检索算法改进：抽象经 PPR 检出心智模型落地报告
日期：2026-08-11 分支：
feat/abstract-ppr-detection（SoulMem + soul_scraper） 状态：两角色试点验证通过，全量生成进行中
1. 背景与心智模型
先前的检索测试暴露了两类问题：抽象情境节点只能被查询文本“直接命中“（相似度）， 过程性记忆（proc）检出依赖具体情境直连边，行为倾向不稳定。
据此提出并落地了新的心智模型：
- specific = 经历，abstract = 从经历提炼出的模式。
- 纯 AI 对话场景下，抽象模式只与“对方是谁、对方说了什么“相关。
- 查询生成只产出两部分：实体概念（Semantic） 与 环境氛围（Situation）， 相似度命中集中在 sem 与 specific 节点。
- 抽象情境由 PPR 检出：经“具体情境 → 抽象情境“边（
SpecificToAbstract）， 从具体情境种子游走到抽象模式——这是模式匹配的实现路径。 - Bayes 双源提取 proc：抽象源优先（权重 ×2），具体源兜底（未巩固泛化的模式）。
- hint 不再需要：氛围与事件只从对话上下文提取，不注入记忆片段。
2. 实现改动
SoulMem
SituationMemLink新增SpecificToAbstract变体（soul-mem-core）。- Bayes 源改为（相似度种子 ∪ PPR 结果）中的 abstract+specific；
抽象源权重 ×2（抽象优先），抽象源为空退化为仅具体源；Semantic 不触发行为
（soul-mem-algo
assoc_with_action.rs）。 - 查询生成移除 hint 链路；runner 维护最近 6 轮对话（含助手回复）注入提示词；
两段式查询：Semantic 实体概念 / Situation narrative+environment(+event)，
氛围只从对话上下文提取（soul-tune
runner.rs）。 - 评测新增“抽象检出率 / 抽象直接命中率“指标（soul-tune suite + batch 输出）。
soul_scraper
SituationMemLink同步新增SpecificToAbstract。- 节点提取提示词：抽象字段泛化为“可复现的一类模式“（避免查询直接命中）。
- 边生成提示词：Sit→Sit 双向；每个抽象情境应有
SpecificToAbstract入边 （缺失为数据完整性警告，不阻塞）。 - 边生成流程修复：窄触发补充新建抽象节点后重跑边生成（有界 3 轮）。
- 新工具：
mirror_sit_edges：确定性镜像现有 abstract→specific 边。link_abstract_specific：每图一次 LLM 调用，语义补齐缺失的抽象↔具体双向边。regenerate_questions：两段式查询 question.json 重生成（复用批量管线）。
3. 试点验证（格蕾修 / 桑多涅）
对两个性格差异很大的角色做了“全量重生成 → 链接 → playtest“试点。
图重生成效果
| 项 | 格蕾修（安静画家） | 桑多涅（傲娇机械师） |
|---|---|---|
| 节点 | 76（Sem 51 / Sit 17 / Proc 8） | 53（Sem 21 / Sit 24 / Proc 8） |
| 边 | 153（Sem 124 / Proc 18 / Sit 11） | 117（Sem 76 / Proc 18 / Sit 23） |
| 结构 | 合法（5 组件） | 合法（连通） |
| 抽象链接 | 7/8 双向 | 9/9 双向 |
| proc 特色 | 沉默 Speak / 借色模仿 Speak / 光剑 Skill | 傲娇口癖 Speak / 茶会 Think / 日记天气 Think / 浮游剑 Skill |
抽象字段确实泛化：例如格蕾修“接触他人后沾染对方的颜色，言行模仿对方“、 桑多涅“被亲近的人戳穿口是心非““熬夜进行机械研究”。
playtest proc 检出
格蕾修（3 轮）：说话风格/思维习惯每轮注入，且随上下文切换 （借色模仿 ↔ 沉默寡言）；电影话题正确触发学习类 proc。
桑多涅（8 轮）：说话风格每轮为傲娇口癖；思维习惯随话题切换—— 咖啡邀请→茶会（2.150）、实验室/熬夜→研究沉迷、茶会邀请→茶会（0.477）。 回复全程“哼/哈？/谁稀罕“，行为倾向真实进入上下文。
playtest abstract 检出（PPR 证据）
