捕获得快，只证明信息顺利离开当下； 知识系统真正的完成时刻，要等未来的需要出现， 并能沿仍然有效的线索把它带回判断与行动。

carve author/runescope/meta/corpus

四个漂亮数字，测到了知识系统的哪一段

Tracker 今晨记录了一篇 PKM 通用指南： 它把个人知识管理压缩成几项可检验指标——十秒捕获、 六十秒检索、三十分钟周复盘、九十天工具冻结。

这些数字很有吸引力。 它们把「第二大脑」「知识复利」之类宽泛承诺， 拉回可以拿计时器观察的动作。 对经常陷入工具迁移和结构重做的系统， 九十天不换工具也确实是一道有用的行为刹车。

但 Tracker 能确认的只有文章提出了这些阈值； 我没有找到阈值的实证来源，原页面在本轮抓取环境中也无法直接展开核对。 因此，它们目前更适合作为作者给出的启发式建议， 不能写成经过验证的通用基准。

更重要的是，四个数字并不处在同一条因果链上。

• 十秒捕获，测的是写入入口的摩擦；
• 六十秒检索，测的是已有问题下的定位速度；
• 三十分钟周复盘，测的是维护动作的时间预算；
• 九十天工具冻结，测的是抑制迁移冲动的制度约束。

它们都值得观察，却都没有直接测量： 一条信息在数周或数月后遇到真实需要时， 是否仍能被认出、被正确解释，并改变一次判断。

一个系统甚至可以同时满足四项指标而仍然失灵： 想法在十秒内进入 inbox； 搜索用精确标题在六十秒内命中； 每周半小时批量清空未读； 三个月没有更换应用。 文件秩序良好，未来的自己却不知道该在何种问题下想起它， 也不知道命中以后应相信到什么程度。

这次 Carve 因此从指标本身退后一步，追问：

如果 PKM 的价值发生在未来需要与过去材料重新相遇的时刻， 我们应该怎样测试这场相遇，而不只测试保存和搜索？

搜索路径：从捕获速度走向尚未成形的未来需要

第一轮搜索以 personal information management refinding、 information scent retrieval、cognitive offloading reminders 和 note taking retrieval cues 为种子。

这轮很快暴露出两个缺口。

第一，个人信息管理研究长期把 keeping、finding / re-finding 与维护组织区分开来；写入顺畅只是 input， 无法替 output 和 maintenance 领取完成权。 William Jones 等人的 Personal Information Management 综述 把 PIM 描述为围绕日常目标进行获取、组织、维护、检索与使用的活动， 也反复讨论信息碎片化与 re-finding。

第二，未来的需要往往还没有一条稳定查询语句。 保存当下，人只模糊地觉得「以后可能有用」； 真正使用时，问题、项目和语言都已经改变。 这意味着，用刚保存时的标题或原句做即时搜索， 会高估系统在真实时间距离上的能力。

第二轮于是转向 anticipated information need、 prospective memory、information fragmentation 与 information foraging scent。 这轮带回六个改变判断的概念： keeping–finding asymmetry（保存—寻找不对称）、 anticipated information need（预期信息需要）、 intention offloading（意图卸载）、 information scent（信息气味）、 context drift（语境漂移），以及 delayed return test（延迟归还测试）。

最后一个是本文对前五者的综合， 不是外部文献中的现成标准。 它把知识系统的验收从「现在能不能存进去」 推迟到「未来能不能在真实问题中带回来」。

保存与寻找沿相反方向运动

PIM 研究提供了一个朴素但常被界面遮住的区分： keeping 从遇见的信息出发，猜测未来的需要； finding / re-finding 从当前需要出发，寻找可用的信息。

两者方向相反。

保存时，我们拥有材料，却不完全拥有未来问题； 寻找时，我们拥有问题，却可能已经忘记材料的措辞、位置与来历。 因此，捕获界面面对的是「把眼前之物放到哪里」， 检索现场面对的是「什么东西能帮助眼前这件事」。 一个优秀的入口不能自动生成优秀的返回路径。

低摩擦捕获会把瓶颈转移到处理带宽； 原料进入系统，不等于取得 Corpus 公民权。 今天可以再补一层： 即使 capture 已被清洗、路由和晋升， 它仍然可能只完成了保存成功，尚未证明归还成功。

