L2 scene 与 L3 persona 沉淀机制

L2 scene 与 L3 persona 沉淀机制

本节摘要:L1 抽取与去重产出了扁平的原子,但记忆不止需要「精确单点召回」,还需要「快速进入场景和人设」——这靠 L2 与 L3。本节讲清这两层的沉淀机制:L2 如何通过场景检测把相关 L1 聚合成块,L3 如何从长期历史蒸馏出稳定画像与模式。两层的共同特点是「慢变量」——它们不随单次对话剧变,反映的是稳定结构。理解这两层的沉淀节奏,你就理解了为什么「用得越久记忆越准」。

一、L2 场景聚合:检测「场景」并组织 L1

L2 的核心是「场景检测」——判断哪些 L1 属于同一项目/场景,然后把它们聚合成块:

L2 沉淀机制
  L1 池(扁平原子们)
    │
    ├─ 场景检测(识别关联簇)
    │   - 同一项目频繁共现的 L1?
    │   - LLM 判断属于同一场景?
    │
    └─ 聚合成 L2 块
        - L2「鉴权模块维护」= [L1约束, L1事实, L1做法, L1历史]
        - 生成场景摘要(LLM)
​

场景检测的判据大致两类:

检测到场景后,聚合不是简单打包,还会让 LLM 生成「场景摘要」——一段对这组 L1 的高层概述,让召回时 Agent 拿到 L2 就能快速理解「这个场景长什么样」。

关键概念:L2 的价值在「预组织」。如果没有 L2,Agent 进入鉴权场景要逐条召回 4 条 L1,可能漏召回;有了 L2,一次召回整块,既快又全。这种「预组织」是用空间(存 L2)换时间(召回快)和完整性(不漏)。

二、L3 画像提炼:从长期历史蒸馏稳定模式

L3 比 L2 更抽象——它不是「一个场景」,而是「跨所有场景的稳定模式」。提炼方式是从大量 L1/L2 历史里蒸馏:

L3 提炼机制
  大量 L1 + L2 历史
    │
    ├─ 长期统计
    │   - 用户在多次交互中反复呈现的倾向
    │   - 团队跨项目的工作模式
    │
    └─ 蒸馏成 L3
        - Persona:「用户 = 资深后端 + 重可读性 + 保守」
        - Core:「团队 = 重稳定 + 强 Review 文化」
​

L3 提炼的关键是「长期」——它不是看一两次对话,而是看「统计上的稳定倾向」。用户某次反常地选了激进方案,L3 不会立刻改;只有统计显示倾向变了,L3 才缓慢更新。

三、慢变量的价值:用得越久越准

L2/L3 都是「慢变量」,这是它们与 L1 的根本差异:

快变量 vs 慢变量
  L1(快变量):秒~分钟级变化,反映「最近说了什么」
  L2(中):项目周期级,反映「这个项目长什么样」
  L3(慢变量):长期周期,反映「人/团队的稳定模式」
  
  → 慢变量需要时间积累,用得越久越准
​

这带来一个重要推论:L3 的价值随使用时间增长。新用户刚开始用,L3 还没形成,Agent 冷启动优势不明显;用几个月后,L3 画像准确,Agent 像「老熟人」一样懂你。这就是「经验复利」在 L3 层的体现——不是一次性的,是积累出来的。

💡 技巧:评估一套记忆系统「用得好不好」,看 L3 质量。L1 不准是抽取问题(可调),L3 不准往往是「用得还不够久」(要积累)。如果你的团队用了半年还觉得 Agent「不懂我们」,排查 L3 提炼是否正常工作(历史够不够、提炼周期有没有跑)。

四、沉淀的触发与编排

L2/L3 的沉淀不像 L1 那样「L0 完成就触发」,它们有自己的节奏:

沉淀的触发编排
  L1 抽取完成
    ├─ 触发 L2 场景检测?
    │   - 条件:L1 积累到一定量 / 检测到新场景信号
    │   - 不是每条 L1 都触发 L2 重组
    │
  周期性任务
    └─ 触发 L3 提炼
        - 条件:定时(如每天/每周)+ 历史足够
        - L3 不是事件触发,是周期性「回头看」
​

这种编排解释了为什么 L2/L3 比 L1 慢——它们不是「即时反应」,而是「积累后的提炼」。这与它们的「稳定」定位一致:稳定的东西不该被即时事件牵着走。

五、L2/L3 与召回的衔接

L2/L3 沉淀出来后,它们在召回里扮演「快速进入语境」的角色(第 4 章讲过):

召回时的 L2/L3 角色
  问题来了
    ├─ 优先召回 L3 Persona(基础人设,几乎每次)
    ├─ 优先召回 L2 场景块(若命中某场景)
    ├─ 回退召回 L1 原子(需具体事实时)
    └─ 回退召回 L0 原话(需核对时)
  
  → L2/L3 是「平时最常用」的层,因为它们让 Agent 秒进状态
​

这也解释了为什么 L2/L3 的质量如此重要——它们是召回的「第一梯队」,质量差会直接影响大多数对话的体验。而它们的质量来自「沉淀机制」是否正常工作——场景检测准不准、画像提炼够不够周期跑,这些是本节讲的核心。

本节要点回顾

1. L2 场景检测:用共现统计 + 语义聚类识别场景,聚合并生成摘要——预组织换召回的快与全。
2. L3 长期蒸馏:从大量历史统计稳定模式,不被偶发带偏——反映人/团队的稳定画像。
3. 慢变量特性:L2 中速、L3 最慢,需要时间积累——用得越久越准,是经验复利的体现。
4. 触发编排:L2 由 L1 积累+场景信号触发,L3 周期性定时触发——稳定的不被即时事件牵着走。
5. 召回第一梯队:L2/L3 是召回优先层,质量直接决定大多数对话体验——沉淀机制至关重要。

L2/L3 沉淀清楚后,下一节看召回引擎——这些沉淀好的记忆,如何通过 BM25+向量+RRF 混合检索被精确取出来。