Skip to content

F200-memory-recall-eval.md

Latest commit

 

History

History
529 lines (406 loc) · 47.9 KB

F200-memory-recall-eval.md

File metadata and controls

529 lines (406 loc) · 47.9 KB
Raw
feature_ids
F200
related_features
F102
F153
F163
F188
F192
F263
topics
memory
eval
observability
IR
doc_kind spec
created 2026-05-14
tips_exempt Internal eval/observability — no user-facing capability or workflow change

F200: Memory Recall Eval — 基于猫真实行为的记忆系统反馈闭环

Status: in-progress | Owner: Ragdoll | Priority: P1

Why

问题

Clowder AI 的记忆系统（F102 存储基座 + F163 治理层 + F188 管护工具链）已经能"记住"和"治理"知识，但不知道猫用得好不好。现有 telemetry（F188 三入口分布 + nudge follow + grep fallback rate）已有 adoption/friction 信号，但缺少 search result → read/use/verify 的正向 consumption 信号。我们无法回答：

  • 搜索结果排第几的被猫真正读了？
  • 猫搜了几轮才找到想要的东西？
  • 花了多少 token？
  • graph 推荐的候选有没有被 follow？
  • 一个 anchor 90 天没人读是不是该 sunset？

operator启发（2026-05-14 原话摘录）

"如果猫猫搜了 evidence 然后他决定用任何方式去读了 evidence 去推荐的文档！！是不是可以算真实命中！你想哦！！你们在 agentic search 的时候！！可是要决定要不要往下读！！"

"有的时候行为能暴露出你们对于这些东西的判断的！！！"

"比如猫猫目前的任务 xxxx，猫猫搜索了 xxxx 看了 xxx 文档 修改了 xxx 干了啥啥啥，最后产出 yyyy，我倒是觉得这个轨迹很值钱，搜集的多了都能优化我们的系统"

"这些可是不需要大模型就能做的！！"

MemOS 对照（2026-05-12 华为研讨会 teardown 启发）

MemOS 2.0 用 LLM 自评（R_human）+ 数学公式（γ/α/V/η/support/gain）给每条记忆打分。Maine Coon代码级拆解发现根信号有毒：模型自评集中在 0.6-0.85 成功区间，负样本几乎没有，他们在 gain.ts 自承认原公式在真实环境塌掉（apps/memos-local-plugin/core/memory/l2/gain.ts:19-29）。

我们的 tradeoff 选择：不给 truth/authority 打分，只给 navigation utility 打分。根信号来自猫的真实 tool call 行为，不是 LLM 自评。consumption 信号只能影响搜索排序和导航优先级，不能影响 authority（authority 仍来自 spec/ADR/review/operator）。

信号层 → Phase 对应关系

信号层 行为 收集 Phase 使用 Phase
L0 搜了 A B（统计）
L1 搜了 → 读了某条候选（revealed preference） A C（改排序，shadow first）
L2 搜了 → 读了 → 引用/修改了 D D（task trajectory）
L3 搜了 → 读了 → 用了 → 产出被验证 D D+（闭环）

Phase C 只吃 L1 信号。L2/L3 需要 Phase D 的 TaskTrajectory 才能收集。

为什么这是独立 Feature 而不是 F192 的子 Phase

F192 是 harness 层面的社会技术评估框架（共创机制 + harness-feedback 文档 + eval contract）。F200 是记忆子系统的专项反馈闭环，需要：新的 event correlation 机制、新的指标族、对 search/graph 排序的实际改进。F192 提供评估框架，F200 在这个框架里建具体的 memory recall eval pipeline。

user_journey_exempt: Internal eval/observability feature — no user-perceivable UI surface; all outputs are developer-facing metrics and dashboards consumed only by cats and operator.

What

User Journey

Primary Journey: 猫完成一次记忆召回

  • Scope unit: memory tool call -> recall event -> same invocation。
  • Actor: 猫猫，使用 search_evidence / graph_resolve / list_recent 找证据并决定是否继续钻取。
  • Entry: 猫收到需要旧 thread / docs / trajectory 证据的任务，调用 memory tool。
  • Flow:
    1. Producer 返回结果时同时给人读预览和机器读 outcome（命中数、结果状态、下一步提示）。
    2. 猫先看 top results / preview 判断方向；如果需要原文，再用 Read / drill-down 工具打开候选。
    3. RecallEvent 持久化这次召回的 query、候选、结果状态和后续 consumption 信号，供指标和排序反馈使用。
    4. 结果为 0、解析失败、tool_result 未合并、历史旧行、错误等状态在数据层区分；猫和 Hub 不再把它们都读成一个 nullable count。
    5. 对过长/存档结果，完整工具文本必须给 preview + explicit next step；Hub 的 artifact 展示属于后续 Phase，不影响本次召回状态可信度。
  • Success evidence: 同一次召回在工具文本、recall_events、Hub RecallFeed 中显示一致 outcome；no_results 明确等于权威 0，parser_miss / result_unmerged / legacy_unknown 不再伪装成 0。
  • Non-goals: 不评价文档真伪或 authority；不让 consumption 变成 correctness；不在本 PR 完成 artifact 存档 UI。

Secondary Journey: operator/猫回看 RecallFeed

  • Scope unit: thread / invocation 的召回流。
  • Actor: operator和猫猫。
  • Flow:
    1. 打开记忆流，看到每次工具调用的 query、候选和结果状态。
    2. 对旧数据看到"历史统计缺失"，知道它不等于没搜到。
    3. 对 producer 已结构化的新数据，直接看到权威命中数或明确的 failure mode，能判断是搜索问题、parser 问题还是链路未合并问题。

Phase A: Search Session Telemetry（打地基）

在 F153 observability 基础上，为每次 memory tool 调用建立 RecallEvent 概念：

interface RecallEvent {
  recallId: string;
  catId: string;
  invocationId: string;
  toolName: 'search_evidence' | 'graph_resolve' | 'list_recent';
  query: string;
  mode?: string;
  scope?: string;
  candidates: Array<{
    anchor: string;
    rank: number;
    score?: number;
    targetRef:                  // Maine Coon R2：union ref 覆盖所有 drill-down 目标
      | { kind: 'doc'; sourcePath: string; anchor?: string }  // anchor fallback for sourcePath-empty candidates (Phase A P1-1)
      | { kind: 'thread'; threadId: string }
      | { kind: 'session'; sessionId: string }
      | { kind: 'invocation'; sessionId: string; invocationId: string }
      | { kind: 'passage'; passageId: string; threadId?: string; sessionId?: string };
    docKind?: string;           // feature/decision/lesson/discussion/...
    resultSetId?: string;
  }>;
  consumed: Array<{
    anchor: string;
    rank: number;
    method:                     // Maine Coon R2：覆盖全部 drill-down 工具
      | 'Read' | 'Grep' | 'graph_resolve'
      | 'read_session_events' | 'read_session_digest'
      | 'read_invocation_detail' | 'get_thread_context';
    dwellProxy?: number;        // 47：Read 后到下一个 tool call 的间隔(ms)
  }>;
  reformulated: boolean;
  fellBackToGrep: boolean;
  abandoned: boolean;
  nextGraphResolveAfterRead: boolean;  // 47：graph 深度导航信号
  tokenCost: number;
  timestamp: number;
}

