个人上下文系统 · 架构设计书

                        ┌──────────────────────────────────────────┐
   时间轴（短 → 长）    │                                          │
                        │  ① 收件层 Inbox      (分钟 ~ 天)          │
                        │  ② 编译层 Compile    (小时 ~ 周)          │
                        │  ③ 长期沉淀层 Vault  (周 ~ 年)            │
                        │  ④ 纠错进化层 Fault  (月 ~ 年)            │
                        │  ⑤ 学习能力层 Learn  (月 ~ 年)            │
                        │  ⑥ 主动输出层 Output (天 ~ 月)            │
                        │                                          │
   置信度轴（低 → 高）  │  raw ──────────► wiki ──────► spec/stage │
                        │  (未验证)         (已验证)     (已确认)   │
                        └──────────────────────────────────────────┘

     ①收件 ──► ②编译 ──► ③沉淀 ──┐
        ▲                         │
        │                         ▼
     ⑤学习 ◄── ④纠错 ◄──────── 复盘引擎
        │        ▲
        └────────┘
     错误归因 → 掌握度下调 → 复习调度 → 表现提升 → 教训验证

┌─────────────┐
│ 真实世界     │  收藏/文件/语音/截图/对话
└──────┬──────┘
       │ 采集器（浏览器插件 / 快捷指令 / 目录监视 / MCP）
       ▼
┌─────────────┐   只增不改   原始素材永不被 AI 触碰
│ ① 收件层    │   raw/
└──────┬──────┘
       │ 编译任务（夜间批处理，幂等）
       ▼
┌─────────────┐   指纹化产物   可重放
│ ② 编译层    │   compile/
└──────┬──────┘
       │ 人工审核闸门（Gate）
       ▼
┌─────────────┐   唯一事实源   SSOT
│ ③ 长期沉淀层 │   vault/
│  说明书/阶段/语录/wiki │
└──────┬──────┘
       │
       ├──► ④ 纠错进化层（错误库 / 教训库 / 原则）◄── 复盘
       │              │
       │              ▼ 降级掌握度
       │        ⑤ 学习能力层（掌握度 / DAG / 复习队列）
       │              │
       │              ▼ 复习表现
       │        （回流验证教训有效性）
       │
       └──► ⑥ 主动输出层 ◄── 上下文装配器（Context Assembler）
              网页总结 / 晨间播报 / 主动提问        ▲
                                                        │
                                        ┌───────────┴───────────┐
                                        │   MCP 工具集          │
                                        │   （日常 AI 对话入口）  │
                                        └───────────────────────┘

ContextPack = {
  spec_core      : str       # 身份/价值观/沟通风格 —— 永远携带，约 400-600 tok
  spec_state     : str       # 当前阶段目标/活跃项目 —— 按会话相关性携带，约 200-400 tok
  stage_active   : [Stage]   # 匹配的阶段记录（最多 2 条）
  errors_matched : [Error]   # 情境匹配的历史错误（最多 3 条，含触发条件）
  kp_due         : [KP]      # 今日到期复习（最多 5 条，只带标题+卡点）
  kp_blocked     : [KP]      # 前置缺失导致的卡点（最多 2 条）
  quotes_matched : [Quote]   # 匹配的历史语录（最多 2 条）
  pointers       : [Pointer] # 媒体/大文件指针（最多 3 条，含路径+摘要）
  notes          : [Note]    # 语义检索命中的笔记片段
  warnings       : [Warning] # ★ 主动预警，见 §4.4
}

type: pointer
id: ptr_20261101_a3f9
uri: "oplist://nas/photos/2026/11/IMG_0031.jpg"
storage: op-list          # 存储后端标识
size_bytes: 4821993
content_hash: sha256:9f2c...   # ★ 必需
captured_at: 2026-11-01T09:12:00+08:00
index_status: indexed     # indexed | unindexed | dead
last_probed_at: 2026-11-01T09:15:00+08:00
semantic_summary: "..."
ocr_text: "..."           # 会议截图 OCR
media_tags: [会议, 架构图]

轨 A：掌握度 Mastery（语义，人/AI 评级，进阶需证据）
  L0 未测试 → L1 初识 → L2 理解 → L3 掌握 → L4 精通
  晋级必须携带 evidence：自测 / 复述 / 实践产出 / AI 评估

