 0.15、evictable < 0.15。

召回：6+1 因子相关性

recall.py _compute_relevance 对每个候选页面累加：

1. Token 重叠 — 每命中一个查询词 × 0.3
2. 精确匹配 — 查询串出现在标题 +1.0、出现在正文 +0.5
3. 话题 trace — 命中 topic_id 的 discuss trace +2.0
4. 类型加权 — 乘子：anti-pattern × 1.5、strategy × 0.8、concept × 0.6
5. 复盘信号 — decision_correct=false +2.0；outcome=failure +1.0
6. 记忆曲线分 — 当前 score × 0.5
7. 目标加权（可选） — 对已命中页面：area ∈ active goal 的 domains +0.8、命中 goal 关键词 +0.4；无 active goal 时不生效

反模式加权最高：踩过的坑最该被优先想起。目标加权则让你当前设定的方向（active goal）优先浮现。

知识演化：4 种关系

Dreaming 的 Evolve 步骤在新页面与旧页面之间建立关系（见 Dreaming 循环）：

关系	对旧页面的影响
supersedes	旧页面标记 superseded，排除出召回
enriches	两者保持 active，互相链接
confirms	旧页面 confidence +0.1
challenges	旧页面标记 [stale]，待审查

知识不是只增不减的堆积——它通过这四种关系持续被替代、补充、确认、挑战。

核心不变量

绝不未经人工审查将 raw 提升到 wiki（CONSTITUTION.md A3）。

wiki 的可信度来自”raw 忠实 + 人工把关”这条链路，而非模型自证。