9.5 精确度优先：宁缺毋滥的注入哲学

像配菜：宁可少一道清爽小菜，也不要堆一盘互相串味的剩菜。

---

本节学习目标

1. 陈述 精确度优先原则：不确定相关则不注入，优于「可能有用就塞」。
2. 解释 该原则与 最多 5 条、上下文成本、模型注意力 的一致性。
3. 识别 误注入的典型模式：标题泛化、跨项目 scope 泄露、过期偏好。
4. 制定 团队评审：新增记忆卡片需 title/description 检查表。
5. 度量 主观指标：注入后用户纠正次数是否下降。

---

生活类比：导航语音

开车导航：

• 精确：「前方 200 米右转」——你立刻行动。
• 不精确：同时播报五条备选路线历史、上周路况、朋友推荐餐厅——你认知超载，反而走错。

记忆注入亦然：少而准胜过多而杂。

---

Mermaid：噪声注入的注意力稀释

---

表：注入决策矩阵

相关性	置信度	动作
高	高	注入
高	中	可注入 + 标记待确认
中	任意	默认不注入
低	任意	不注入

---

源码片段：保守阈值（伪代码）

function shouldInject(card: MemoryCard, score: number): boolean {
  if (score < 0.78) return false; // 宁缺毋滥
  if (card.scope !== currentProjectScope) return false;
  if (card.stale) return false;
  return true;
}

---

与第 8 篇联动：token 账簿

每条注入：

+ title + description + 格式开销 ≈ 数十～数百 tokens（视长度）
× 5 条 ≈ 可观

精确度优先 = 成本优先。

---

Mermaid：检索—注入—反馈闭环

---

反模式表

反模式	症状
「万能卡片」	任何查询都命中
复制粘贴 CLAUDE.md 进记忆	重复与冲突
把实验性偏好固化	长期误行为

---

团队检查表（PR Review）

• [ ] title 是否唯一且具体
• [ ] description 能否单读自明
• [ ] 是否与现有 CLAUDE.md 重复
• [ ] scope 是否正确项目
• [ ] 是否含敏感信息

---

练习

1. 写一条「应被拒绝注入」的虚构记忆，并说明原因。
2. 把同一事实分别写成「泛标题」与「精确标题」对比。

---

FAQ

Q：注入 0 条是不是浪费检索？
A：检索成本低；错误注入成本高。

Q：用户明确说「记住」就一定对？
A：仍应可审计；用户也会变心。

---

小结

精确度优先是记忆系统的价值观：宁缺毋滥保护模型注意力与 token 预算。工程上靠 Sonnet 扫描 + 阈值 + 上限 5 落实，文化上靠 卡片质量与审计 巩固。

---

附录：A/B 思想实验

策略 A	策略 B
总是注满 5 条	只注入 >0.85 分
用户纠正率？	预期更低

---

Mermaid：分数分布示意（条形抽象）

注：阈值线（如 0.78）之上才注入；具体数以实现为准。

---

与伦理

滥注入可能强化错误刻板印象（例如错误归因用户能力）。精确度优先也是公平性策略。

---

术语

英文	中文
precision-first	精确度优先
false positive injection	误注入

---

升级路径

当产品允许用户调「记忆敏感度」：

档位	描述
保守	默认；精确度优先
平衡	略降阈值
激进	易误注入；不推荐默认

---

案例简析

场景：前端项目记忆注入了一条「后端 Java 风格偏好」。
原因：scope 未收紧或标题过泛。
修复：删卡 + 为前后端分项目 + 标题加栈前缀。

---

与监控

若可埋点：

• injected_count_per_turn
• user_correction_after_injection_rate

用数据验证「宁缺毋滥」是否改善体验。