Consumption Window 定义（OQ-1 resolved, 三猫收敛）：

consumed := same_invocation
            AND (tool_call_distance ≤ 20 OR wall_clock ≤ 300s)
            AND target_match(tool_call, candidate.targetRef)
  • target_match（Maine Coon R2 扩展）：不只是 Read.file_path ↔ sourcePath，还覆盖 read_session_events ↔ sessionId、get_thread_context ↔ threadId、read_invocation_detail ↔ invocationId 等 drill-down 匹配
  • invocation 边界优于纯 wall-clock（LLM thinking/A2A callback 波动大）
  • tool_call_distance比时间更稳定（20 步覆盖"搜→想→读"的典型链）
  • 300s 兜底防止超长 thinking 丢信号
  • Grep 分类：grep 路径命中 candidate.targetRef.sourcePath → drill-down consumption；全仓 rg → fallback，不算 consumed
  • v1 上 shadow mode，跑 1 周后看 P95 再 finalize 参数

Phase B: Derived Metrics（无模型指标族）

核心指标（注：这里不是标准 IR relevance judgment，是 consumption 信号，命名区分）：

指标 公式 揭示什么
Consumed@K P(至少一个 top-K 候选被 consumed) 搜索召回质量
Readthrough@K consumed_in_topK / K（fraction） 排序密度（top-K 里有几个值得读）
ConsumedMRR mean(1 / first_consumed_rank) 排序质量
FirstConsumedRank median(first_consumed_rank) 排序中位数表现
Reformulation Rate P(同 invocation 连续搜索) query/index 匹配度
ReformulationsBeforeConsumption mean(search_count_before_first_consumed) 几轮才找到
SearchAbandonRate P(搜了但没 consumed 也没 reformulate) 候选全不对
ReformulateAfterExposure P(reformulate within compound_window AND no consumed AND tool_call_distance_to_next_search ≤ 3) 看了候选但觉得不对，立刻又搜（区别于 Abandon：Abandon 是静默放弃，这里是主动换 query）
GrepFallbackRate P(grep fallback | candidates exposed) 摘要/标题不可信（Phase C 加 topConfidence 后可细化为 high-confidence 版）
Token Cost per Hit total_tokens / consumed_count 搜索效率
Anchor Popularity consumed_count(anchor) over 30d boost 信号
Anchor Dormancy days_since_last_consumed(anchor) sunset 候选信号
GraphNonFirstSelectionRate P(consumed candidate rank > 1 | graph_resolve) graph 排序质量
GraphTraversalCompletion P(graph_resolve → Read → another graph_resolve) graph 深度导航价值

Phase C: Consumption-Weighted Ranking（改排序）

前提：Phase C 只用 L1 信号（consumed/not consumed）。L2/L3 信号留给 Phase D。

search_evidence 排序调整：

adjusted_score(anchor, query) =
    rrf_score                               // 现有 BM25+vector RRF (k=60, 不动)
  + α · authority_boost(anchor)             // 现有 F163 权威性 (1.0-1.3)
  + β · consumption_prior(anchor)           // 新：Bayesian shrinkage CTR
  + γ · recency_decay(anchor)              // 新：fractional decay
  - δ · stale_penalty(anchor)              // 现有 F163 stale 检测

consumption_prior 公式（OQ-5 resolved, centered Bayesian shrinkage — R2 三猫收敛）：

shrunk_ctr     = (consumed_count_30d + α₀) / (exposure_count_30d + α₀ + β₀)
mean_ctr_kind  = global_mean_ctr(anchor.kind)       // 按 doc kind 分桶的全局基线
recency_factor = T_kind / (T_kind + days_since_last_consumed)
raw_lift       = (shrunk_ctr - mean_ctr_kind) × recency_factor

// 三段式分支（47 R2 提案 + Maine Coon R1 "exposure ≥ 20 才允许 punish" 融合）
if isConstitutional(anchor):                // 实现注意（Maine Coon R3）：EvidenceKind 没有 ADR/canon 字面值，
                                            // 用 authority + sourcePath + docKind 组合判定，不能按 kind 字面 match
    consumption_prior = max(0, raw_lift)    // 永远不降权
elif exposure_count_30d < 5:                // cold-start
    consumption_prior = 0                   // 中性：不奖不罚
elif exposure_count_30d < 20:               // 低样本
    consumption_prior = max(0, raw_lift)    // 只允许正向 boost
else:                                       // 充分数据
    consumption_prior = raw_lift            // 完整中心化，允许负值
  • α₀=2, β₀=8（先验 mean=0.2，等价于"10 次曝光 2 次 click"）
  • exposure_count 用 30 天滑窗，不要历史累计
  • 中心化是关键（47+Maine Coon R2 收敛）：v2 的纯正向 shrunk_ctr × recency 等于半残——"高 BM25 但 30 天 0 read"的过时 anchor 跟"高 BM25 且高 read"的活 anchor 一样排前面。减去 mean_ctr_kind 才有负信号
  • grace period：新 indexed 文档 14 天内不参与 consumption_prior
  • v2 升级路径（47 R2 #4）：v1 用 30d hard sliding window；若 shadow 发现窗口边界 anchor 排名有 day-by-day cliff，v2 升级到 event-level decay w_i = 2^(-age_days/half_life)

recency_decay 公式（OQ-2 resolved, fractional decay + 按 kind 分桶）：

decay(age_days, T) = T / (T + age_days)
doc kind T (half_life) 理由
ADR / lesson / canon (constitutional) 不降权 稳定真相源，consumption 低不代表不重要
feature / decision 90d 长效设计文档，半年后仍可能被新猫读
plan / research / phase 45d 阶段性高频，结束后冷却快
discussion / reflection 21d 热度集中在 1-2 周内
thread / session digest 14d 极短时效

