Engram 知识捕获与每日复习

要解决什么问题

和大模型聊完一圈，真正值得几周后还能翻出来的往往只有几条：概念、机制、踩坑、口诀。其余多是改 bug、排期、闲聊或强依赖当次上下文的碎片。若全存，知识库很快变成噪声；若全靠脑子记，又容易忘。Engram 的定位是静默捕获引擎：在回答之后由助手判断是否值得落库，并把对话蒸馏成可独立阅读的问答卡片，而不是整段聊天记录。

技能如何工作

何时收录（判断门） 采用偏保守策略：只收录概念、定义、机制、事实区分、原理说明、经验法则与 mental model；跳过一次性操作、观点、状态类问题和明显不宜存档的私人内容。不确定时默认不记；用户可说 「记一下」 / 「存下来」 强制收录最近一轮，或用 「别记」 删除本轮实际写入的卡片（需用返回的 id 调用 forget，重复命中 duplicate 时不应误删旧卡）。

卡片结构 每条包含：重写后的自洽 Question、精简可独立的 Answer（1～5 句或短列表）、1～2 个领域标签（如 科技、经济，避免「概念」「知识」等空标签）、可选 Keyword 用于文件名。按规范化问题去重，写入 store/index.jsonl 并镜像到 store/cards/YYYY/MM/*.md。

复习与浏览 定时任务每日抽样推送（偏旧卡片、无需打分）；本地可用 review 打印当日、render 生成可翻转、按标签筛选与搜索的 HTML 闪卡页；stats / list 查看域分布与近期条目。

适用边界

• 不适合当任务管理或全文对话归档；刻意不收录低复用、强时效内容。
• 「别记」只针对助手在本轮 capture 成功创建的记录；删历史卡需 forget --query 或 --id。
• 领域标签是粗粒度分类，精细检索依赖问题文案与 keyword。