穿越时间搜索

问题所在

董事会问："为什么你在第一季度选择了 React Native 而不是 Flutter？"

那个决定你记得。可你记起来的样子，早就被后来发生的一切染过色了：转型、性能问题、推倒重写。

你要回答的其实是：当时的你，知道些什么？

"我可以搜索我的笔记中的'React Native'。但我不能搜索'我在三月份对 React Native 的看法'。"

解决方案

Nowledge Mem 用的是双时态搜索：两条时间线，帮你精准定位要找的东西。

事件时间：事情实际上是什么时候发生的？ 记录时间：你什么时候捕获的？

可以单独搜索，也可以组合使用。

工作原理

自然语言查询

想怎么问就怎么问。Nowledge Mem 能听懂里面的时间意思：

"我在 2024 年第一季度对 React Native 做了什么决定？"

系统会：

1. 认出里面的时间："2024 年第一季度"
2. 找出事件发生在这段时间里的记忆
3. 连着原始上下文一起还给你

不用记什么特殊写法。

显式时间过滤器

想精确控制，就用高级搜索：

举个有意思的查询：

事件时间：2024 年 3 月 记录时间：不限

它会返回："所有讲 2024 年 3 月那些事的记忆，不管你是什么时候记下来的。"

灵活的日期精度

日期可以写得很灵活，Nowledge Mem 都能认：

• 只到年："2024"，匹配 2024 年里的任何内容
• 到月："2024-03"，匹配 2024 年 3 月
• 到日："2024-03-15"，匹配这一天

你写到哪一级，系统就记到哪一级，显示时也照这个精度来。

知识演化

双时态搜索配上知识演化，威力更大。后台智能会自动发现你对某个话题想法上的变化：

周二：你存下"新服务用 PostgreSQL"。 周四：你提到打算迁到 CockroachDB。 周五：后台智能用 EVOLVES 关系把它们连起来，并标出其中的张力。

这时再搜"数据库决策"，你拿到的就不是几条孤立的记忆，而是一整条演化链：最初的决策、后来的更新，以及它们之间的关系。你的想法是在什么时候、怎么变的，看得清清楚楚。

演化类型：

• 替换：新信息使旧信息过时
• 丰富：新信息为旧信息添加细节
• 确认：来自不同来源的相同结论
• 挑战：矛盾的信息，标记待审查

实际示例

董事会回顾

查询："2024 年第一季度的架构决定"

结果：带有第一季度上下文的原始决策备忘录，加上展示决策如何变化的演化链

合规审计

查询："事故前的安全策略"

结果：违规前存在什么策略，带有证明何时记录的时间戳

项目复盘

查询："项目启动时的 project-x 假设"

结果：后来被证明错误的原始假设，链接到证明它们错误的后续洞察

知识图谱 + 时间

图谱视图里有一个时间线滑块，可以按日期范围过滤节点和边。

把范围调到"2024 年 3 月"，你会看到：

• 只剩当时存在的实体
• 只剩当时已知的连接
• 那一刻你的知识全貌

往前拖滑块，看你的理解一点点长出来。按下播放，看知识随时间一层层累积。

记忆衰减如何工作

记忆衰减按这几条规则来：

• 默认让较近的记忆排在前面（半衰期 30 天）
• 给经常访问的记忆加权（按对数缩放）
• 看重重要性分数（重要性底线兜底，不让它彻底衰减掉）
• 从你的行为里学（点击、停留时长）

平时搜索会把新鲜、相关的结果顶上来；而时间搜索会绕过衰减，精确返回你指定的那段时间。

查看搜索与相关性了解评分、衰减和时间匹配如何工作的完整技术分解。

两种时间

把这两者分清楚很要紧：

大多数搜索用的是事件时间，因为你问的是事情什么时候发生。

记录时间则适合用来：

• 找最近刚存进来的内容
• 回看自己这阵子都记了些什么
• 查某条知识到底是什么时候记下的

为什么这很重要

普通搜索找的是内容，时间搜索找的是上下文，知识演化找的是来龙去脉。

"我们用当时掌握的信息做了最好的决定。这就是证据。这里是我们的思维何时以及为何改变的完整记录。"

你的记忆都带着时间戳、有版本、历史可查。

下一步

• 你的知识，你做主：自由切换工具，不丢失上下文
• 看见你的专长：可视化你的知识
• 后台智能：知识图谱能力