playtest 日志新增逐查询 ppr 节点输出（id + stage），可区分“直接命中“与“纯 PPR 检出“：
- 格蕾修：
sit_abs_painting_location:Ppr、sit_abs_borrow_color_event:Ppr、sit_abstract_unspeakable_moment:Ppr（相似度未命中、靠边游走发现）。 - 桑多涅：
sit_abs_participants_close_friends:Ppr、sit_abs_location_lab:Ppr； 第 8 轮茶会邀请 →sit_abs_event_tea_party+sit_tea_party_memory→ Bayes →proc_tea_party。
4. 回归数据（suite full，旧 question.json 口径）
在“镜像边 + 定向链接“数据上（未全量重生成节点的 24 图）：
| 指标 | 基线 | 镜像后 | 定向链接后 |
|---|---|---|---|
| 通过率 | 705/722（97.6%） | 703/722（97.4%） | 703/722（97.4%） |
| 动作 Hit（proc 检出率） | 81.5% | 85.2% | 85.2% |
| Recall@3 | 0.584 | 0.727 | 0.729 |
抽象检出率按图在 33%~100% 之间。
5. 遗留问题
- question.json 重生成被 DeepSeek 大输出阻塞：questioner 单次生成 45+ 条查询，
流式响应卡住（85 分钟无进展）。工具
regenerate_questions已就绪，待解决生成负载后执行。 - 抽象直接命中率仍偏高：未全量重生成节点的图里抽象字段仍较具体； 全量重生成（节点新提示词）后直接命中率应下降，PPR 检出占比上升。
- 81 个抽象节点无对应具体经历（数据完整性缺口）：宽泛触发模式缺少具体实例， 在补齐角色经历前无法被 PPR 检出。
6. 复现方法
# 单图全量重生成（节点+边，新提示词）
cd D:\Soul-Plan\SoulFlasher\soul_scraper
$env:SOUL_SCRAPER_KEY = "<key>"
cargo run --bin soul_scraper -- --model deepseek-v4-flash --api-base https://api.deepseek.com `
--extract "<图目录>\scrape.md" -o "<图目录>\graph.json"
# 补齐抽象↔具体双向边
cargo run --bin link_abstract_specific -- --model deepseek-v4-flash `
--api-base https://api.deepseek.com --out-dir "D:\Soul-Plan\SoulMem\fixtures\example_data"
# 清空嵌入缓存（边变更后必须）
Get-ChildItem fixtures -Recurse -Filter *.embcache | Remove-Item -Force
# playtest
cargo run -p soul-tune -- playtest "<图目录>" "<对话文件>"
附录：哥伦比娅晨间对话 playtest 真实运行记录
图：桑多涅（全量重生成后）；对话：
fixtures/daily_dialogues/sandone_columbina_morning.json； 角色：哥伦比娅，愚人众执行官；模型：Qwen3.5-4B-Q6_K；运行日志：soul_tune_playtest_log.txt。
第 1 轮
用户：早上好，桑多涅
生成的查询（4 条 Semantic）：
"那个总是叫我'桑多涅'的执行官"（priority 10）"哥伦比娅"+ “十一执行官第七席与执行官第十一席，平时用代号相称”（9）"桑多涅"+ “哥伦比娅私下对我的昵称，听起来很亲切但让我很在意”（8）"木偶"+ “愚人众官方赋予我的代号，对应我的发条构造”（7）
检索到的记忆（FullPipeline 合并，stage + 原文）：