轨 B：保持度 Retention（记忆，FSRS 调度，机器维护）
  FSRS state: {stability, difficulty, due, last_review}

两轨的交互：
  FSRS 复习"Again" → Mastery 最多降 1 级，且必须标记降级证据
  Mastery ≥ L3 且 FSRS 逾期 → 优先复习（高分高价值）
  Mastery = L0 且从未复习 → 还没进入调度器，不占复习额度

当用户在学 KP_B 且表现不佳时：
  1. 查 B 的前置集合
  2. 过滤出 mastery < L2 的前置
  3. 对每个候选前置 A，检查「用户在 B 上的失败模式」是否匹配「A 的缺失特征」
     （缺失特征由 A 的标准验证题错误类型定义，见 §5.2）
  4. 匹配度最高且 > 阈值 → 提示：
     「你卡在 B 的『并发竞态』维度，而 A『JVM 内存模型』你只到 L1。
       回补 A 比死磕 B 更快。」

每日预算：
  主动提问 ≤ 2 个（硬上限，不可突破）
  其余候选问题进入「待提问池」，按优先级在对话中自然带出

优先级排序（分数高者入队）：
  阻塞性   +40   有 hard 依赖卡点等待解决
  错误复发 +35   命中历史错误模式
  阶段里程碑 +25 距阶段目标节点 ≤7 天
  复习到期 +20   FSRS 逾期
  捕获缺口 +15   当天有未归档的高价值素材
  反思洞察 +10   连续 3 天无错误记录但日志异常活跃

跳过规则（硬规则）：
  同类型问题 48h 内不重复
  当天已有 ≥2 个主动提问 → 全部延后
  用户 7 天内对同类问题反馈「无用」→ 该类降权 50%
  静默模式（用户开启专注）→ 全部延后

播报链路（生成 → 播放）：
  复盘引擎 → 播报脚本（text, ≤ 90s）
           → TTS 引擎（edge-tts 本地生成 mp3 / 或直接送 HA TTS）
           → HA → xiaomi_miot.intelligent_speaker  → 小爱音箱

反馈链路（避开语音的技术限制）：
  播报同时推送一条手机通知（PushDeer / ntfy / Bark）
    「今天有 1 条错误预警、2 个待复习。有用/没用 →」
  用户点按钮 → 写入 feedback 表 → 回写提问权重 + 播报素材评分
  语音反馈作为可选增强：识别到「下一条/跳过」等固定口令时生效，
  但不作为主回路

每周播报总时长上限：6 分钟（≈7 条）
每日播报时长：45-90 秒（1-3 条）
每条播报只讲一件事，句数 ≤ 3
  条型配额：昨日洞察 1 + 待办/复习 1 + 美好时光 0-1 + 语录 0-1
硬性禁止：
  · 播报"你今天还没学习"这类负向指责
  · 连续 3 天播报同类型内容
  · 播报量因"欠账"而增加（不制造焦虑）

private  → 只在本地 40-Output/，不上网
shared   → 部署到 Cloudflare Pages，但开启 Cloudflare Access / Basic Auth
public   → 显式勾选字段的白名单版本（如：只放九宫格雷达 + 美好时光 + 语录）

通道 1：交互式通道（人在用 Obsidian 时）
  Obsidian Local REST API → mcp-obsidian
  优点：享受 Obsidian 索引、插件能力
  缺点：依赖 GUI 常驻

通道 2：后台通道（无人值守，★ 主通道）
  直接以文件系统方式读 Vault 目录（.md 就是 .md）
  MCPVault（npx @bitbonsai/mcpvault）支持直接指向 vault 路径，不需 Obsidian 运行
  优点：7×24 可用、可容器化、可与编译任务同进程
  缺点：没有 Obsidian 的语义索引 → 需要自己的检索层

候选提取（AI 自动，宽进）：
  从日记、语音转写、会议记录中抽取「可能值得留存」的句子
  每条附：来源、语境、情绪标签、信号强度分（0-100）

强度分（AI 评分 + 规则加权）：
  +30  含明确的价值判断 / 原则性表述
  +25  含具体的数字或事实（可复用的具体信息）
  +20  产生于重要情绪波动时刻
  +15  被你自己在别处复述或引用过
  -20  日常寒暄、状态播报
  -15  与已有语录语义重复