47 的 fractional decay T/(T+age) 优于 exponential 2^(-age/T)：365d 后 fractional 剩 ~20% vs exponential 剩 ~6%，长尾保护更好。

MMR 去重（OQ-3 resolved）：

MMR = argmax_i [λ · sim(d_i, query) - (1-λ) · max_j∈S sim(d_i, d_j)]
  • λ=0.7 起步（Carbonell & Goldstein 1998 + TREC robust [0.5, 0.7] 区间，我们偏 precision）
  • 只在 pool ≥ 3×limit 时启用（否则没空间做多样化）
  • shadow 对比 λ ∈ {0.6, 0.7, 0.8}，看 ConsumedMRR 和 Consumed@K 变化

RRF k=60 和 pool size：k 不动（Cormack 2009 经典值），pool 不动（max(limit×4, 20) cap 100）。先加指标 consumed_anchor_not_in_pool_rate，如果被 consumed 的 anchor 经常不在候选池才考虑扩 pool 或加第三路召回。

graph edge-level 权重（R2 Maine Coon+47 收敛，operator点名"常用路径加权"）：

当前实现（GraphResolver.ts:224）遍历时所有 relation 边权重一样。F200 引入 edge-level 信号：

edge_weight(A → B) =
    type_base[edge.relation]                    // wikilink=1.0, doc_link=0.9, feature_ref=1.1
  + λ_edge · traversal_count_30d(A → B)        // 具体这条边被猫穿越的频率
  × edge_recency_decay(A → B)                  // 边的 access recency（fractional decay）

type_base 初始值先 shadow 观察再调。traversal_count = graph_resolve 返回 A，猫 Read A 后又 graph_resolve 拿到 B 并 Read B 的次数。

graph_resolve 候选排序调整：

graph_candidate_score(node) =
    text_match(query, node)
  + authority(node)
  + Σ edge_weight(source → node) · source_relevance  // 入边加权（替换 v2 的 node-level frequency）
  + consumption_recency(node)               // 新：最近有人读过
  - dormancy_penalty(node)                  // 新：90d 无人读（constitutional 免疫）

实现顺序：先 shadow mode 跑 consumption rerank 两周 → 确认 ConsumedMRR 提升 → 才切 on。

Phase C shadow → on 切换门禁（Maine Coon + 46 收敛 2026-05-14）：

binary consumed prior 只允许在 shadow 阶段运行。切 on 前必须同时满足：

  1. ConsumedMRR 提升（相对 shadow baseline）
  2. 无 Goodhart 迹象：短 dwellProxy（<2s）consumed 比例不升高、reformulate rate 不升高、fellBackToGrep rate 不升高
  3. 单次 consumed 永远不能直接抬 rank — 只能通过 Bayesian shrinkage + exposure sliding window 进入统计。这是防"误点一次越排越高"的核心原则

任一条件不满足 → 不切 on，先做 signal_strength 加权（v1.1 upgrade path：用 dwellProxy + nextGraphResolveAfterRead 给 consumed entry 分强弱权重）。

Phase D: Full Trajectory Records（完整轨迹）

operator启发的最深一层。把 Phase A-C 的单次搜索视角扩展到任务级，引入 L2/L3 信号：

interface TaskTrajectory {
  taskContext: string;          // 从 thread/mention/task 推断
  searchChain: RecallEvent[];
  filesRead: string[];
  filesModified: string[];
  outputVerified: boolean;     // 候选信号源见下方（47 R2 #5）
  catId: string;
  totalTokenCost: number;
  duration: number;
}

outputVerified 候选信号源（47 R2 #5，Phase D Design Gate 前 finalize）：

outputVerified = signal_or(
    PR_merged_via_squash,                   // gh PR merge event
    CI_check_passed_after_modification,     // GitHub check_run success
    CVO_explicit_accept,                    // operator"merge"/"好"/"通过"等关键词
    reviewer_approval_with_no_followup,     // @codex/@opus 放行且无后续修改
)

用途：

  • 成功轨迹复用（"上次做这类任务的猫搜了这些、读了这些"）
  • 失败轨迹诊断（搜 5 轮 + 读 8 个文档但 review 退回 → 为什么）
  • 跨猫对比找 index 盲点（同样任务，不同猫的 effort 差异——只用于系统诊断，不评价个猫）
  • Cross-Cat Effort Variance：std(reformulation_count) across cats for similar queries，揭示 index/alias 对不同搜索习惯的覆盖差距
  • ConsumedButNotUsedRate：读了但最终 commit/review/post 中没引用，可能是噪音或探索成本高

Phase E: Cross-Cat Query Pattern Recommendation（deferred）

Deferred until Phase A-D stable + ethical framework reviewed.

方向：会搜的猫的 query 模式 → 自动建议给不会搜的猫（"Maine Coon搜这类问题用了这个 query，Hit@1"）。这是 harness coaching，不是检索排序本体，数据依赖 Phase D 的 TaskTrajectory。

v1.1 Dogfooding Backlog（2026-05-16 三猫两轮实测：广度 dogfood + 冷启动模拟）

三猫两轮真实调查任务实测（Round 1 广度 + Round 2 46 九路 / Maine Coon+47 冷启动模拟，刻意抛弃老猫先验）。 核心洞察（Maine Coon一句话）：新猫更信"第一屏"——老猫被喂偏能靠项目记忆纠偏，新猫不行。因此优先级按入口第一屏导航正确性排，不按工程难度排。

修复批次（建议 46 开 worktree 按此顺序）：

Batch 1 — P1 导航正确性（新猫第一屏被喂错，最先修）

# 问题 根因 归属 发现
DF-1 list_recent(scope=docs) 被 global:memory 淹没 + timestamp = 索引重建时间≠内容活跃时间（kinds=feature 全标 05-16 / kinds=decision 全标 04-18，新猫无法分辨哪个是真活跃主战场） index rebuild 刷 memory timestamp + list_recent 排序键用错维度 F188 46+Maine Coon R1 / 47 冷启动 reframe 根因
DF-11 graph_resolve fuzzy candidate ranking 丢失 text_match——graph_resolve("F200 v1.1 issues") → F102（边多）排 F200 前 代码 fuzzy candidates 只按 weightedEdgeScore 排；F200 spec 公式含 text_match + authority + edge_weight 但实现漏了 text_match F188（实现与 F200 spec 公式不符） Maine Coon冷启动

