Strands

时间切片按时间回答「发生了什么」。但人脑还有另一种问法：「关于那件事，我们都聊过什么？」——这个问题横切时间，而不是沿着时间。Strand 就是为这种问法而生的语义层：一个关键词，贯穿每一个携带它的切片。

工作原理

每个切片的 frontmatter 里带着 tags——像 wedding-speech、running 这样的关键词。当切片关闭时，这些标签被织进一个全局文件：memory/episodic/strands.json。

文件里每个键是一个 strand（一个标签），值是携带这个关键词的所有切片的相对路径——「那个东西的完整历史」，横跨时间：

{
  "wedding-speech": [
    "2026/06/22/1400",
    "2026/07/01/0915",
    "2026/07/08/1630"
  ],
  "running": [
    "2026/06/22/1400"
  ]
}

路径是相对的，顺着它能直接走到切片目录。一个 strand 加它指向的切片路径，就是那件事的全部历史——不多也不少。

派生，不是撰写

Strand 没有独立的撰写步骤。标签由 turn analyzer 在每轮的 housekeeping 里维护——它读对话、归类主题、写入 tags，并且优先复用已有标签，好让同一个概念跨语言、跨措辞合并到一处。切片关闭时（以及进行中切片的快照保存时），updateStrands 把每个标签织进索引，追加路径、去重、写回。

编织是合并优先的：标签在创建新键之前先被规范化（去首尾空白、ASCII 转小写、全角折叠为半角、合并内部空白）并与现有键匹配——所以 Apex 和 apex 落在同一个 strand 上，而不是把一个主题拆成两个。只有真正新的标签才创建新键。

标签织成 strand。你永远不需要直接编写 strand。

保持索引干净

一个只会追加的索引会腐坏：错别字把一个概念拆到两个键上，一年前只用过一次的标签永远留存。所以每逢切片关闭，整合流程（consolidateStrands）分两步走：

1. 确定性修剪（每次都跑）。 从未成为线索的 strand 被剪掉——具体说，是只携带极少量切片、且所有切片都已陈旧的 strand。只要有足够的切片或至少一个最近的切片就能存活，所以真正的新话题绝不会在出现当天被剪掉。这一步不需要模型。
2. 模型合并（索引长到 25 个以上 strand 时才启用）。 规范化抓得住机械重复，但语义重复——名字里的错别字、同一概念的两个名字——需要判断力。模型审查索引并提出一张 from→to 合并映射（每次最多 30 条，精确率优先：有疑问就不合并），随后工程层合并路径列表、移除冗余的键。

整个流程是防御性的：任何失败都原样返回索引——切片关闭永远不会因为整合而中断。

Strand 如何被读取

这个索引不是只写的，它通过几条路径喂养每一次对话：

• 记忆主题菜单。 系统提示词里带着一个 Memory topics 区块：按最近活跃排序的 strand 清单，各自标注最后一次出现的时间。当你提到其中之一时，主 agent 知道该去问回忆了。
• 回忆管道。 recall 同事预先拿到 strand 清单，用 readStrand 把匹配的 strand 追踪到携带它的每一个切片。Strand 是回忆的主题轴；时间线窗口是时间轴。详见回忆。
• 时间线投影。 每次时间线对账都会解析出每个条目的 strand 归属，所以时间线索引本身也记录着哪些 strand 穿过哪些切片。

刻意保持薄

相关文档

• 时间切片 —— 情景记忆的本体：按时间发生了什么
• 时间线 —— 时间轴上的目录；strand 是主题轴
• 回忆 —— 同时沿着两条轴检索的那位同事
• 记忆模型 —— strand 在整套记忆架构中的位置