THOUGHT 关联与合并 — 设计文档

版本: v0.1 (设计阶段) 日期: 2026-02-16 状态: 方向已定，待实施

核心洞察

传统思维工具（Notion、Obsidian、思维导图）的逻辑是：用户主动组织 → 形成结构。

Kept 应该反过来：用户随口说 → AI 发现结构 → 用户感到惊喜。

用户不应该"管理"想法。某天展开一条想法，发现下面安静地躺着几条相关的旧想法——"原来我一直在想这件事"。这就是 aha moment。

设计原则：懂你但不说破。 关联引擎在后台默默工作，用户感受到的是 "Kept 越来越懂我"，但说不清为什么。

一、关联引擎（混合方案）

三层关联，任一层命中即建立连接：

第一层：LLM 主题标签（主关联）

在现有 prompt 中扩展 THOUGHT 输出，新增 themes 数组：

{
  "type": "THOUGHT",
  "display_text": "远程办公更高效",
  "content": "...",
  "themes": ["工作方式", "效率"]
}

规则：

每条 THOUGHT 输出 1-3 个主题标签
标签是抽象概念词（"职业方向"、"健康"、"人际关系"），不是关键词
LLM 应尽量复用已有标签，保持归一化（prompt 中可注入已有标签列表）
非 THOUGHT 类型不输出 themes

为什么这是主关联：

零额外 API 成本（已有 LLM 调用中顺带输出）
比纯向量更可解释（标签是人类可读的）
比关键词匹配更智能（"想试日料" 和 "周末吃好的" 都归入 "饮食探索"）

第二层：实体重叠（辅助关联）

从已有的 people 字段 + 从 content 中提取的地点/事物实体：

同一个人出现在多条 THOUGHT 中 → 关联
同一个地点/项目/话题 → 关联

实现方式： 复用 LLM 已输出的 people 数组，未来可扩展提取 entities。

第三层：语义向量（兜底发现）

使用 Apple 原生 NaturalLanguage 框架的 NLEmbedding：

端侧生成，无 API 成本
128 维向量，支持中文
余弦相似度 ≥ 0.82 标记关联

为什么是兜底：

能发现主题标签遗漏的隐性关联
例："最近睡眠不好" + "要不要试试冥想" → 主题标签可能不同，但语义相近
但误报率高于主题标签，所以优先级最低

匹配策略

新 THOUGHT 录入 →
  1. 提取 themes，查询已有 THOUGHT 中 themes 有交集的 → 强关联
  2. 查询 people/entities 有重叠的 → 弱关联
  3. 计算 embedding 余弦相似度 ≥ 0.82 的 → 弱关联
  4. 强关联 + 任意弱关联 → 建立连接
  5. 仅弱关联（2条以上弱信号） → 建立连接

二、数据模型变更

Core Data 扩展

MemoryEntity 新增字段:
├── themes: String?           ← JSON: ["工作方式", "效率"]（仅 THOUGHT）
├── embedding: Binary?        ← [Float] 序列化，NLEmbedding 128d
├── embeddingModel: String?   ← "NLEmbedding-zh-v1"（标记版本以备升级）
├── linkedMemoryIDs: String?  ← JSON: ["uuid1", "uuid2"]（双向关联）
└── threadID: String?         ← 线索标识（同主题 3+ 条时生成）

新增 ThoughtThread 实体（轻量）

ThoughtThread:
├── id: String                ← 唯一标识
├── theme: String             ← 主题名（人类可读）
├── thoughtCount: Int         ← 关联 THOUGHT 数量
├── createdAt: Date
└── lastUpdatedAt: Date

不需要存储 thoughtIDs 列表——通过查询 MemoryEntity.threadID == thread.id 获取。

Prompt 扩展

在 prompts.js 的 THOUGHT 输出格式中新增：

当类型为 THOUGHT 时，额外输出 themes 字段：
- themes: 1-3 个抽象主题标签（如"职业方向"、"健康生活"、"创意灵感"）
- 标签应是概念层面的，不是具体关键词
- 优先使用以下已有标签（如适用）: [动态注入]
- 如果没有合适的已有标签，可以创建新的

三、展示方式

设计张力

memory-types-theory.md 的原则：

"理解体现在行为精准度上，不体现在表达上。懂你但不说破。" 永远不做："你的本周思考总结"、"基于你的记忆模式，我们发现..."