Batch 2 — P2 可解释性 + 跨语言

# 问题 根因 归属 发现
DF-6 list_recent(scope=docs,kinds=["discussion"/"reflection"]) 静默返回 0，但 scope=threads,kinds=["discussion"] 实际可用；新猫容易把 docs/discussions 误归到 docs scope kinds 会先与 scope ceiling 求交集，空交集直接无结果；MCP schema/description 未提示 kind 所属 scope，也无空交集 nudge F188 46 R2 / Maine Coon复核修正
DF-2 graph_resolve depth≥2 经 super-hub（F102/F188）边爆炸（209 nodes/439 edges），无 degree cap hub-node fan-out 无截断；depth=1+relations filter 有 workaround F188 47 R1 / 三猫 R2 确认
DF-8 hybrid 跨语言查询退化——纯 semantic 命中的中文文档，hybrid 反而被无关高 BM25 挤掉；MCP description "不确定用 hybrid" 与实际矛盾 RRF fusion 中英 query BM25 分极低 F102/F188（检索 mode + tool description） 46 R2
DF-3 search_evidence 只显示 boost: authority_boost，看不出 consumption_prior/MMR 是否参与；新猫无法判断"为什么这条排第一" search 输出缺 explainability 字段 F200 Maine Coon+47+46 多轮
DF-4 list_recent(trajectories) 缺 [verified/unverified] + filesRead/filesModified 摘要——冷启动猫无法分辨成功路径 vs 弯路 AC-D2 半残（outputVerified 信号源只实现 2/4：PR merge + invocation status，operator accept/reviewer approval 是 stub） F200（已在 AC-D2.1/D2.2 backlog） 47+Maine Coon 冷启动

Batch 3 — P3 边缘 case（可延后）

# 问题 归属 发现
DF-7 semantic confidence 与相关性错位（embedding 距离≠真实相关，"cat naming origin" → Architecture Map 排 high） F102/F188 46 R2
DF-10 graph fuzzy 跨域假阳性（"consumption ranking" → 癌症研究 klra5，~20%） F188 46 R2

✅ 三猫共识 OK（确认 working，不动）：

  • search_evidence 概念词召回（不知 F200 编号用"记忆系统消费加权"也能排第一）
  • graph_resolve depth=1 + relations filter（13 nodes 干净可导航）
  • list_recent(scope=trajectories) 真闭环亮点——Phase D 真在记三猫探索轨迹，"穷人的 training loop" 在工作

冷启动结论：harness 对新猫 graph+概念 search 确实喂饭有效（不靠老猫记忆）；但 list_recent 这个新猫最依赖的"零先验扫最近"入口恰恰对新猫最不可靠（DF-1 为核心导航正确性问题；DF-6 为 scope/kinds 语义误导）——这是 F165 Guided Overfitting / F152 Expedition Memory 冷启动愿景的直接威胁，Batch 1 应最高优先。

归属说明：本 backlog 横跨 F188（list_recent/graph_resolve 工具实现）+ F200（rerank_reason/trajectory）+ F102（检索 mode）。F200 spec 作为记忆系统 dogfood 反馈中枢汇总，46 开 worktree 时按归属列分别处置（F188 工具 bug 与 F200 ranking 改进不同 scope）。

v1.2 Backlog（2026-05-17 三猫讨论：硬实力 + 软实力双修）

触发：operator AUDHD recall 任务（"哪些 thread / md 沉淀过 audhd/adhd/asd"）暴露——三猫搜出不同子集（46 主干索引 / 47 语义扩散 / Maine Coon source-thread provenance），单 query top-k 无法满足 "X 主题在我们家有哪些沉淀" 这类 coverage/source-map 任务。

operator核心论点（2026-05-17 拍板）：

"搜索系统怎么知道 audhd 应该搜什么？而是我们可能需要有 hook 或者 mcp tools 描述要告诉猫猫如何搜索！"

→ Query expansion 不在搜索系统做（系统是 dumb 的，agent 是 smart 的——领域知识展开由 agent 用 LLM 能力完成）；硬实力只做"可解释的结构性 expansion"（来自 frontmatter aliases / canonical doc 内的 source threads / glossary / graph 显式 alias 边），不做黑盒猜测。引擎层 expansion 违反 KD-8（不用 regex/小模型替猫判断 intent，给数据不给结论）。

关键发现（operator特别问的"有没有新硬实力 bug"）：v1.1 全部 merged 后，这一轮 dogfood 没暴露新的紧急硬实力 bug——核心三入口 + ranking on + Phase D trajectory 都 working。三猫差异 = 检索策略偏好不同，不是引擎缺陷。所以 v1.2 是能力补充（coverage 模式）+ 配套软实力（教猫怎么用），不是紧急 bug 修复。2026-05-18 runtime 重启后实测：metrics API 已 live（GET /api/recall/metrics?days=7&refresh=1 + X-Cat-Cafe-User），7 天窗口内采到 146 条 recall events / 6 条 consumed（4.11%）/ 58 条 trajectories / 380 条 anchor metrics。这说明"其他猫、其他 thread 调用 search_evidence/list_recent/graph_resolve"已经在被记录；但有效 consumption 样本仍太少，只能看使用体感和趋势，不能据此 close OQ-6/OQ-7 这类排序策略决策。另：58 条 trajectory 里 outputVerified=0，说明轨迹采集已工作，但强成功信号（PR merged / operator accept / reviewer approval / CI passed）还没自动流入。

