mirror of
https://gitcode.com/JianFeeeee/HomeAgent.git
synced 2026-09-22 09:58:06 +00:00
b37141f3f5
问题：图记忆里堆着「结果(192) / 什么(59) / 哪个(99) / 待命(176) / 报告(174) / context_archived(43)」这类节点，mention_count 冲到几百、度数只有 1~2—— 占着热实体位、挤满召回预算，却不带任何结构。 根因：这层过滤原本存在，后来被换掉没补回。1cb3e87（NLP 三元组提取系统） 把 doc→graph 从「CutExact 滑窗词链」换成依存句法提取器时，CutExact （去停用词 324 条 + validEntityName + 去重，注释至今还写着「用于 doc→graph 蒸馏」）失去了唯一生产调用点，只剩 cut_test.go 在调它。此后落库闸门只剩 validEntityName——它挡的是「不像名字的字符串」（2–50 字符、含字母）， 完全不挡「像名字的常用词」。 改动： - 新增 internal/memory/noise.go：IsNoiseEntity 收敛判定（停用词 / context_archived / 模板摘要回声），FilterNoiseTriples 给自动填充路用， PurgeNoise + PurgeOrphans + cmd/memgc 供存量清理（默认 dry-run）。 判定刻意保守：只拦三类客观噪音，开放类词（报告/对话/处理）不拦—— 它们挡不挡是领域决策，见函数注释。 - docToTriples 接上闸门（用户点名的「文档常用词」路）。 对话蒸馏路 extractKeyTriples **不接**：CutExact 当年也只挂 doc→graph， 且 pipeline_test 明确断言「我 --读书--> 杭州」必须抽出（代词主语是该路 既定行为），是否拦属行为决策，已在代码注释里写明并留给使用者定夺。 - cut.go 补全封闭类常用词：咱俩/咱们（我们/你们/他们 早有）、任何/此/本/ 其中/以及/那么/这样/那样/一样/还有/还要/只是/老是/全部/所有/有些/一些/ 别的/其他/其余/各自/本身/方位词/部分/方面。 「不能/不会」试过又撤回：它们是 embedder tokenize 的实词路径， 加进停用词会让 static_embedder 的领域聚类用例翻转（今天天气句与股票句 的相似度大小关系反了），属真回归，不留。 - graph.go：CleanupOrphanedSentences 拆出 Locked 版供 PurgeNoise 复用。 验证：go build/vet 干净，go test -count=1 ./... 全绿。 新增用例：IsNoiseEntity 判定表、FilterNoiseTriples 顺序与边界、 PurgeNoise（统计/幂等/dry-run 不写库/不误删仍被媒体块边引用的句子）、 PurgeOrphans（识别/不误判有边实体/幂等）、docToTriples 噪音闸门与 模板锚点不被误杀。 存量清理（生产库 /home/newqqagent/memory/graph.db，先用 sqlite3 .backup 备份 到 graph.db.bak-20260915-073210）： - 噪音实体 29 个 + 其关系 59 条 - 零关系孤立实体 25 个 - 结果：实体 778→724，关系 639→580；sentences 3 条与 block_edges 3 条原样保留 （媒体块引用不被误删），PRAGMA integrity_check=ok、无悬空关系/块边。 - 运行中的 homed 无需重启：下一个 archive 心跳会 Indexer.Sync 重建实体名向量索引。