但完全隐形会浪费关联的价值。 调和方式：

用户主动发现 = 可以展示。AI 主动告知 = 要极度克制。

用户展开一条想法，看到相关想法 → 这是用户在翻自己的记忆，不是 AI 分析

主页有个安静的区域显示"反复出现的想法" → 这是自然呈现，不是 AI 炫技

推送通知说"你经常想到 X" → 这是越界，需要信任门槛

A. 涟漪式（卡片内关联，MVP 首发）

触发： 用户展开一条 THOUGHT 卡片

展示： 在 content 下方，出现一个安静的关联区域：

┌─────────────────────────────────────┐
│ 💭 远程办公其实更适合我               │
│                                     │
│  [展开后的 content 整理文字...]       │
│                                     │
│  ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─        │
│  💭 周二想到的                        │
│  "在家工作效率确实高很多"              │
│                                     │
│  💭 上周四想到的                      │
│  "要不要跟老板提每周两天远程"          │
│  ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─        │
└─────────────────────────────────────┘

设计细节：

关联区域用虚线分隔，视觉上比 content 更轻
只显示 display_text + 相对时间（"3 天前"），不显示完整 content
最多显示 3 条最近的关联
如果关联 ≥ 3 条，底部显示"共 N 条相关想法"，点击进入线索视图
无关联时不显示任何东西（不说"暂无关联"）
点击关联想法 → 滚动到那条卡片并展开

颜色： 关联区域用 KeptTheme.text.opacity(0.3) —— 比已经很淡的 THOUGHT 色更淡，像纸上的铅笔素描

动画： 涟漪区域跟随 content 一起展开，使用相同的 spring 动画，但 delay 0.1s —— 像水波一样稍后到达

B. 线索（主页安静区域，3+ 条触发）

触发条件： 某个主题的 THOUGHT 数量 ≥ 3

位置： 主页 surfaced 区域和 earlier 区域之间，或者 surfaced 上方

┌─────────────────────────────────────┐
│  你在想的事                          │
│                                     │
│  ┌───────────┐  ┌───────────┐      │
│  │ 工作方式   │  │ 饮食探索   │      │
│  │ 4 条想法   │  │ 3 条想法   │      │
│  │ 最近: 今天  │  │ 最近: 昨天  │      │
│  └───────────┘  └───────────┘      │
│                                     │
│  ── 记忆 ──                          │
│  [正常的记忆卡片列表...]              │
└─────────────────────────────────────┘

设计细节：

标题用"你在想的事"而不是"思考线索"或"AI 发现的主题"
横向滚动的小卡片（pill 形状），不占用太多纵向空间
每个 pill 显示：主题名 + 想法数量 + 最近更新时间
点击 pill → 进入线索详情（时间线视图）
如果没有任何线索 → 整个区域不显示（不留空白）
线索按最近更新时间排序

线索详情视图（新页面）：

┌─────────────────────────────────────┐
│  ← 返回          工作方式            │
│                                     │
│  ○ 今天                              │
│  │ "远程办公其实更适合我"             │
│  │  整理后的内容...                   │
│  │                                   │
│  ○ 3 天前                            │
│  │ "在家工作效率确实高很多"           │
│  │  整理后的内容...                   │
│  │                                   │
│  ○ 上周四                            │
│  │ "要不要跟老板提每周两天远程"       │
│  │  整理后的内容...                   │
│  │                                   │
│  ● 12 天前（最早）                    │
│    "公司新的考勤制度太死板了"         │
│    整理后的内容...                    │
└─────────────────────────────────────┘