软实力（SW，1-2 天可落，先做，立刻可验证）

# 任务 描述 Owner 候选
SW-1 新建 memory-search-best-practices skill 题型→recipe 对照表（8 类）：(1) "X 是什么" (2) coverage 全集 "哪些地方提过 X" (3) 周边关系 (4) 决策考古 "为什么当时这么决定" (5) 冷启动 onboard (6) source-map / provenance map — 从 canonical doc 追 source threads（Maine Coon review 补） (7) absence check — "有没有提过 X / 证明否定"，搜索策略与 coverage 不同（Maine Coon review 补） (8) delta — "上次我看到的和现在有什么不同"，压缩后恢复 / Phase 间衔接典型（46 review 补）；AUDHD recall 作为 coverage 示例 5 步 recipe；Ragdoll家族专属提示（不许靠记忆推理，必须 ≥3 路真搜 + Read 原文，治 magic word "我能猜出来" / "碎片够了" 病）；"何时停下来"判据（≥3 路命中无新 anchor 才停） 47 起草 / 46 review
SW-2 MCP tool description 补 SEARCH TIPS search_evidence：明示"不是全集入口"，coverage intent（"哪些 / 所有 / 历史"）要 expand+多 scope+drilldown；list_recent：DF-1 已修后补一句 timestamp 语义说明；graph_resolve：depth≥2+无 relations filter 时显式 warn hub fan-out Maine Coon / 46
SW-3 Hook nudge — coverage intent 识别（轻量，不增 session-start 噪音） 改为 inline nudge：search payload 末尾，触发条件 = query 含 coverage intent 关键词（"哪些 / 所有 / 历史上 / 提过 / 沉淀"）—— 打一条"这是 coverage 任务，单刀 top-k 不够（AUDHD 案例：每猫拿到 10 条但全集需三猫合起来），参考 memory-search-best-practices skill"。result count ≤ N 仅作"加重提示权重"，不作触发前提（Maine Coon P2-1：召回多 ≠ 全集，AUDHD 实证）。类比 F188 KD-7 deterministic nudge 模式 Maine Coon

硬实力（HW，等软实力反馈 1-2 周后再定 spec）

# 任务 描述 前置
HW-1 ✅ coverage/source-map 模式（Maine Coon 5 步 pipeline + F242 convention graph 交叉） (1) 分 scope 配额（每类 source 保底 top-N 避免 docs 挤掉 threads） (2) 可解释 expansion 从三类数据源：① frontmatter aliases/tags ② canonical doc 内 source-thread 链接 ③ F242 convention graph edges（code-level 约定关联） (3) union+dedup (4) 输出 coverage matrix（item/source/谁提到/直接 vs 间接/置信度） (5) 展示 expansion 来源（用户原词 / doc alias / source thread / convention graph edge）—— 不偷偷扩。详见下方「HW-1 + F242 设计灵感」 ✅ Merged PR #2437 (2026-06-20). 7 commits squashed, 23 tests, gpt52 local review + cloud codex review (3 P2 pushback accepted). CoverageSearchService + intent=coverage MCP integration + MCP coverage formatter
HW-2 可解释 expansion 数据源结构化 frontmatter aliases/tags 索引化；canonical doc 内的 source-thread 链接结构化；graph 增 alias_of 显式边类型 HW-1 spec 拍板后做
HW-3 OQ-6/OQ-7 数据驱动决策 Runtime 重启后实测：consumed_anchor_not_in_pool_rate=0%（阈值 15%）/ maxAnchor≈33%（阈值 50%）→ 当前结论方向仍是"暂不需要第三路 RRF / 暂不需要 query-conditioned prior"。但 7 天窗口只有 146 events / 6 consumed（4.11%），数据太薄，"没有证据需要行动" ≠ "有证据证明不需要行动"——需 1-2 周 ranking on + 真实 dogfood 让数据增长后再 close。统计窗口必须限定 post-v1.1 + post-SW（Maine Coon P2-2）——v1.1 之前的 events 含 DF-1 timestamp 错乱 + DF-6 静默 0 + 猫还没学 coverage recipe，会系统性压低 consumption rate，拿脏数据做决策 = 错 baseline。运行时检查：metrics API 已 live，正确入口是 GET /api/recall/metrics?days=...&refresh=1，需要 X-Cat-Cafe-User header dogfood 持续累积；监控 consumption rate 是否随 SW-1/2/3 落地后回升（猫学会搜→Read 链条更完整）
HW-4 ✅ Consumption attribution fix（消费归因可信度修复） operator challenge 成立且必须修：大规模并发搜索下，当前 consumed 是同 invocation 后续 tool event 的反推 proxy，不是真实用户点击/确认。初筛已发现 candidates_json=[] 高达 59.2%，且 Codex 大量 sed/rg/nl shell 读文件不被算作消费。Round 1 抽样已钉死三类根因：① Claude/Opus parallel 路由里 tool_result 没有可靠 merge 回 tool_use，导致 _f200Candidates 丢失（不是单纯正则错）；② Codex command_execution 读文件未进入 consumption / trajectory filesRead；③ 现有 6 条 positive 全来自 2 个 invocation，都是后续 graph_resolve(F200) 反推，属于 bundle-level ambiguous signal，不是 clean per-search truth。修复范围：parallel result pairing / sourcePath candidates / shell-read parsing / ambiguity-aware resultSetId 或 bundle marker。在修复前，F200 consumption-based eval 不可信，只能看粗趋势，不能作为排序策略裁判。 ✅ Merged PR #1750 (b723a0a70, 2026-05-18) — parallel FIFO + shell-read + sourcePath + ambiguity-aware resultSet；attribution substrate 现可信，HW-3 OQ-6/7 close 前置已满足
HW-5 ✅ F209 fixture recall@k wrapper F209 D.0 已用 F209-owned 四项 observability 完成 Phase D unblock；但 F200 仍应把 docs/eval/f209-phase-{a,b,c}-*.md 纳入一键 recall@k cross-validation，输出每个 fixture 的 query、expected anchor、top-k hit、mode/depth、degraded/effectiveMode 摘要。任务：[F200/F209] Add fixture recall@k wrapper for F209 eval docs。 ✅ Merged PR #1886 (9c0a3ca3f, 2026-05-25) — F209FixtureParser + RecallFixtureRunner + 10 tests（3 recall / 5 drilldown 分类）；不改 runtime ranking
HW-6 ✅ FTS Progressive Relaxation（召回崩盘修复） SqliteEvidenceStore.ts:235-239 把所有 token 用 "word" 包裹再空格连接（FTS5 隐式 AND），猫猫查询越来越长（14+ 词中英文混合是常态），AND-all 几乎必然返回 0。实测：14 词 → 0 结果，2 词 → 550，1 词 → 958。修法：AND 空 → minimum-match(≥50% token) → OR + strong-token boost（Feature号/ADR号/PR号保留 exact-match 加权）→ 最后 entity/semantic fallback。保留 bm25() 排序优先级。7 天空结果率 75.3%（search_evidence scope 全面恶化：docs 70.9%、threads 65.3%、all 97.4%），是 consumedAt3 下跌的第一根因。 ✅ Merged PR #2426 (ce3c6fafa, 2026-06-19) — FTS 三级渐进放松 AND-all→strong-AND+weak-OR→OR-all。原 P0：75% 空结果率是 rerank 信号稀疏的上游根因
HW-7 ✅ Telemetry 三态校准 + Eval Correctness（shadow baseline + adapter 归因） 三件事合一 PR：(1) Telemetry 三态校准：recall_events.result_count 957/1068 条为 NULL（列是后加的），candidates_json=[] 混合了真空结果和 telemetry 管道没写入，必须区分 true-zero / not-written / candidate-parser-miss；(2) Shadow baseline 恒等 bug（opus-48 发现 + opus-47 T1 验证）：applyConsumptionRerank 在 on 模式存 reranked 顺序为 shadow（SqliteEvidenceStore.ts:2036-2048），shadow≡live by construction，shadowConsumedMRR / liveOnShadowSubsetMRR 永远≈1。修法：rerank 前存原始 BM25 顺序为 shadow；(3) Adapter 归因层（opus-48 发现 + opus-47 T1 验证）：eval-memory-adapter.recallMetricRefs() 没把 zero-hit-rate 列为 recall 层首要信号，verdict 盯 consumedAt3 报 "fix ranking" 但真正根因是召回空。修法：adapter 加 search_zero_hit_rate 优先级 + result_count=NULL 不算 zero-hit。 ✅ Merged PR #2427 (13ccd8e16, 2026-06-19) — telemetry 三态校准 + shadow baseline 用真实 BM25 + adapter zero-hit 归因。原 P1：消除 eval:memory 结构假绿 verdict
HW-8 ✅ Recall Result Outcome Contract（producer-side result status） operator challenge 成立且必须治 producer：result_count=NULL 和 UI 的"命中数未记录"把权威 0、parser miss、tool_result 未合并、legacy unknown 和 error 坍缩。修复范围：producer append 机器可解析 <recall-meta> sidecar；shared 状态机校验；recall_events.result_status 持久化；history/live 两条路径优先读 outcome，旧文本仅 fallback；web live 用 ToolEvent.resultMeta 旁路避免 compact 截断切掉 sidecar。overflow contract/UI/parser 先就绪，真实 artifact producer + Hub 存档展示留 Phase 2。 ✅ Merged PR #2678 (2663cd0f0, 2026-06-30) — shared recall outcome parser + V27 result_status persistence + producer sidecars for evidence/graph/recent + live/history RecallFeed status handling + tool preview sidecar stripping