入库门槛：
  strength ≥ 60  → 进「候选语录池」（周度批量人工挑选，10 条里选 1-2 条）
  strength ≥ 85 且 AI 判定为强原则性 → 直接进正式语录库，
                     但仍会在周报里出现一次供你否决

vault/
├── 00-Inbox/                    # ① 收件层 —— 永不被 AI 写入
│   ├── raw/2026-11/             #   原始素材（只增不改）
│   └── daily/                   #   每日原始流水 2026-11-01.md
│
├── 10-Compile/                  # ② 编译层 —— 指纹化、可重放
│   ├── summaries/               #   语义摘要
│   ├── links/                   #   双链候选
│   ├── clusters/                #   主题聚类
│   ├── verdicts/                #   收藏判决（值得看/片段/摘要/跳过）
│   ├── pointer_health/          #   指针健康报告
│   └── history/                 #   旧版本编译产物（按 pipeline_version 归档）
│
├── 20-Vault/                    # ③ 长期沉淀层 —— 唯一事实源
│   ├── spec/core.md             #   说明书·核心层（常驻注入）
│   ├── spec/state.md            #   说明书·状态层
│   ├── spec/appendix.md         #   说明书·附录（不注入，按需检索）
│   ├── spec/history/            #   说明书快照（可回滚）
│   ├── stages/                  #   阶段记录
│   ├── quotes/                  #   正式语录库
│   └── wiki/                    #   主题 wiki（raw→wiki 编译产物，已验证）
│
├── 30-Fault/                    # ④ 纠错进化层
│   ├── errors/                  #   错误与教训库
│   ├── principles/              #   已验证的原则 / 检查清单
│   └── patterns/                #   复发模式
│
├── 40-Learn/                    # ⑤ 学习能力层
│   ├── kp/                      #   知识点条目
│   ├── reviews/2026-11/         #   复习记录
│   └── graph/deps.yaml          #   依赖 DAG（单一文件，便于版本化）
│
├── 50-Output/                   # ⑥ 主动输出层
│   ├── daily/2026-11/           #   每日复盘
│   ├── weekly/2026-W45/         #   周报 + 交互式 HTML
│   ├── monthly/2026-11/         #   月报 + 交互式 HTML
│   └── broadcasts/2026-11/      #   晨播脚本 + 反馈记录
│
├── 60-Packets/                  # 上下文包落盘（可审计 AI 输入）
│   └── 2026-11-01T0912.json
│
└── 90-System/                   # 元层
    ├── templates/               #   Obsidian 模板
    ├── schemas/                 #   frontmatter schema
    ├── dashboards/              #   Dataview 看板
    ├── logs/                    #   运行日志
    └── config.yaml              #   全局配置（权重、预算、调度参数）

# ── 通用 ──
type: raw | pointer | verdict | cluster | wiki | spec | stage | quote
     | error | principle | kp | review | daily | report | packet
id: __<4位hex>
created: 2026-11-01T09:12:00+08:00
updated: 2026-11-01T09:12:00+08:00

type: raw
id: raw_20261101_001
origin: bookmark | file | voice | screenshot | chat_export | manual
source_uri: "https://..."
source_app: xiaohongshu | bilibili | douyin | youtube | wechat | local
raw_text: "..."              # 原始正文/转写/OCR，未加工
captured_at: 2026-11-01T09:12:00+08:00
binary_ref: null             # 二进制素材 → pointer 的 id

type: pointer                      # 见 ADR-02
id: ptr_20261101_a3f9
uri: "oplist://nas/photos/2026/11/IMG_0031.jpg"
storage: op-list
size_bytes: 4821993
content_hash: sha256:9f2c...
captured_at: 2026-11-01T09:12:00+08:00
index_status: indexed
last_probed_at: 2026-11-01T09:15:00+08:00
semantic_summary: "..."
ocr_text: "..."
media_tags: [会议, 架构图]

type: verdict            # 收藏判决
id: vrd_20261101_003
source_raw: raw_20261101_001
verdict: worth_read | skim | digest_only | skip   # ★ 四档
reason: "..."            # 判决理由（人可读）
score: 78                # 0-100 价值分
salvage: ["要点1", "要点2"]   # ★ skip 也要留可挽救的部分
compiled_by:
  model: "gpt-5.2"
  prompt_hash: sha256:ab12...
  pipeline_version: "compile-v3"
  compiled_at: 2026-11-01T02:14:00+08:00
reviewed: false          # 人工是否已确认

