ST-Bionic-Memory-Ecology/docs/algorithms/extraction.md

提取算法

写入链路的核心：助手回复落地后，把新对话提炼成图谱节点与关系。

运行时入口是自动提取计划 resolveAutoExtractionPlanController()（maintenance/extraction-controller.js），核心提取是 extractMemories()（maintenance/extractor.js）。

extractor.js 头注释概括为"Mem0 精确对照 + Graphiti 时序边 + MemoRAG 全局概要"。这些技术名是灵感来源，实际实现见下，部分比原论文更简化。

1. 自动提取计划

resolveAutoExtractionPlanController() 决定是否运行：

• 设置启用、自动提取启用（extractAutoEnabled=true）
• 上次处理之后的待处理助手楼层数
• 可选 lag-one 策略（extractAutoDelayLatestAssistant，默认 false）：延迟一层提取，避开最新一条还在变动
• 可选智能触发（见下）

触发条件：待处理数达到 extractEvery（默认 1，即每条助手消息都提取），或智能触发命中。

智能触发（smart-trigger.js）

enableSmartTrigger（默认 false）启用时，给待处理消息打分：

信号	加分
关键词命中（DEFAULT_TRIGGER_KEYWORDS）	min(2, 命中数)
自定义正则（triggerPatterns）首个命中	+2
角色切换 ≥ 2 次	+1
≥ 2 个 !?！？	+1
实体型正则命中	+1

triggered = score >= max(1, smartTriggerThreshold)（默认阈值 2）。

2. 构建结构化提取输入

buildExtractionInputContext()（extraction-context.js）：

• 规范化角色/内容/说话者/序号
• 先应用助手提取规则，再应用排除规则
• 过滤系统提取消息和被排除标签的内容（默认排除 think,analysis,reasoning）
• 丢弃空消息
• 构建原始和过滤后的 transcript

可选近期消息上限 extractRecentMessageCap（默认 0 = 不限）。提示词模式 extractPromptStructuredMode 默认 "both"（可选 transcript / structured / both）。

3. 默认双阶段提取管线

默认提取没有旧版单请求回退。同一批结构化输入固定进入两个职责更窄的 LLM 阶段：

1. 客观阶段（extract_objective）：只保留客观图谱操作，例如事件、角色、地点、规则、线程、区域和故事时间。该阶段输出中的 pov_memory 与 cognition 更新会被过滤掉。
2. 主观/POV 阶段（extract_subjective）：只保留 pov_memory 与 cognition 更新。该阶段输出中的客观节点、区域更新和批次故事时间会被过滤掉。

两个阶段都通过校验后，才合并为一个 commit plan，并一次性写入图谱；如果主观阶段失败或输出无效，客观阶段不会先落库。这保证默认提取仍然保持“一次 batch、一次提交、一次持久化”的原子边界。

旧版 extract task profile、extractPrompt 与 legacy-single 管线已移除。默认预设只保留 extract_objective / extract_subjective，UI 也只暴露“客观提取 / 主观提取”。

4. 构建提取提示词

双阶段管线复用同一套提取 Prompt 上下文构建能力，但分别使用对应 task type 进入 LLM 调用。上下文分层包括：

1. 当前对话（结构化 + transcript）
2. 图谱状态上下文（buildTaskGraphStats()，topK 12、diffusionTopK 48、多意图开、最大文本 1200）
3. 活跃总结（extractIncludeSummaries !== false，默认含）
4. 故事时间上下文（extractIncludeStoryTime !== false，默认含）
5. schema 定义
6. 认知增强提示

LLM JSON 调用，maxRetries 2。

5. 规范化 LLM 操作

从多种可能的容器键里提取操作数组，规范化每个操作的 action / type / nodeId / ref / links / clusters / scope / storyTime / fields，以及 cognitionUpdates / regionUpdates / batchStoryTime。

6. 写入图谱

遍历规范化操作：

• create → handleCreate()：新建节点。latestOnly 类型若同名节点已存在则直接更新（Mem0 式精确对照的一种）。
• update → handleUpdate()：更新节点 + 时序边（见下）。
• delete → 归档（archive，不物理删除）。
• _skip → 忽略。

链接（links）先排队，所有节点操作后统一应用。可选在本批变更节点之间建默认 related 边（extractDefaultBatchRelatedEdgeStrength，默认 0.25）。直连向量模式下为缺向量的节点生成 embedding。最后应用认知更新、区域更新、批次故事时间。

时序边（Graphiti 式）

update 操作触发时序处理：

• 使旧 updates 边和旧 temporal_update 边失效
• 若有 sourceNodeId 且与目标不同：建 temporal_update 边（strength 默认 0.95，edgeType 0）
• 若字段有变化：建一个描述"状态更新"的 event 节点（重要度夹在 [4, 8]），并从该事件节点建 updates 边指向被更新节点（strength 0.9）

显式链接里 contradicts 映射为抑制边（edgeType 255，默认强度 0.8）——这就是扩散算法里的抑制边来源。

故事时间线（temporal metadata）

batchStoryTime 和操作级 storyTime 规范化后应用：

• event / pov_memory 用时间点 storyTime
• thread / synopsis / reflection 用时间跨度 storyTimeSpan
• 操作故事时间会解析/更新时间线段

全局概要（MemoRAG 式）

遗留的 generateSynopsis() 在 ≥ 3 个活跃事件节点时，把所有活跃事件/角色/线程总结成一个 synopsis 节点（重要度 9.0，200 字以内）。

当前默认后处理优先走分层总结（hierarchical summary），而非 generateSynopsis()。分层总结见 consolidation-and-compression.md。

7. 后处理

handleExtractionSuccessController()（maintenance/extraction-success-controller.js）在提取成功后依次处理：整合去重 → 分层总结 → 反思 → 睡眠遗忘 → 压缩 → 向量同步。这些见 consolidation-and-compression.md。

关键默认参数

参数	默认	含义
extractAutoEnabled	true	自动提取
extractEvery	1	每 N 条助手消息提取
extractContextTurns	2	上下文轮数
extractAutoDelayLatestAssistant	false	lag-one 延迟提取
extractPromptStructuredMode	"both"	提示词模式
enableSmartTrigger	false	智能触发
排除标签	think,analysis,reasoning	提取时过滤