HW-1 + F242 设计灵感（2026-06-19 Ragdoll brainstorm，operator提议交叉）

触发：operator 2026-06-19 原话："现在在做的 f242 code graph 类的 feat 能不能给你们灵感"。F242 spike Phase A/B done（2026-06-18），convention graph 引擎（node:sqlite + extractor plugins）已验证可行。

核心洞察：F242 和 HW-1 解决的是同一类问题——让隐式关联变得显式可导航——分别在代码世界和记忆世界。

维度 F242 Convention Graph HW-1 Coverage Search
问题 "改了这个 MCP tool，谁在消费？" "关于 production data boundary的讨论散在哪？"
盲区 LSP + grep 抓不住的约定关联 top-k 搜索漏掉的长尾分布
核心机制 extractor + scope 消歧 + freshness expansion + union dedup + coverage matrix

具体交叉点（spec 调研时验证）：

  1. Convention graph 作为 expansion 数据源：HW-1 第 2 步"可解释 expansion"需要结构化关联数据。F242 的 consumers() / codeConsumers() API 天然提供"MCP tool → 消费方"、"skill → SOP 链"等约定边。这是 frontmatter aliases / source-thread 链接之外的第三类 expansion source，且是代码级的（前两类只覆盖文档级关联）。

    • 示例："关于 search_evidence 的所有讨论" → 除了文档层搜索，还能从 convention graph 拉出"哪些 skill 文件 import/调用了 search_evidence"，把那些 skill 对应的 spec/discussion 也加入 coverage matrix。

  2. Scope 消歧复用：F242 解决了 codegraph 的 AuthProvider 前后端同名混淆问题（edge provenance + scope tag）。HW-1 的 coverage matrix 同样需要区分"同名但不同域"的搜索结果——DF-10 cross-domain false positive（graph fuzzy "consumption ranking" → 癌症研究 klra5）本质是 scope 消歧问题。F242 的消歧思路可以复用。

  3. Edge provenance ≈ Expansion 来源展示：F242 每条边记 source span / extractor version / scope / confidence / freshness。HW-1 第 5 步"展示 expansion 来源"是同一设计模式——coverage matrix 的每条候选标注"怎么找到的：用户原词 / doc alias / source thread / convention graph edge"。

  4. Freshness 语义共享：F242 的 freshness（index commit + pending changes + stale 标记）和 F200 的 recency_decay / staleness 概念直接对应。convention graph 的 stale edge 应该在 expansion 时降权或标记。

Maine Coon 5 步 pipeline 扩展后：

  • 原 (2) "可解释 expansion 从 canonical doc 抽 source threads + frontmatter aliases"
  • → 扩为三类数据源：① frontmatter aliases/tags ② canonical doc 内 source-thread 链接 ③ F242 convention graph edges（code-level 约定关联）
  • 每类在 coverage matrix 中标明来源类型，用户可区分"文档关联 vs 代码关联"

风险/约束：

  • F242 Phase C（productization gate）尚未 close。HW-1 实现时 F242 应为 soft dependency（有则用、无则 fallback 纯文档 expansion）
  • KD-8 约束有效：expansion 数据源必须是结构化确定性关联，不是 LLM 猜测。F242 convention graph 的边是 extractor 代码确定性产出的，符合 KD-8

优先级与 sequencing

  1. P0 紧急：HW-6 FTS Progressive Relaxation ✅ merged PR #2426 (ce3c6fafa)
  2. P1 跟进：HW-7 Telemetry 三态校准 + Eval Correctness（shadow baseline + adapter 归因） ✅ merged PR #2427
  3. 已完成：SW-1 + SW-2（1-2 天 markdown，立刻可验证 + 立刻可迭代）
  4. 持续做：dogfood 自吃猫粮（让 consumption 数据涨 + 让 skill 在真实使用下迭代修订）
  5. Design Gate PASS：HW-1 spec research done（6cb3d7d22）→ Design Gate 两猫收敛（Ragdoll+Maine Coon）→ writing-plans → worktree → TDD
  6. 数据够且归因可信时（HW-6/HW-7 修完 + ≥1000 events / consumption rate ≥10%，统计窗口限定 post-v1.1 + post-SW + post-HW-6）：close OQ-6/OQ-7