这里至少有三种不同失败。

位置失败

知道自己保存过，却不知道在哪个应用、目录或层级。 这属于经典的信息碎片化：同一项目的材料分散在邮件、文件、 Notion、Corpus、Quarto 与任务系统中， 每个局部工具都可搜索，整体路径却断裂。

线索失败

文件就在正确位置，但标题、标签与摘要只复述保存时的材料， 没有留下未来问题可能使用的语言。 搜索「论文叙事」时，系统命中不了一篇只以日期和来源命名的笔记； 浏览层级时，也看不出它会帮助 Results 结构判断。

解释失败

信息被找到了，却失去足以校准信任的语境： 它是外部作者的主张、froQ 的判断、Rune 的 probe， 还是某次已经被后续实验推翻的工作假设？ 检索速度很快，使用者反而可能更快地误用它。

这三种失败分别要求位置桥、语义线索与证据标注。 它们解释了为什么「六十秒找到」还不够： 找到文件与恢复其用途、边界和可信度，是两段任务。

有些未来需要，在保存时还说不出名字

Barbara Kwasnik 等人讨论的 personal anticipated information need 指出一个对 PKM 很关键的情形： 人可以意识到未来可能需要某条信息， 却暂时无法把这种需要清楚表达成可组织、可重新定位的形式。

这使「正确分类后再保存」面临天然上限。 未来项目可能尚未出现，问题语言尚未稳定， 材料的价值也可能来自当时没有预见的关系。

例如，保存一篇关于个人信息管理的文章时， 可以把它归入 PKM； 数月后真正触发它的，却可能是：

• 为什么 Notion capture 越来越多，却很少进入论文；
• 为什么 Agent 总能搜索到条目，却重复生成相似判断；
• 为什么 Quarto 与 Corpus 分开以后，跨库线索变弱；
• 为什么一次周复盘很整齐，却没有改变下一步行动。

这些问题很难在保存当日全部预编码。 所以，知识系统不能只依赖完美分类。 它还要保留足够多的可再解释线索： 来源问题、当时为何保存、可能服务的活动、关键区别、 与哪些对象存在关系，以及什么变化会使它过期。

这与「证据管辖权」相接。 未来需要若改变，一条记录仍应能说明： 它原本属于哪种活动，承担哪种断言责任， 跨到新场景时需要怎样翻译。

分类负责给材料一个初始住址； 可再解释线索则允许未来的自己发现， 这间屋子原来还有另一扇门。

外部记忆的可靠性，包含「记得回来」

Risko 与 Gilbert 的 认知卸载综述 把 cognitive offloading 描述为： 通过身体动作或外部环境改变任务的信息处理需求， 从而降低内部认知负担。 写笔记、设提醒、把待办放进外部系统都属于这一大类。

但保存一条信息与设置一个能在恰当时刻出现的提醒， 承担的功能不同。 前者保存内容，后者还试图连接一个未来触发条件。 后续关于 intention offloading 的综述 也把重点放在延迟意图怎样借助外部提醒被履行， 同时提醒：不少证据来自实验室任务， 不能直接等同于长期、复杂的真实 PKM 使用。

带回 Corpus，可以得到一个克制推断： 外部记忆若只保证内容存在， 却没有把它与未来行动场景接上， 大脑卸载的是「字句」，未必卸载了「何时回来」。

这正是普通 archive 与 active reminder 的区别。

• archive 等待明确查询；
• reminder 在条件满足时主动浮现；
• index 提供稳定入口；
• backlink 让另一条正在使用的材料把它带回来；
• Carve / Tracker 则尝试在新信号出现时重新激活旧枝。

系统不需要把每篇笔记都变成通知。 那会把归还机制做成噪音机器。 更合理的设计是根据需要的形状选择触发方式： 有明确日期的承诺交给 reminder； 有明确项目的材料靠 project index； 等待概念碰撞的材料靠链接、检索与周期性巡游； 已经失去现实用途的条目允许安静归档。

归还不是频繁出现。 它是在相关时刻拥有出现的路径。

信息气味会随问题改变

Pirolli 与 Card 的 information foraging 理论 把 information scent 描述为： 人依据眼前线索，对某条路径可能提供的价值、成本与去向 作出的不完全估计。 后续面向界面的说明 强调，气味是相对于当前信息需要的； 同一个标签面对不同问题，强度会完全不同。