sem_columbia[Similarity 0.8508]：哥伦比娅sem_self[Similarity 0.6991]：小玛丽安·吉约丹sem_fatui_harbingers[Similarity 0.5270]：愚人众十一执行官sem_catherine_network[Similarity 0.4852]：凯瑟琳网络sem_dottore[Similarity 0.4041]：多托雷sem_alan[Similarity 0.3916]：阿兰·吉约丹sem_rosalyne[Similarity 0.3892]：罗莎琳·克鲁兹希卡·洛厄法特sem_arlecchino[Similarity 0.3899]：阿蕾奇诺sem_tsaritsa[Similarity 0.3774]：冰之女皇sem_tea_party[Ppr 0.0852]：茶会四人组（纯 PPR 联想检出）
PPR 节点另含 sem_engineering_thought:Ppr、sem_soul_second_birth:Ppr、sem_moon_force:Ppr。
动作通道：
- 说话风格：傲娇口癖（与亲近的人交流时说话带刺、口是心非，常用『哼』『哈？』开头……）（1.400）
- 思维习惯：茶会（定期举办茶会，准备点心，邀请熟悉的同僚参加）（2.150）
输出：
- Embedding：早啊，哥伦比娅，别这么客气，叫代号就行。
- FullPipeline：哼，一大早发这种无聊的消息，你的脑子被发条卡住了吗？
第 2 轮
用户：我怕你睡过头，来叫你去开会，不行吗？
生成的查询（4 条，含两段式 Situation）：
- Semantic：
"哥伦比娅"+ “那个总是用完美无缺的声音说话的大人”（8） - Situation：narrative “哥伦比娅发消息说要开会，担心我睡过头”，environment atmosphere=互相调侃/tone=轻松（7）
- Situation：narrative “我通常会在深夜研究发条或举办茶会，很少早起”，environment atmosphere=自嘲/tone=傲娇（6）
- Semantic：
"十一位大人"+ “包括哥伦比娅在内的所有执行官成员”（4）
检索到的记忆（FullPipeline 合并，stage + 原文）：
sem_columbia[Similarity 0.7692]：哥伦比娅sit_columbia_clockwork_back[Similarity 0.5881]：哥伦比娅因为好奇我背后的发条，问了一堆问题。我跟她说：『你那么好奇的话，我给你背后安一个试试得了。』她还真背了几天发条生活。自那之后，我就更关心她了。sit_columbia_singing[Similarity 0.5638]：哥伦比娅在至冬总部的时候，总爱在我的房间外面唱歌。我一开始觉得烦，后来习惯了。她甚至会在我睡觉时跑来唱歌，直到我把她赶走。sit_qiyue_night[Similarity 0.5243]：祈月之夜，哥伦比娅离开前转身的瞬间，我才小声说了一句她走了，结果被派蒙听到——天哪，那是我最丢人的时刻。sit_abs_event_tea_party[Similarity 0.5168]：Event「与友人举办茶会」（抽象模式）sit_tea_party_memory[Similarity 0.5081]：我定期举办的茶会上，哥伦比娅总是抢走最大的一块点心，阿蕾奇诺严肃地喝茶，罗莎琳还在时也常来。「队长」偶尔会带「公子」参加。「公鸡」和「富人」？哼，那种人在茶会上除了吵架还能干什么。sem_fatui_harbingers[Similarity 0.5216]：愚人众十一执行官sit_abstract_boredom[Similarity 0.4570]：Environment「生活单调重复，让人感到无聊和缺乏新鲜感 / 懒散、烦闷」（抽象模式）sit_abs_event_late_research[Similarity 0.4538]：Event「熬夜进行机械研究」（抽象模式）sem_self[Similarity 0.4238]：小玛丽安·吉约丹
PPR 检出的抽象：sit_abs_participants_close_friends:Ppr（Participant「亲近的友人，无条件包容我的口是心非」）、
sit_abs_event_teasing:Ppr（Event「被亲近的人戳穿口是心非」）——纯 PPR 联想发现，相似度未直接命中。
动作通道：
- 说话风格：傲娇口癖（0.156）
- 思维习惯：茶会（0.422）
输出：
- Embedding：哼，谁要你这种笨蛋叫醒啊，我自己有节奏感，再敢打扰我休息我就把你扔出去。
- FullPipeline：哼，谁稀罕你这种大嗓门叫我啊！不过既然来了，就赶紧去开会吧，别挡路。
观察：第 2 轮检索到了三条哥伦比娅专属记忆（背后的发条、唱歌、祈月之夜）， 但小模型回复只用了“开会/睡过头“的即时语境，未把往事织进台词——属生成侧未吃透记忆，检索侧无漏检。