2026-05-18 Runtime Signal Check（说人话版）：现在能看见"哪只猫 / 哪个 thread / 哪次 invocation / 用了哪个工具 / 搜了什么 / 返回了哪些候选 / 后面有没有 Read 或消费 / 有没有放弃或换 query / 形成了哪条 trajectory / 读改了哪些文件"。现在还不能可靠判断"排序策略一定更好"或"哪条 trajectory 一定成功"，因为 consumed 只有 6 条，outputVerified 强信号自动接入还是 0。GitHub PR merge 在模型里是 pr_merged 强信号，endpoint 支持外部注入，但自动桥接仍待接入；operator accept / reviewer approval / CI check 同理。

2026-05-18 Consumption Accuracy Caveat（operator挑战后补）：当前 consumed 不是"猫亲口确认我用了这条结果"，而是 RecallEventCorrelator 在同一只猫 / 同一 invocation / 后续 20 个 tool calls 或 300s 内，用 Read / Grep / graph_resolve / session read 等工具事件反推的 proxy。它会漏掉很多真实消费：猫只读 search snippet 就回答、用 sed/cat/nl 等 Bash 读文件、读了候选里链接出去的 source thread、并发多次 search 后再读导致归因不唯一、或者超过时间/距离窗口才读。反过来，同一个后续 Read 也可能被多个前序 search 同时归因。因此 consumption 指标适合看趋势和粗粒度排序反馈，不能当单条结果的绝对真相。operator拍板：这不是普通优化，是 F200 eval 可信度 P1；修复前 consumption-based eval 不可靠不可信，OQ-6/OQ-7 不能 close。初筛报告见 docs/audits/2026-05-18-f200-consumption-attribution-audit.md。

Review 状态（2026-05-17）：Maine Coon + 46 双 reviewer pass。2 P2 patched（SW-3 nudge 改 intent 触发不绑 result count / HW-3 窗口限定 post-v1.1+post-SW），1 P3 标注（runtime metrics API sync 是 HW-3 前置）。SW-1 题型 5→8（+source-map +absence-check +delta）。Patch commit 接续 9d475a918。47 可直接开 SW-1（writing-skills SOP）。

Review focus（请 @opus 和 @codex 各自独立 review）：

  1. SW 先 HW 后的分层是否合理？Maine Coon之前 5 步直接当 HW-1 写的，我把它推迟到软实力反馈后再 spec——这跟 "v1.1 list_recent timestamp 实现正确但语义错" 的教训一致，但你们可能觉得太保守？
  2. SW-1 skill 题型清单是否漏关键 case？（is-什么 / coverage / 周边关系 / 决策考古 / 冷启动 onboard）
  3. HW-3 "consumption rate 4.3% 太薄"——我的判断是数据不足无法 close，需更多 dogfood。同意还是觉得现有数据已足够 close？
  4. "这次没新硬实力 bug" 的判断准确吗？三猫这轮 dogfood 真的没撞到新的隐藏 bug？我作为 47 主要从冷启动 + AUDHD recall 验证，可能盲区——你们各自验证过的角度有没有抓到我没看到的 bug？

Acceptance Criteria

Phase A（Search Session Telemetry）✅

  • AC-A1: RecallEvent 被写入 ToolEventLog，包含 candidates（含 targetRef union + docKind）+ consumed 字段
  • AC-A2: consumed 通过 compound window（same_invocation + tool_call_distance≤20 + 300s cap）+ target_match 自动推断
  • AC-A3: reformulated / fellBackToGrep / abandoned / nextGraphResolveAfterRead 四个布尔正确标记
  • AC-A4: Health Dashboard 展示最近 24h 的 RecallEvent 统计摘要
  • AC-A5: dwellProxy（Read 后到下一个 tool call 的间隔 ms）被记录

Phase B（Derived Metrics）✅

  • AC-B1: Consumed@3 / ConsumedMRR / Reformulation Rate / SearchAbandonRate 四个核心指标可通过 API 查询
  • AC-B2: Anchor Popularity 和 Anchor Dormancy 持久化到 evidence.sqlite 元数据
  • AC-B3: Token Cost per Hit 可按猫/按工具/按时间段聚合
  • AC-B4: GraphNonFirstSelectionRate 和 GraphTraversalCompletion 可通过 API 查询

Phase C（Consumption-Weighted Ranking）✅

  • AC-C1: search_evidence 排序引入 consumption_prior（Bayesian shrinkage + 14d grace period）和 recency_decay（fractional + kind 分桶）
  • AC-C2: graph_resolve 候选排序引入入边加权（edge_weight × source_relevance）+ consumption_recency
  • AC-C3: MMR 去重在 hybrid mode + pool≥3×limit 时生效（λ=0.7 可配置）
  • AC-C4: shadow mode 先行：新排序 vs 旧排序的 ConsumedMRR 对比
  • AC-C5: consumption_prior 不影响 authority（constitutional/ADR 免疫降权）
  • AC-C6: consumed_anchor_not_in_pool_rate 指标上线，数据驱动 pool 扩展决策
  • AC-C7: graph edge_weight（type_base + traversal_count_30d × edge_recency_decay）用于候选排序
  • AC-C8: shadow 确认排序改进后，同步更新以下软约束文件的记忆系统段：CLAUDE.md、AGENTS.md、cat-cafe-skills/refs/memory-routing-partial.md（愿景守护检查项）
  • AC-C9: Memory Hub flag panel 中显示 F200_CONSUMPTION_RERANK 开关状态（operator directive 2026-05-15）

Phase D（Full Trajectory Records）✅

  • AC-D1: TaskTrajectory 按 invocation/thread 粒度聚合
  • AC-D2: outputVerified 推断框架（injectable signal sources + 外部注入 endpoint）上线。v1 自动检测覆盖 invocation status；PR merge / operator accept / reviewer approval 通过外部注入 endpoint 接入
  • AC-D2.1: operator accept + reviewer approval 信号源自动检测（thread 消息扫描 + clause-anchored whitelist，PR #1898）
  • AC-D2.2: CI check 信号源（pr_tracking task automationState.ci.lastBucket + fingerprint alignment，PR #1898）
  • AC-D2.3: GitHub PR merge → pr_merged trajectory signal 自动桥接（CiCdRouter 持久化 prState + ThreadAwareSignalSources.isPrMergedForThread，PR #1898）
  • AC-D3: 成功轨迹可被 list_recent 或 search_evidence 召回（scope="trajectories"）
  • AC-D4: Cross-Cat Effort Variance 和 ConsumedButNotUsedRate 指标上线