这对文件命名、标题、scope、摘要和链接文字有直接影响。 它们不只是分类元数据， 也是未来浏览者在尚未打开正文前判断「值不值得进去」的气味。

但气味会经历 context drift。 保存时显而易见的缩写，半年后可能失去意义； 当时活跃的项目名会冻结，研究问题却已换语言； 自动生成的「相关链接」数量不断增加， 每一条关系的判别力反而下降。

因此，检索系统不能只问命中了多少文件。 还要问前几项结果是否散发了足以区分的气味：

• 标题是否说明它帮助哪类判断；
• 摘要是否写出核心区别，而非只复述主题；
• 链接文字是否说明关系，还是统一写成「相关」；
• 状态与作者标注是否让 probe、外部摄入和正式结论可区分；
• 过期材料是否仍以与当前材料相同的视觉权重出现。

hard、soft 与 suggested edge 的区分， 本质上也在保护信息气味： 手写关系、统计共现与模型猜测若全部画成同一种边， 路径看似丰富，使用者却无法估计哪一条值得跟随。

一个模型：延迟归还测试

把六个概念收束起来， 我会给 Corpus 增加一种暂不写入 schema 的验收视角： delayed return test（延迟归还测试）。

它不在条目创建后立刻运行， 而在真实需要经过一段时间后出现时观察： 系统能否把相关材料带回， 并恢复到足以支持判断的状态。

一次测试包含五道门。

1. 触发门：需要出现时，系统有机会想起

未来问题可能通过关键词、项目索引、反向链接、日期提醒、 Tracker 新信号或 Carve 巡游出现。 测试首先看是否存在至少一条合理触发路径。

没有触发路径的材料仍可作为 archive 保存， 但不应被解释为 active knowledge。

2. 定位门：在可接受成本内到达正文

这里才轮到「六十秒检索」之类指标。 但查询不能复制原始标题； 应使用未来任务自然产生的语言， 例如「Results 哪一段论证断了」或 「跨库科研记录的 canonical body 在哪」。

精确标题搜索测的是索引是否工作， 任务语言搜索才更接近 re-finding。

3. 认出门：命中以后知道它为何相关

仅看标题、摘要、scope 与链接上下文， 使用者应能判断该条目可能帮助什么问题。 若必须重读全文才知道用途， 系统虽然找到了文件，信息气味仍然很弱。

4. 复原门：能恢复来源、边界与当前有效性

条目要能回答： 谁提出了这项主张，依据是什么， 它当时服务哪个问题，后来有没有被承接、修正或取代。 对 AIGC 条目，还应保留「非 froQ 结论」与写入层级理由。

这一门防止快速检索把旧 probe 伪装成当前事实。

5. 使用门：归还确实改变一次动作或判断

最严格的证据不是打开文件， 而是材料帮助完成了某种工作： 缩小搜索范围、修正论证、避免重复实验、 重启一条中断任务，或明确决定不继续。

如果条目反复被找到却从不改变任何选择， 它可能是背景材料，也可能只是拥有良好 SEO 的库存。 两种状态都可以保留，但不必继续追加维护成本。

五道门形成一条链：

未来需要出现
  → 有触发路径
  → 能以任务语言定位
  → 能认出相关性
  → 能恢复证据边界
  → 能改变判断或行动

这条链允许失败被定位。 找不到，问题可能在碎片化或索引； 找到了却认不出，问题在标题与摘要； 认出了却不敢用，问题在 provenance 与状态； 能用却没有价值，可能是材料本身边际效用低。

给 Corpus 的最小实验：审计归还事件，不制造新仪表盘

这里容易立刻长出一套复杂评分系统， 那会违背 《枝条需要一条返回路径》 对 WIP 与前置枝的提醒。 当前不需要给所有文件计算 return score， 也不需要为每次搜索增加表单。

更小的实验是：在未来两周自然发生的三次「我记得这里写过」中， 只记录以下事实：

需要是什么：
最先使用的查询或入口：
是否在两分钟内到达：
哪条线索帮助认出它：
是否能恢复来源与状态：
最终改变了什么动作或判断：
失败停在哪一道门：

这里把观察窗口暂定为两分钟， 只是为了允许定位后快速阅读摘要， 不是新的通用 SLA。 样本也只取自然发生的归还事件， 避免为了测试而背诵文件名。

三次以后只修复反复出现的断点。

• 若总在定位门失败，再调整 index、搜索或跨库桥；
• 若总在认出门失败，优先改标题、摘要和关系文字；
• 若总在复原门失败，补 provenance、状态与 supersedes；
• 若材料能找到却从不被使用，考虑降低维护权重或归档；
• 若不同系统各自都能找到局部副本，却无法判断 canonical body， 修复边界协议，而非增加更多复制。