时间线用竖线 + 圆点，简洁的视觉线索
每条可展开/收起 content
最早的一条用实心圆点标记（种子想法）
从上到下是时间倒序（最新在上），让用户看到思考的演进

四、触发时机

时机 1：录入时关联提示

场景： 用户刚说完一条新 THOUGHT，AI 处理后发现有关联

当前 Toast： "✓ 记住了"

增强 Toast（有关联时）： "✓ 记住了，这是你第 3 次想到这件事"

设计细节：

只有关联数量 ≥ 2 时才显示（第一次关联不提示，避免过早打扰）
措辞用"想到"而不是"我发现你在想" —— 是陈述事实，不是 AI 分析
Toast 可点击 → 展开该卡片，自然看到涟漪关联
如果该条形成了新线索（第 3 条同主题），Toast 可以是 "✓ 记住了，你经常想到这件事"

实现： 在 processMemory() 后执行关联匹配，如果命中，修改 Toast 文案

时机 2：线索形成通知（临界点）

场景： 某个主题累积到 3 条 THOUGHT → 推一条本地通知

通知文案： "你最近经常想到「{主题名}」的事"

设计细节：

只在线索首次形成时通知一次，后续增长不再通知
遵守提醒预算（5 次/天），THOUGHT 通知和普通记忆通知共享预算
点击通知 → 打开 App，跳转到线索详情视图
通知 category 用 KEPT_THREAD，action button: "看看" / "忽略"
如果用户点"忽略" → 降低该主题的未来通知权重（学习）

不做的触发（需要信任门槛，留给未来）

触发方式	不做的原因	未来条件
周回顾通知	像"AI 在定期分析你"	用户主动开启
跨类型关联	ACTION+THOUGHT 关联太主动	种子用户验证后
想法→行动建议	"要不要变成行动"太指导性	人格系统 v1 之后
想法成熟度分析	明显的 AI 分析感	深度信任建立后

原则：触发的边界由信任决定。 目前只做用户主动发现（涟漪）和最克制的被动提示（录入时 + 临界点通知各一次）。随着用户对 Kept 的信任加深，逐步开放更多触发。

五、实施路线

Phase 1（1 周）：关联引擎 + 涟漪

端侧:
  - Core Data 新增 themes, embedding, linkedMemoryIDs, threadID 字段
  - NLEmbedding 封装：生成 + 余弦相似度计算
  - 关联匹配服务：新 THOUGHT 保存后触发，匹配已有 THOUGHT
  - MemoryCard 展开区域新增涟漪关联展示
  - Toast 增强："记住了，这是你第 N 次想到这件事"

云端:
  - prompts.js 新增 themes 输出要求
  - 版本号 → v2.6

Phase 2（1 周）：线索

端侧:
  - ThoughtThread Core Data 实体
  - 线索自动生成逻辑（3+ 同主题）
  - 主页"你在想的事"横向滚动区域
  - 线索详情时间线视图（新页面）
  - 线索形成时推送本地通知

Phase 3（未来）：深度关联

  - 跨类型关联（THOUGHT ↔ ACTION/INTENT）
  - 线索合并（用户手动或 AI 建议）
  - 周回顾（用户主动开启）
  - 想法 → 行动转化建议

六、设计检验清单

每个实现细节都要过这些检验：

用户会不会觉得"AI 在分析我的思想"？→ 不能有这个感觉
如果关联出错了，用户会不会觉得被冒犯？→ 错误关联应该只是"不相关"，不能"离谱"
这个功能关闭后，App 还能正常用吗？→ 必须能，关联是增强不是依赖
Amy/非技术用户能直觉理解吗？→ 不需要解释的功能才是好功能
符合"温度优先"原则吗？→ 关联带来的是温暖感（"它记得我"），不是分析感