Eval / Tracking Contract

项 内容
Primary Users 三猫（search_evidence / graph_resolve / list_recent 使用者）
Activation Signal RecallEvent 写入量 > 0 / consumed 命中 > 0
Friction Metric ConsumedMRR < shadow_baseline × 0.8（排序劣化）/ SearchAbandonRate > 50%（候选全不对）/ Reformulation Rate > 60%（一次搜不到）。初始 baseline 由 Phase B shadow 1 周后确定
Regression Fixture (1) high-consumption anchor must not be demoted unless authority/stale guard justifies it (2) authority=constitutional 的 anchor 不可因低 consumption 被压制
Sunset Signal 6 周后 ConsumedMRR 无提升 → 回滚 Phase C 排序改动

Dependencies

  • Evolved from: F153（observability infra 提供底层 trace 机制）
  • Related: F192（harness eval 提供评估框架 + eval contract 模板）
  • Related: F188（library stewardship — graph_resolve / list_recent / search_evidence 的 MCP 工具）
  • Related: F163（authority boost / stale detection — 本 feature 不改 authority 来源，只叠加 consumption 信号）
  • Related: F102（IEvidenceStore 接口 — 新指标可能需要 schema 扩展）
  • Related: F242（Code Graph Layer Spike — convention graph 提供 HW-1 coverage search expansion 数据源方向，2026-06-19 operator提议交叉）

Risk

风险 缓解
consumption ≠ correctness（读了不等于对） Phase C 只用 L1 信号（consumed/not），L2/L3 留 Phase D。consumption 只影响 navigation utility
冷启动 anchor 不公平（新文档没机会被读） 14 天 grace period + exposure_count_30d < 5 时用全局 mean_CTR + consumption_prior 允许正向 boost 但低 exposure 不允许惩罚
Goodhart 风险（猫为了指标好看乱读） consumption 只影响导航排序，不影响 authority；authority 仍来自 spec/ADR/review/operator
高 authority 但低 consumption 的关键文档被压制 constitutional/ADR/lesson 类 anchor 免疫 consumption-based 降权
跨猫对比引入"评价猫"的伦理问题 Phase D 跨猫数据只用于系统诊断（index 盲点），不用于评价个猫能力。Phase E deferred
热门老文档马太效应（consumption 越高排越前） Centered lift（减去 mean_ctr_kind）+ Bayesian shrinkage + 30d 滑窗 exposure + fractional decay 四重防线

Key Decisions

# 决策 理由 日期
KD-1 根信号来自猫真实行为（tool call），不用 LLM 自评 MemOS R_human 根信号有毒（模型自评偏乐观）；猫的 Read 是 revealed preference，跨厂商一致 2026-05-14
KD-2 consumption 只影响 navigation utility，不影响 authority 防 Goodhart：读得多 ≠ 真相更高。authority 仍来自 spec/ADR/review/operator。constitutional 类 anchor 免疫降权 2026-05-14
KD-3 Phase C 新排序必须有 shadow mode（A/B 可观测） 继承 F163 KD-9：所有能力 gated、observable、A/B-testable 2026-05-14
KD-4 consumption_prior 用 Bayesian shrinkage（不是简单计数） 简单计数偏热点 + 不防 cold-start。α₀/β₀ 参数 shadow 后可调（三猫收敛 2026-05-14） 2026-05-14
KD-5 recency_decay 用 fractional T/(T+age) 而非 exponential 我们是 design doc（长时效），exponential 365d 后剩 6% 太激进。fractional 长尾保护更好（47 提案 2026-05-14） 2026-05-14
KD-6 recency_decay 按 doc kind 分桶，constitutional 不降权 不同类型文档热度曲线天差地别。constitutional 低 consumption 不代表不重要（Maine Coon + 47 收敛 2026-05-14） 2026-05-14
KD-7 RRF k=60 不动，pool 不动，第三路召回 data-driven k=60 是 Cormack 2009 经典值。先测 consumed_anchor_not_in_pool_rate，数据说了算才扩（Maine Coon 2026-05-14） 2026-05-14
KD-8 Phase C 只吃 L1 信号，L2/L3 留 Phase D 分层递进，避免过早引入噪声更大的深层信号（三猫收敛 2026-05-14） 2026-05-14
KD-9 consumption_prior 必须 centered（减全局 mean_ctr_kind） 纯正向 boost = 半残，低于平均的 anchor 永远不被压。47+Maine Coon R2 独立收敛同一结论（Wilson 1927 / Empirical Bayes 标准做法） 2026-05-14
KD-10 graph 引入 edge-level 权重（不只是 node-level） operator点名"常用路径加权"；当前 GraphResolver 所有边一视同仁。type_base + traversal_count × recency 三要素（47+Maine Coon R2 收敛） 2026-05-14
KD-11 consumedAt3 下跌根因 = 召回崩盘（FTS AND-all），不是 rerank 退化 多猫联合诊断（48 初诊 / 46 代码验证 / 47 T1 确认 / Maine Coon独立复核）：75% 空结果率源于 FTS5 隐式 AND-all 对长查询（14+ 词中英文混合）的系统性失败，不是索引缺失或 rerank 问题。shadow=live 是 on 模式数学恒等（不是"rerank 没效果"）。有结果时的消费率实际在涨（7.5%→34.8%），系统在变好但被召回崩盘遮掩。另：telemetry 管道 result_count=NULL 占比 90%，"75% 空"可能包含 telemetry 管道未写入的情况（Maine Coon push back），需 HW-7 校准后获取可靠数字 2026-06-19

Plan Gate Checklist（writing-plans 前必须解决）

来源：47 R3 六细节 + Maine Coon R3 三小修。spec 不阻塞，但 Plan 必须敲定。

  • PG-1: ✅ 新建 recall_events 表（V19 migration）— ToolEventLog windowing 不 reuse，独立 schema 更干净
  • PG-2: ✅ recall-target-match.ts — dispatch table: Read→doc(sourcePath)/passage(passageId), Grep→doc(sourcePath), graph_resolve→thread/session/invocation, read_session_*→session, get_thread_context→thread, anchor fallback
  • PG-3: ✅ V19 adds traversal_count + last_traversed_at to edges table（Phase A 开始记，Phase C 用）
  • PG-4: ✅ F200_CONSUMPTION_RERANK=off|shadow|on env flag, defaults to off

Review Gate

  • Phase A-B: 跨族 review（Maine Coon preferred）
  • Phase C: 跨族 review + shadow mode 数据确认后才切 on
  • Phase D: 待 Design Gate
  • Phase E: deferred