完成标准不是把三次测试全部变绿。 它只要求识别一个重复断点， 并用一次最小修改证明返回路径变短或判断边界更清楚。

这个实验也重新解释周复盘。 周复盘的价值不应由「三十分钟内清完」单独证明； 更有信息的问题是： 本周是否出现过归还事件，哪条路径成功， 哪份材料在需要时没有回来。 维护由真实失败牵引， 比定期把每个目录重新整理一遍更接近系统用途。

对四个指标的克制改写

原指南的四个数字可以保留， 但应把它们从成熟度证明改写为局部探针。

十秒捕获：入口不能打断正在发生的生命

它适合测低能量、高移动性场景下是否能留下原始信号。 通过以后仍需检查处理带宽、隐私、重复与 promotion gate。

六十秒检索：用任务语言测试，不用文件答案测试

查询应来自当前问题，不能预先知道标题。 除了到达时间，还要观察前几项结果的气味与证据边界。

三十分钟周复盘：限制维护吞噬，不证明维护充分

时间盒能防止系统自我照料无限扩张； 若半小时只是批量归档，没有修复任何真实断点， 短也不等于有效。

九十天工具冻结：冻结工具，不冻结问题

它能减少新鲜感驱动的迁移， 却不应阻止修复安全漏洞、数据丢失或关键能力缺口。 九十天后也不必自动换工具； 只有重复归还失败明确指向工具边界， 迁移才取得证据。

于是，四项指标上方还需要一条总问题：

这套系统最近一次把过去带回现在， 并真正帮助了什么？

小结：知识在第二次相遇时才完成一次循环

keeping–finding asymmetry 说明保存与寻找从相反方向出发； anticipated information need 提醒，未来问题在保存时常常还没有名字； intention offloading 把「内容存在」与「记得回来」分开； information scent 让标题、摘要和关系成为进入路径的价值估计； context drift 则说明这些线索会随项目、语言与时间衰减。

它们共同支持一种系统级判断：

知识系统的基本验收单位，不该只是一次 capture 或一次 search， 而应是一次跨越时间的 return event。

十秒内保存一条想法，是对当下的体贴； 六十秒内找回一个文件，是对工具的检验； 未来某天，在问题已经变形、措辞已经改变以后， 仍能认出这条材料为何相关、凭什么可信、应该怎样使用， 才是知识系统对时间作出的回答。

Corpus 的六层、链接、状态、作者标注、Tracker、Cast 与 Carve， 都可以被看成返回路径的不同构件。 它们的价值不由文件数量相加， 也不由每次任务按时产出自动证明。 真正的证据发生在第二次相遇： 一条旧枝被新问题碰到，仍有足够清楚的刻痕， 让人知道它从哪里长来，又能带着什么回到今天。

知识不是在被保存时完成。 它在穿过一段遗忘以后，仍能回来参与判断时， 才完成一次循环。

AI 标注

Continuation 轨检查了近期 aut-carve-*、 aut-carve-continuation-*、neo-carve-* 与 neo-carve-continuation-*；

Carve 方向来自 Tracker 2026-07-27 的 PKM 指标信号。 Cast 将它视为 normal-priority 通用指南， 且近 12 小时没有更高优先级的 froQ 活动； 本轮没有照录其中四个阈值， 而是追问这些指标遗漏了哪一段知识生命周期。 Continuation 检查后又复扫 corpus 六层与 capture log， 没有发现迟到的新 capture。

探索式搜索先以 PIM re-finding、information scent、 cognitive offloading 与 retrieval cues 为种子； 第一轮暴露保存输入、寻找输出与未来问题尚未成形的缺口， 第二轮遂追问 anticipated information need、prospective memory、 information fragmentation 与 information foraging。 本文带回六个概念：keeping–finding asymmetry、 anticipated information need、intention offloading、information scent、 context drift 与 delayed return test， 并将其收束为五道门：触发、定位、认出、复原与使用。

核心产出直接改变 Corpus 应如何理解完成、维护与检索验收： 从文件写入和即时搜索，转向真实未来需要中的跨时归还事件。 这是对知识系统自身完成标准与巡游机制的元认知判断， 因此写入 000-autopsia，而非 200-neoplasma。