Engineering
每一個带自動整理功能的筆记工具，最後都會長出一個叫"其他"、"雜項"或"未分類"的抽屉。我们的也長了。某天早上打开 Nebula，36 條记憶躺在一個真的叫"未歸類"的主题裡，旁邊還有一個叫"其他"的兜底。同一個失败，两個抽屉。
我们把這當成 bug 處理，而不是當成數據的属性。這篇講 bug 最後是什麼，以及我们最终的設计。
"未分類"裡到底裝的是什麼
追踪那 36 條记錄，沒有一條是真的無法歸類。它们來自两個机械的缺口：本該接住低置信记錄的兜底主题，因為一個谁也夠不到的阈值而不可達；一個從大簇裡拆出來的小簇在路上丢了父級標簽，到可视化的時候就沒有主题了。
這就是普遍规律。"未分類"很少是內容模糊，它是管線停止做決定的地方，然後把"沒有決定"包裝成了一個類別。
十個門，為了穩定而定
修复從一個聽起來顯然、其實不顯然的決定开始：分類的頂層是固定的。十個門，手寫，目標是對一個人多年對著麥克风說的东西做到不重不漏：
- Building（構建）
- Work & People（工作與同事）
- Business & Growth（業務與增長）
- Money & Investing（金钱與投資）
- Learning & Ideas（学習與想法）
- Creating & Expression（創作與表達）
- People & Relationships（人與關系）
- Body & Mind（身心）
- Life Admin（生活事務）
- Direction & Meaning（方向與意義）
涌現式主题在 demo 裡令人興奋，在日常裡让人疲惫。頂層一旦允许漂移，"career"和"work"這個月是两個本子，下個月合成一個，所有依赖這些名字的界面都得跟著改。頂層的穩定，是下面一切可以流動的前提。
每個門下面有一小組"槽"，總共四十來個，同樣手寫。真正的歸属發生在槽這一層。
一個必須做選择的分類器
歸属由一個小型托管語言模型按批完成，對著封閉列表做。它看到門、門下的槽、每個槽一句描述，以及十几條筆记；必須以 JSON 返回每條筆记一個槽 id，別的什麼都不能返回。不在列表裡的 id 會被拒绝，那一行單独重試。
比模型更重要的是两個细節：
- 沒有"置信度低于多少就送去兜底"的阈值。每條记錄都拿到當前最合適的槽。模型不確定，就標成低置信，界面可以展示，但记錄仍然有家。
- 有一個單独的池子，裝那些根本不是记憶的东西：測試語句、一句光秃秃的"好的"、語音引擎從静音裡幻聽出來的碎片。這些是被隱藏，不是被上架。隱藏是一個有明確规則的明確決定，而一個叫"其他"的抽屉两者都不是。
標簽直接存在记錄上，旁邊放著生成它的那版分類文本的哈希。改了某個槽的描述，只有旧版本打的標簽會被重新排隊。用戶亲手挪过的记錄，机器永遠不再碰。
让第三層自己長出來
槽的下面，結構被允许自己生長。记錄會被向量化，簇在每個槽內部按几何關系形成。簇只在長到很大（大约 150 條）時才拆，而且只在两半真的不一樣時才拆——我们把拆分跑三次，候選看起來像重复就拒绝。保留原始锚點的那一半保留名字，另一半起新名字。
這一層就是"音乐創作"和"音乐表演"可以作為两個簇出現、却不需要任何人预先定義的地方，同時两者仍然在同一個槽、同一個門裡。在犯錯便宜的地方涌現，在犯錯昂贵的地方穩定。
為什麼配圖不是生成的
每個門、每個槽都有配圖，沒有一张是圖像模型按需生成的。它是一套人工策划的圖库，每個門、每個槽一张，同一種畫风。涌現出來的簇繼承它所在槽的那张圖。
另一條路我们試过。生成的封面惊艳一周，然後書架看起來像十個插畫师吵了一架。一段你會看很多年的记憶，不該每次模型重训就換一张臉。
仍然會出錯的地方
向量空間不是各向同性的。在一份真實語料上，一個門吞掉了大部分體積，只因為模型對工作類文本的表示更密。让語言模型讀字來分類，遠好于在那個空間裡量距離——這也是為什麼門的判斷不用最近質心。
而且分類器是判斷，不是測量。它會把一條關于副業定價的筆记放進 Business & Growth，而當事人觉得那是 Money。沒關系：人可以挪，机器记住不挪回去，分類名稱本地化成八種語言，纠正的感觉像整理書架，不像跟模型較劲。
系統再也不會做的一件事是耸肩。沒有一個抽屉是留給它懒得決定的东西的。
這不是行銷，是我們自己踩過的坑。