更新日志：双图谱第二大脑上线

辣椒AI 的「第二大脑」功能已上线，由记忆图谱和知识图谱两部分组成。

---

解决什么问题

用 AI 读了几十份材料之后，一个很常见的状态是：资料都在，但你记不住自己看过什么、得出过什么结论。

搜索能找回具体的片段，但找不回"我当时是怎么想的"。对话记录翻起来更痛苦——你得记得那次是在哪个会话里聊的。

这正是"用完即弃"的问题：AI 帮你处理了信息，但没有帮你积累认知。

一个真实的对照

假设一个研究员一个月读了 30 篇论文。用传统方式，月底如果有人问她"关于强化学习在推荐系统里的应用，你总结出什么了"，她要么靠记忆、要么靠翻笔记——两小时起步。

用第二大脑的路径：打开记忆图谱，点击「强化学习-推荐系统」这个主题节点，所有相关论文的摘要、洞察、待办、矛盾点都聚合在同一个视图中。她可以在五分钟内说出"这个话题目前有三种主流路线，但 A 和 B 在离线评估指标上存在冲突"。

差距不在于效率，在于之前这条路根本就不存在。

---

---

双图谱分工

记忆图谱：这份材料对我意味着什么

系统会先把材料蒸馏成摘要，再从摘要里提炼认知型实体：

• 主题——这份材料在讲什么
• 洞察——从中得到的结论或启发
• 人物 / 机构 / 事件——涉及的实体
• 行动项——看完之后应该做什么
• 问题——引出的、还没解决的疑问
• 引用——它提到的其他资料

实体之间的关系包括：相关、导向、支持、矛盾、提及、后续跟进、作者、归属。

「矛盾」这条关系特别有用——当两份材料的结论相互冲突时，图里会把它们连起来。你再看这个主题时能立刻发现"这里有分歧"，而不是只记得最后读到的那个观点。

举个例子：你周一读了一篇论文说"Transformer 在长文本上的表现优于 RNN"，周三又读了另一篇说"RNN 在超长上下文中比 Transformer 更稳定"。在普通笔记系统里，你大概率只记得最后读到的结论。在记忆图谱里，这两篇的洞察节点之间会出现一条「矛盾」边——你在看任何一个相关话题时都会看到这个冲突。这不是替你做判断，而是让你知道这里有判断要做。

知识图谱：这些概念之间怎么连

负责概念层面的关联网络。可以从一个概念出发，看它多跳之外连到了哪里。

两条图谱的关系不是上下层，而是用途不同：

• 记忆图谱回答"我读过什么、想到了什么、要做什么"
• 知识图谱回答"这个概念和哪些概念有关、隔几跳能连到哪"

当你需要复盘自己的认知脉络时，调记忆图谱；当你需要理解一个领域的知识结构时，调知识图谱。

---

为什么不从全文抽实体

这是我们和常见做法最大的差别。

从全文抽实体，一篇材料能抽出几百个节点，绝大多数是专业名词，图看起来密密麻麻但没有结构，用户看完第一反应是"很酷"，第二反应是"然后呢"。

我们的路径是"先理解，再记忆"——先蒸馏摘要，再从摘要抽实体。摘要已经过滤掉了细节，剩下的就是值得记住的东西。节点数量降了一个量级，降下去的都是噪声。

这个"先蒸馏"的过程具体做了三件事：

1. 去冗余：一篇万字论文，真正值得记住的观点可能只有五六条。摘要把比例从"万字→几百个实体"压缩到"两百字→十几个实体"。
2. 建立层次：摘要里的实体是有主次的——核心论点、支撑论据、延伸思考——这个层次在抽取时会被保留进图谱。
3. 植入视角：摘要不是原文的缩略，而是"你读完之后的理解"。同一个材料，不同人读会有不同的摘要。这意味着你的图谱记录的是你的认知，不是通用的百科。

技术细节写在《记忆图谱：先理解，再记忆》。

---

每个实体都能溯源

图里的每一个节点都记录了它来自哪份资料、哪段摘要。

这条很重要：当你看到一个"洞察"节点，一定会想问"我什么时候得出这个结论的"。没有溯源，这张图就是一堆无法验证的断言。

溯源的具体形式：

• 每个节点下挂着"来源"链接，点击直接打开原始资料的那段摘要
• 可以追溯到摘要再追溯到原文对应位置
• 当原始材料被删除时，节点不会消失但会标记为"源已删除"

---

第二大脑和传统笔记的区别

传统笔记适合记知识，第二大脑适合积累认知。两者不互斥，但解决的问题不同。

---

怎么用

上传资料后，系统会在后台自动完成理解与抽取，无需手动操作。之后你可以：

• 按时间线回看自己读过什么、想过什么
• 从一个主题出发，看相关的材料和结论——可以是一跳的邻居主题，也可以是两跳、三跳的延伸
• 查看待办的行动项和未解决的问题——这些都是系统从你的阅读中提取出的"还没完成的事"
• 顺着「矛盾」关系找到需要进一步判断的地方——图谱不会替你下结论，但会帮你标记需要下结论的地方
• 导出某一主题的知识脉络图，用于报告、综述或分享给其他人

---

已知的不足

如实说明目前还没做好的地方：

• 跨材料的同名概念合并还比较粗糙，同一个概念可能出现两个节点。目前依赖人工合并，后续会尝试用语义相似度做自动合并建议。
• 时间维度表达不足——你三个月前的判断和现在的判断，图里区分得还不够清楚。同一个主题下，时间线上的认知变化应该被更直观地展示出来。
• 摘要质量决定一切——摘要提炼得不好，后面全白搭。这是我们持续投入的环节。
• 多语种混合处理——当用户同时上传中英文材料时，跨语言的概念对齐还有明显的提升空间。

这几点在我们的迭代计划里。有具体的使用反馈，欢迎告诉我们。