type: cluster            # 主题聚类
id: clu_20261101_001
theme: "AI 原生架构"
members: [raw_..., raw_...]
wiki_target: "20-Vault/wiki/ai-native-architecture.md"
novelty_ratio: 0.62      # 新内容占比 —— 低则不值得开新 wiki

type: spec
id: spec_core
layer: core | state | appendix
version: 7
principles:               # core 层的结构化原则，可被 MCP 直接引用
  - id: P-01
    text: "先有结论再展开论据"
    scope: always
    evidence: ["2026-09-12", "2026-10-03"]

type: stage
id: stg_2026_h2_backend
title: "工商银行 · 后端工程能力沉淀期"
scope: life | project | theme
start: 2026-07-01
end: null
goal: "..."
state_now: "..."
timeline:
  - date: 2026-07-01
    event: "..."
    decision: "..."
    lesson_ref: err_20261012_002   # 关联错误
    belief_then: "..."              # ★ 当时的认知（不回改，用于回溯）
    belief_now: "..."               # 现在的认知（可更新）

type: quote
id: q_20261101_001
text: "..."
source_ref: daily_20261028
context: "复盘时谈到自己的判断方式"
emotion: reflective
strength: 78
applicable_to: [决策, 复盘]
my_reading: "..."          # ★ 我的解读（AI 不写）
confirmed: true            # 人工确认后才为 true

type: error
id: err_20261012_002
occurred_at: 2026-10-12
situation: "..."           # 情境
trigger: "..."             # 触发原因
judgment_then: "..."       # 当时的判断
actual_result: "..."       # 实际结果
cost: "..."                # 代价
root_cause:
  category: avoidable | insufficient_info | external | luck   # ★ ADR-04
  text: "..."
  confidence: 0.72
  status: proposed | confirmed                                # ★ 人工确认门
severity: 1-5
recurrence_risk: 1-5
blocking_action: "..."     # 下次如何识别和阻断
verification: "..."        # 验证方式
related_principles: [P-03]
related_kp: [kp_20260901_007]

type: principle
id: pri_P-03
text: "..."
derived_from: [err_20261012_002, err_20260903_001]   # ≥2 条已确认错误才可提炼
checklist:                 # 可执行形式
  - "..."
validated_count: 2         # 被验证有效的次数
status: active

type: kp
id: kp_20260901_007
title: "JVM 内存模型与并发竞态"
mastery: L1                # L0 未测试 / L1 初识 / L2 理解 / L3 掌握 / L4 精通
mastery_evidence:          # ★ 晋级必须带证据
  - kind: self_test | recite | practice | ai_eval
    at: 2026-10-02
    detail: "能复述 happens-before 三条规则"
    score: 3
retention:                 # ★ 轨 B：FSRS 状态（独立于 mastery）
  fsrs_state: 2           # 0 New / 1 Learning / 2 Review / 3 Relearning
  stability: 4.2
  difficulty: 5.1
  due: 2026-11-03
  last_review: 2026-10-30
deps:
  - kp_id: kp_20260801_002
    kind: hard | soft | related
    note: "不懂 happens-before 完全无法判断竞态"
value: 0.9                 # 0-1，与阶段目标/错误库的关联度
blocking: true             # 是否正阻塞其他 KP
symptom_tags: ["并发竞态", "可见性", "内存屏障"]  # ★ 卡点症状匹配用
assessments:               # 标准验证题（见 §5.2）
  - q: "解释 happens-before 的三条规则，并各举一个反例"
    tags: ["并发竞态", "可见性"]
    checks: ["并发竞态"]

type: review
id: rev_20261103_007
kp: kp_20260901_007
rating: 1|2|3|4           # FSRS Again/Hard/Good/Easy
response_ms: 4200
mastery_before: L2
mastery_after: L2          # ★ 复习失败会下调 mastery
correct: false
note: "..."
at: 2026-11-03T08:12:00+08:00

