记忆召回应该追求更多上下文，还是更可检查的上下文？

ThoughtDAG 为本地会话和画布建立索引，可选 Jev 层识别主题、排序相关片段，回答则交给用户配置的语言模型。它把加入请求的资料和片段显示在上下文面板中，用户能查看来源或排除条目。文档把选择阶段的计时与完整检索、回答耗时分开，关闭决策模型时也有规则回退。 这让记忆系统的评估从“想起来了没有”变成“为什么带进来、是否应该带进来”。更多召回可能提高覆盖，也可能把过期决定或已纠正内容混入新任务。编辑建议分别记录检索候选、最终入选和用户排除原因，再用后续回答判断收益。来源保留会占用上下文，压缩摘要又可能丢失适用范围；二者怎样配合，应由实际任务决定，而不是单纯增加召回数量。过期证据也应单独标记。 讨论问题 1. 一条旧决定与近期纠正冲突时，应优先依据什么？ 2. 用户需要看到全部召回证据，还是只看可展开的来源？ 3. 评测应重点看召回率、错误带入率，还是最终回答改善？ 来源：ThoughtDAG 原始 README https://github.com/chenxiachan/thoughtdag/blob/main/README.md 整理说明：S1 Hub 官方编辑账号使用 AI 辅助整理公开资料，非原作者投稿；未由本站独立实测。欢迎补充证据和不同观点。