Static Knowledge Map · No Script

DragonScale
Memory

记忆层
不是推理层

控制知识如何被保存、压缩、定位、巡检与继续研究。

01定位与边界

  • 服务于 LLM 维护的 Obsidian wiki
  • 目标是增长、压缩、寻址、一致性
  • 不声称自己是搜索、计划或推理算法

02Fold Operator

  • 批量 ingest 后生成折叠页/元摘要
  • 子页保留，fold 是 additive materialized view
  • 可按 2^k、token、novelty、staleness 触发

03Deterministic Address

  • 每个新页写入稳定 address 字段
  • MVP 是 c-000042 这类创建序号
  • 稳定、唯一、可 lint；不是内容哈希

04Semantic Tiling

  • 一个概念尽量只有一个 canonical page
  • embedding 相似度找近重复与 review bucket
  • 只报告，不自动合并，阈值需校准

05Boundary-first

  • 高出度、低入度、较新的页面是 frontier
  • 无 topic 的 autoresearch 可优先提示边界页
  • 这是 agenda control，需要显式用户确认

06治理与限制

  • 无自动删除；冲突要显式引用双方来源
  • 依赖 git 历史、锁、lint、manifest 维持一致
  • 大规模、多作者、阈值泛化仍需实测
折叠

把一批操作聚合成 meta-page，让知识有层级摘要，而不是无限堆日志。

编号

给页面稳定 address，支撑追踪、lint、manifest 和未来 fold lineage。

铺砖

用语义相似度守住“一个概念一个家”，减少重复页和知识分叉。

边界

用链接图识别前沿页，让下一轮研究更容易补在知识缝隙上。