type: daily
id: daily_20261101
date: 2026-11-01
grid:                       # 人生九宫格，每格 0-5
  health:     {score: 3, note: "..."}
  finance:    {score: 4, note: "..."}
  social:     {score: 5, note: "..."}
  career:     {score: 3, note: "..."}
  family:     {score: 4, note: "..."}
  learning:   {score: 2, note: "..."}
  growth:     {score: 4, note: "..."}
  experience: {score: 3, note: "..."}
  leisure:    {score: 4, note: "..."}
errors_today: [err_20261101_001]
lessons_learned: ["..."]
insights:                  # AI 草稿
  - text: "..."
    confidence: 0.68
    confirmed: false       # ★ 人工确认
mainline_calibration: "..."   # 主线校准
tomorrow_actions: ["..."]
beautiful_moments: ["..."]   # 美好时光

type: report
id: rpt_2026_w45
period: week
range: 2026-11-01/2026-11-07
visibility: private | shared | public   # ★ ADR-09
data_sources: [daily, error, kp, stage, quote]
html: "50-Output/weekly/2026-W45/index.html"
generated_by:
  model: "gpt-5.2"
  pipeline_version: "report-v2"
feedback: {useful: 3, useless: 1}

索引构建（增量，随编译任务一起跑）：
  ① 全文索引：frontmatter + 正文首段 + 标题 → SQLite FTS5
  ② 向量索引：对 spec / stage / error / kp / wiki 正文做 embedding
     → 本地存储（sqlite-vec 或 LanceDB）
  ③ 媒体索引：图片/视频/音频 → RecallForge 或 Immich
  ④ 关系索引：wikilink 图 + deps DAG → 图查询

检索策略（混合 + 重排）：
  query → BM25(全文) + 向量召回 → RRF 融合 → cross-encoder 重排 → top-K
  这套流程与 RecallForge 的实测一致（BM25 R@10 85.9% → +rerank 97.8%），
  说明它是当前本地 RAG 的合理默认

def assemble(intent, query, budget=2500):
    pack = ContextPack()
    # 1. 常驻层（不可裁剪）
    pack.spec_core = load_spec_core()          # ~400-600 tok
    # 2. 意图路由：决定拉哪些模块
    plan = route(intent)
    # 3. 按优先级填充，直到 token 预算耗尽
    for module in plan.priority_order:
        items = retrieve(module, query, k=plan.k[module])
        pack.add(module, items, remaining_budget)
    # 4. 生成预警（见 §4.4）
    pack.warnings = generate_warnings(pack, query)
    # 5. 落盘审计
    write_packet(pack)
    return pack

规则 1 · 错误复发预警
  触发：当前 query 语义相似度 与 某条 confirmed 错误的 situation > 0.72
  产出：「这类场景你 8 月 12 日踩过一次——当时判断『需求方会接受降级方案』，
        实际结果是延期两周。这次的关键差别是……」
  降级：命中 proposed 错误时，文案改为「有一条待确认的相似记录」

规则 2 · 前置缺失预警
  触发：query 涉及 KP_B，且 B 有 hard 前置 A 且 A.mastery ≤ L1
  产出：「这段涉及『分布式事务』，它的前置『MySQL 隔离级别』你目前只到初识。
        要不要先花 10 分钟补一下？或者直接往下走，我会标注不确定的地方。」

规则 3 · 到期复习预警
  触发：today 有 FSRS 逾期且 value ≥ 0.6 的 KP
  产出：「今天有 2 个到期复习，其中『Redis 持久化』上次答错了。」

规则 4 · 阶段偏离预警
  触发：当前活动与 stage.goal 连续 3 天无交集（时间/金钱/注意力分布）
  产出：「这周你的记录几乎都在『学习成长』，
        但当前阶段目标是『完成 XX 迁移』。要不要重排一下？」

type: feedback
id: fb_20261103_012
target_type: question | broadcast | report | verdict
target_id: q_20261103_004
verdict: useful | useless | too_generic | too_deep
weight_delta: -0.5
at: 2026-11-03T10:20:00+08:00

06:50  ┊ 晨间播报（45-90s）—— 昨日洞察 / 今日复习 / 1 条美好时光
07:30  ┊ 主动提问窗口 1（≤1 问，捕获型：今天有什么值得记的）
12:30  ┊ 主动提问窗口 2（≤1 问，反思型或学习型）
21:30  ┊ 晚间复盘 —— 九宫格 + 今日错误与失误 + 学习状态更新
22:00  ┊ AI 生成复盘草稿 → 人工确认 → 写入 daily
22:30  ┊ 编译任务启动（异步，见 §5.5）
02:00  ┊ 复习队列计算（FSRS 到期扫描）

