检索调优¶

事实召回的排序参数、命名 profile 与弱监督评估。这里改的是召回排序的权重，不是「召回多少条」的日常配置（那个在月璃设置的对话与记忆段）。评估的重放实现与指标口径见记忆系统与 core-memory 模块。

当前生效与参数表¶

「当前生效」显示生效中的 profile 名与覆盖了几项参数；应用新 profile 后立即生效，无需重启。

「可调的参数」逐行列出白名单内的参数：中文含义在前、参数名在其下方，然后是现在的值、可填范围，末列「草稿」填新值。白名单之外的名字进不了这套流程。表内参数按作用分三组：

排序权重：词面相关度权重 bm25_weight、留存度权重下限 retention_weight_floor、 PPR 回迁概率 ppr_alpha、联想扩散跳数 ppr_hops（0 为关闭，回想默认不做联想）、候选池分数百分位 pool_score_percentile。
条数上限：进提示词的事实条数、情节召回条数、近期情节条数——显示「跟随月璃设置」的项表示当前值来自配置文件，评估时可以在可填范围内临时覆盖着试。
重排相关度下限 rerank_min_score：只在配置了重排模型时生效，回想与查知识的候选重排分数低于它的不返回。下方的评估重演的是每轮自动带上的记忆，不经过重排，评估结果不反映这一项，改了之后看实际对话里「检索结果按重排分数过滤」的记录。

参数扫描与效果对照¶

扫描就是「改草稿 → 对比 → 再改」的循环：

在参数表草稿列里填想试的值，可以只填一两个，留空的项沿用当前生效覆盖。
点对比草稿与现行：先用现行参数、再用草稿参数，把同一批历史回合各重演一遍，按回合配对后给出结论。草稿与现行完全一样时不会发起评估，会提示先改几个值。
满意后把草稿存下来：「新 profile 名」输入名字，点保存草稿为 profile。

只想看现行参数自己的读数时，点只看现行参数。

评估不改动生效中的参数覆盖：草稿参数只用于重放，评估进行时到达的聊天仍按生效中的 profile 检索；重放只读，不写库、不建边。

「已保存的 profile」列出全部命名参数集：生效中的标「生效中」且「应用」置灰，其余可应用或导出（导出为 JSON，便于备份或搬到另一台机器）。

评估结果¶

评估把最近的对话回合重演一遍：用她当时实际用的检索词，按给定参数重新挑记忆，再和她当时实际用的记忆比对（来源见下文「留痕重放」）。界面上的几个读数：

吻合度（nDCG@k）：重新挑出的记忆和她当时实际用的有多接近，0 到 1；1 表示完全一样、顺序也一样。只在她回了话、当时也有记忆进了提示词的回合上统计。
漏挑的记忆：当时用上了、重演时没挑上的条数，所有回合加起来。
重演的回合 / 每回合挑出：参与打分的回合数（括注共重演多少回合）与每回合挑出的条数。样本量取决于事件记录保留了多久。
跟当时对不上：按当时的检索词重新找一遍候选记忆、和当时留下的记录逐条比，顺序或条目有出入的回合数。

对比时，结果区顶部是一句话结论：草稿挑出的记忆和她实际用过的更接近、差得更远，或差不多（平均吻合度变化不到 0.02 判为差不多）。下面列出草稿改了哪些参数、吻合度从多少变到多少、更接近 / 更远 / 没变的回合各有几个、漏挑条数的变化，以及按变化幅度排列的「有变化的回合」折叠表。两次评估只比较共同的回合。

读数时注意：

吻合度单看没有意义。重演用的是当时的检索词，但记忆强度在那之后又变过，在场者也只能按聊天记录估，即使参数不变分数也到不了 1，只拿两组参数对比。「跟当时对不上」越多，吻合度的绝对值越要打折看。
「更接近」只说明和她以往的挑法更像，不说明挑得更对：她以往用的记忆本来就是现行参数挑出来的，评估真正衡量的是换参数后挑选结果的变化幅度。
真要换参数，还要看换上以后她聊天的实际表现。

留痕重放¶

页面上的评估全部来自留痕重放。生产中每轮事实召回都会留一条留痕事件，无损记录当时的检索词（本轮消息与会话印象）、候选池与实际进提示词的事实。评估按留痕里的两份检索词各召回一次、取并集，在场者按事件时刻前的消息记录近似，再用待评估参数排序。重放池与留痕池对不上的回合单独计数，就是上面的「跟当时对不上」。

被纠正过的记忆（见 features.toml 的反馈纠错）当时就没进候选，重演按留痕里的记录同样排除。两条记忆说法冲突时，提示词会把对立的那条一并带上，那条不是挑出来的，不算进比对。

评估不调用任何模型。留痕里记下的「实际进提示词的事实」取自决策那一次的提示词，那份提示词按词面排序、不经过按意思的重新排序，所以重演也不需要查询向量。如果把 [conversation_agent] split_replyer 关掉（行动决策与回复生成合成一次调用，见 bot.toml），那一次的提示词会经过按意思的重新排序，这时吻合度会系统性偏低。

样本量受事件记录的保留时长限制，不受提示词存档数量限制；没有留痕的回合不参与评估。

空态¶

还没跑过评估时，结果区提示先在草稿列改几个参数再点「对比草稿与现行」。没有任何已存 profile 时列表只有内置的 default 一行，覆盖 0 项参数。