# 挂在 kp 的 assessments 字段
assessments:
  - q: "解释 happens-before 的三条规则，并各举一个反例"
    tags: ["并发竞态", "可见性"]
    checks: ["并发竞态"]
  - q: "..."
    tags: ["内存屏障"]

priority = fsrs_overdue_ratio × value × (1 + blocking_impact)

  fsrs_overdue_ratio = (today - due) / max(1, interval)      逾期程度
  value              = 0.3 + 0.4×(与阶段目标关联) + 0.3×(错误库关联频次)
  blocking_impact    = 1.0 若该 KP 阻塞其他 hard 依赖 KP，否则 0

每日复习上限：12 条（超过就顺延，宁可少也不要变成负担）

def find_backfill_path(target_kp, blocked_by):
    """拓扑最短回补路径：找到能最快解除阻塞的前置链"""
    # 只在 hard 依赖上搜索
    # 优先选「mastery 低 + 预估耗时短 + 解锁收益高」的节点
    # 预估耗时 = base_cost(kp) / (1 + 0.5 * mastery)
    return shortest_path_by_cost(blocked_by, target_kp)

deps:
  - from: kp_20260801_002    # MySQL 隔离级别
    to: kp_20260901_007      # JVM 内存模型与并发竞态
    kind: hard
    note: "..."
    source: manual | ai_suggested
    confirmed: true

触发频率：
  实时（<5 分钟）  · 收藏/截图/语音入库 → 立即生成摘要 + 双链候选
  每 15 分钟      · 判决队列批量处理（聚类判断"值得看/片段/摘要/跳过"）
  每日 02:30      · 全量编译：指针健康探测、聚类、wiki 候选
  每周日 03:00    · 周度沉淀：聚类 → wiki 候选 → 主题重写
  每月 1 日 03:00  · 月度沉淀：主题页合并/拆分/归档；阶段记录里程碑检查

回写规则（严格单向，绝不反向覆盖）：

  raw ──► compile/summaries        （AI 自动，可重放）
  raw ──► compile/verdicts        （AI 自动，人批量复核）
  compile ──► wiki                 （AI 起草，人首次确认 → published）
  wiki ──► spec                    （仅提议 diff，人合并）
  daily ──► stage                  （仅提议，人合并）
  error(confirmed) ──► principle   （≥2 条才提议，人采纳）
  error ──► kp.mastery 下调        （自动，但记录证据）
  review ──► kp.retention 更新     （自动，FSRS）

  ★ 永不发生：
     wiki 覆盖 raw            compile 覆盖 daily
     spec 被自动改写          error 被自动确认
     已 published 的 wiki 被静默修改（改动走 git commit，人可 review）

cache_key = sha256(content_bytes + pipeline_version + model_id)
# 命中 → 跳过；未命中 → 编译并写产物（带指纹）

daily/     → 九宫格雷达、情绪/能量趋势、美好时光时间线
error/     → 错误复发与阻断统计、严重度分布、Top 复发模式
kp/        → 掌握度分布（初识/理解/掌握/精通占比）、复习通过率、
              遗忘预警清单、学习进度曲线
stage/     → 阶段目标进度条、里程碑时间轴
quote/     → 经典语录轮播
spec/      → "本月 AI 眼中的我"（基于本月数据与 spec 的偏差描述）

选材池（昨日复盘 / 历史上的今天 / 阶段进展 / 语录 / 错误预警 / 学习复习 / 美好时光）
  ↓ 打分
  score = 0.35×信息密度 + 0.25×与当前阶段相关性 + 0.20×未播报过 + 0.20×情绪温度
  ↓ 取 top 1-3，累计 ≤ 90 秒
  ↓ TTS 文本生成（口语化，去掉 markdown 与符号）

候选问题来源：
  ① 捕获型：当天 raw 有未归档的高价值素材 → "这条 X，要记下来吗？"
  ② 反思型：昨日有未分类的错误 → "昨天的判断，你后来觉得哪里不对？"
  ③ 学习型：KP 到期 / 有 hard 卡点 → "阻塞在 Y，要先补 Z 吗？"
  ④ 阶段型：阶段目标节点临近 → "离 X 只剩 5 天，进展如何？"
  ⑤ 校准型：九宫格某维度连续 3 天下降 → "X 连续走低，是发生了什么？"

每个候选打分 → 取 top 2 → 队列 → 每日预算约束

{
  "mcpServers": {
    "pcs-filesystem": {
      "command": "npx",
      "args": ["-y", "@bitbonsai/mcpvault@latest", "D:/vault/pkb/vault",
               "--exclude", "90-System/logs"],
      "env": { "MCP_LOG_LEVEL": "info" }
    },
    "pcs-obsidian": {
      "command": "uvx",
      "args": ["mcp-obsidian"],
      "env": {
        "OBSIDIAN_API_KEY": "<本地 REST API 插件的 key>",
        "OBSIDIAN_HOST": "127.0.0.1"
      }
    },
    "recallforge": {
      "command": "recallforge",
      "args": ["serve", "--mode", "hybrid", "--backend", "torch"]
    }
  }
}

{
  "at": "2026-11-01T09:12:33+08:00",
  "intent": "decision",
  "query": "这个降级方案能接受吗",
  "budget": 2500,
  "used_tokens": 2180,
  "modules": {
    "spec_core": ["P-01", "P-04"],
    "errors_matched": ["err_20260812_001"],
    "kp_blocked": ["kp_20260901_007"],
    "notes": ["20-Vault/wiki/..."]
  },
  "warnings": [
    {"rule": "error_recurrence", "target": "err_20260812_001", "confidence": 0.81}
  ]
}

做什么：
  □ 建 vault 目录结构（只有 20-Vault / 50-Output / 90-System）
  □ 手写 spec/core.md —— 一次写透，200-500 字，只写真正不可变的
  □ 建 daily 模板（九宫格 + 今日错误 + 明日行动）
  □ 建 kp 模板 + 手写 10 个当前最想掌握的知识点
  □ 每天写 daily，连续 10 个工作日不漏
  □ 手写 3 条错误（真实的，疼的那种）

不做什么：
  × 不装任何插件（除了核心）
  × 不搞自动采集
  × 不搞 MCP
  × 不做网页报告

验收：
  ✓ 10 个工作日 daily 不断档
  ✓ spec/core.md 写完后你自己愿意每天读一遍
  ✓ 手写的 3 条错误里，至少 1 条让你意外（"我居然是这样想的"）

做什么：
  □ 装核心插件：Templater + Dataview + Obsidian Web Clipper
  □ 装 Python 环境，写第一个编译脚本（raw → summary + 双链候选）
  □ 接入 2-3 个真实来源（Web Clipper + 手机分享 + 一个网盘目录）
  □ 实现 verdict 四档判决 + 每周批量复核
  □ 实现每日 02:30 定时编译（Windows 任务计划 / cron）
  □ 编译产物带指纹（ADR-01）
  □ 写第一版 spec/state.md

不做：
  × 不做 MCP（还没到）
  × 不做 FSRS
  × 不做网页报告

验收：
  ✓ 连续 2 周，收藏不需要手动搬运和分类
  ✓ 编译任务零手工触发
  ✓ verdict 判决的人工改动率 < 20%（超了说明提示词要调）
  ✓ 指针笔记带 content_hash，健康检查能发现失效指针

做什么：
  □ 建 error/ 与 principle/ 结构，配 frontmatter schema
  □ 写错误确认流程（AI 起草 → 人确认根因）
  □ 在复盘里固定"今日错误与失误"环节
  □ 实现「错误相似度检索」与主动预警规则 1
  □ 上下文装配器 v1（先只用 spec + error + daily）
  □ 上 MCP（双通道，filesystem 为主）
  □ 写第一份周报（Markdown 先出，HTML 不急）

不做：
  × 不做 FSRS（先把错误闭环跑通）
  × 不做主动提问
  × 不做语音

验收：
  ✓ 错误库 ≥ 10 条，且 ≥1 条被提炼成 principle
  ✓ 主动预警至少命中过 1 次并且有用
  ✓ MCP 在日常 AI 对话里能回答"我上次关于 X 怎么想的"
  ✓ ★ 某条 confirmed 错误在真实场景中被成功阻断  ← 核心验收

做什么：
  □ 装 FSRS 调度（py-fsrs 或 Obsidian 插件）
  □ 实现双轨掌握度 + 证据体系 + 标准验证题
  □ 建依赖 DAG，手工录入 20-30 条 hard/soft 依赖
  □ 实现复习队列三因子排序 + 每日上限 12
  □ 实现主动提问（预算 ≤2/天）+ 反馈权重调参
  □ 实现晨间播报（HA + xiaomi_miot）+ 手机反馈
  □ 实现交互式周报/月报 HTML（先本地，再 CF Pages + Basic Auth）
  □ 实现"历史上的今天"（过滤负面记录）

不做：
  × 不做多模态媒体索引（媒体量大且非核心）
  × 不追求 100% 自动化

验收：
  ✓ 连续 4 周，复习队列未被放弃（每日完成率 > 70%）
  ✓ 主动提问的"有用"反馈率 > 60%
  ✓ 晨播连续 2 周没有被静音
  ✓ 周报 HTML 真的会被你打开看（打开率 > 50%）

做什么：
  □ 媒体语义索引：RecallForge（本地多模态）或 Immich（相册向）
  □ 指针健康全量探测 + 内容寻址恢复
  □ 语音转写接入（会议 / 灵感）
  □ 阶段记录自动里程碑检查
  □ 若有余力：数字花园（Quartz）+ 公开版周报

验收：
  ✓ "帮我找一下去年那张架构图"能命中
  ✓ 语音碎片不再丢失

Week 1-2   阶段 0    ████                      40%
Week 3-6   阶段 1    ████████████              30%
Week 7-10  阶段 2    ████████                  20%
Week 11-16 阶段 3    ██████████████            10%
Week 17+   阶段 4    ████                      ← 可选

1. Markdown 是硬边界。 任何工具都不能成为唯一事实源
2. 能离线就离线。      云端服务是可选增强，不是依赖
3. 优先选有 MCP 的。   让 AI 用标准接口接入
4. 优先选可替换的。    工具随时会死，格式不会
5. 警惕"全家桶"营销。  一站式方案 = 一站式锁定

偶然复杂度（AI 消灭的部分）        本质复杂度（人必须守住的）
─────────────────────────────      ─────────────────────────────
分类 / 命名 / 摘要 / 去重          什么值得沉淀
双链 / 索引 / 检索 / 生成          什么算真教训（运气 vs 失误）
调度 / 提醒 / 编译 / 播报          阶段边界在哪
优先级计算 / 排序 / 统计            哪些门禁不能拆

记录 → 归因 → 提炼原则 → 提前预警 → 成功阻断 → 验证有效 → 原则升级 → 更多预警

开场（3 min）
  「AI 消灭了偶然复杂度，但软件工程没有银弹。」
  「今天我不讲技术，讲一个我把这句话落到自己身上的方案。」
  抛出问题：你的 AI 是不是每次都从零开始？

中段（12 min）
  六层架构 → 核心原则（AI 消灭怎么做，人守住做什么）
  → 三个反直觉的设计决策（错误根因人工确认 / 掌握度双轨 / 依赖分级）
  → 上下文装配器（一次实现四处复用）
  → MCP 双通道（那条会静默失效的坑）

收尾（5 min）
  复利闭环：记录→归因→提炼→预警→阻断→验证→升级
  「复利不来自数据量，来自下一圈起点更高」
  落地路径：先手写 10 天，别先设计架构

1. 打开 60-Packets/ 里一个真实的 ContextPack 落盘
   → "这就是 AI 刚才看到的全部内容，可审计"

2. 现场问豆包/DeepSeek："我上次关于 X 是怎么想的？"
   → MCP 调 assemble_context → 返回带 warnings 的 ContextPack
   → 命中一条历史错误，现场展示预警文案

3. 打开一个 kp 文件，展示 mastery 与 retention 两个字段
   → "看，这是两个正交的维度，被塞在一起就废了"

4. 打开一个 error 文件，展示 root_cause.status: proposed
   → "这条还没被我确认，所以它还不能变成原则"

5. 打开 deps.yaml，展示 hard / soft / related 三级
   → "如果全是 hard，这个系统三周内就会变成课程表"