Cyrene_v2/internal/runtime/memory/extract_retention_words.go

package memory

import "sort"

// 本文件是提取留存规则闸（design/03 §10）的**词表**：每一项都是**函数**而不是
// 包级变量（AGENTS §10 禁包级全局变量；同 tidySystemSessions / tidyHabitMarkers 的手法）。
//
// 它从 extract_retention.go 拆出来只为守 AGENTS §10 的文件行数上限（≤500 行）——
// 词表内容与逐条理由**逐字未动**；判定逻辑在 extract_retention.go。

// 下列词表一律是**函数**而不是包级变量（AGENTS §10 禁包级全局变量；
// 同 tidySystemSessions / tidyHabitMarkers 的手法）。

// retentionRememberDirectives 是「主人明确要求记住」的信号（护栏①）。
func retentionRememberDirectives() []string {
	return []string{"记住", "记下", "别忘了", "不要忘", "别忘记"}
}

// retentionDurableMarkers 是正向清单（design/03 §10.4）的词族里、**不被
// tidyHabitMarkers 覆盖**的那些：长期事实 / 关系里程碑 / 项目约定 / 能力边界。
func retentionDurableMarkers() []string {
	return []string{
		// 长期事实
		"生日", "纪念日", "住", "职业", "工作", "家庭", "家人", "孩子", "父母",
		"过敏", "忌口", "健康状况", "疾病", "吃药", "身高", "体重", "年龄",
		// 关系里程碑 / 约定
		"约定", "承诺", "答应", "说好", "暗号", "口令", "称呼",
		// 项目约定
		"项目", "迁移号", "端口", "路径", "命名", "编号", "约定俗成",
		// 能力边界（主人明确的「不要做 X」）
		"不要做", "别做", "禁止", "不许",
		// 稳定偏好（补 tidyHabitMarkers 之外的）
		"口味", "爱好", "讨厌", "不喜欢", "偏爱", "嗜好",
	}
}

// retentionChatterWords 是 N1 的寒暄 / 致谢词表。
func retentionChatterWords() []string {
	return []string{
		"谢谢", "多谢", "感谢", "辛苦", "麻烦你了", "早上好", "早安", "中午好",
		"下午好", "晚上好", "晚安", "你好", "您好", "在吗", "收到", "好的",
		"好呀", "好嘞", "嗯嗯", "哈哈", "嘿嘿", "呵呵", "么么", "拜拜", "再见",
		"加油", "不错", "真棒", "太棒了", "hi", "hello", "hey", "thx", "thanks",
	}
}

// retentionEmotionWords 是 N2 的情绪词表。
func retentionEmotionWords() []string {
	return []string{
		"好累", "累了", "开心", "高兴", "难过", "不开心", "焦虑", "压力大",
		"心情", "疲惫", "难受", "无聊", "郁闷", "沮丧", "生气", "委屈",
		"烦死", "好烦", "烦躁", "兴奋", "紧张", "害怕", "孤单", "寂寞",
		// 「不错」是**情绪评价**（「心情不错」），因此它必须在**核心词表**里按整词
		// 出现：只靠否定词表里的「不」，`不错` 会被拆成 `不` + 光杆「错」，于是
		// 「心情不错」既认不出核心、也消费不干净 —— 一条纯情绪句反而漏判。
		"不错",
		// 光杆「累」同理：「主人今天真的特别累」只有一个 `累` 而**不含** `好累` /
		// `累了`，漏掉它就会留下一个消费不掉的「累」、把一条纯情绪句放行。
		// 收它**不会**带来误弃 —— 判 defer 的门槛恒是「整句被形态消费干净」，
		// 多收一个情绪词只会让**本该 defer 的**句子认得出来。
		"累",
	}
}

// retentionEmotionSuffixTokens 是「情绪核心之后**允许**出现的修饰」的封闭集合：
// 程度 / 否定 / 情绪 / 语气。**它不含任何承载内容的词** —— 这正是白名单判据在
// 结构上不会吞掉实体的原因（核心之后一旦出现 `想`/`会`/`时`/`和`/`我` 这类字，
// 就必然消费不掉、留下非空余部 ⇒ 放行）。
//
// 它是函数而不是包级变量（AGENTS §10 禁包级全局变量；同 tidyHabitMarkers 的手法）；
// 长度先按**最长词优先**排序，`不` 不会抢在 `不错` 前面被消费。
func retentionEmotionSuffixTokens() []string {
	tokens := make([]string, 0, 64)
	tokens = append(tokens, retentionEmotionDegreeWords()...)
	tokens = append(tokens, retentionEmotionNegations()...)
	tokens = append(tokens, retentionEmotionWords()...)
	tokens = append(tokens, retentionEmotionToneWords()...)
	sort.SliceStable(tokens, func(i, j int) bool {
		return len(tokens[i]) > len(tokens[j])
	})
	return tokens
}

// retentionEmotionTimeWords 是**只允许在「主语之后」出现一次**的时间词：无主语时
// 它就是首词（「今天好累」），有主语时紧跟主语（「主人今天好累」）—— 之外的位置一律
// 不匹配（`今天主人好累` 实测 `rest="今天主人好累"`, `saw=false` ⇒ 放行）。
// 它们让一句情绪陈述显形为「今天怎么样」，本身不含实体。
func retentionEmotionTimeWords() []string {
	return []string{
		"今天", "明天", "昨天", "今晚", "昨晚", "今早", "此刻", "现在", "刚才", "刚刚",
		"最近", "这两天", "这几天", "这阵子", "这段时间", "目前", "当下", "一整天",
	}
}

// retentionEmotionSubjects 是**只允许出现在句首**的主语 / 称呼。把它限死在句首是
// 白名单判据的要害之一：`我`/`他`/`我们` 这些词**本身可以当实体**（「会想我」的
// 宾语就是它），若允许它们在任意位置被消费，`主人不开心时会想我` 就会被吞成空。
func retentionEmotionSubjects() []string {
	return []string{
		"主人", "咱们", "我们", "你们", "他们", "她们", "自己",
		"我", "你", "他", "她", "它", "咱",
	}
}

// retentionEmotionDegreeWords 是程度词（只修饰强度，不引入实体）。
func retentionEmotionDegreeWords() []string {
	return []string{
		"非常", "特别", "稍微", "真的", "真是", "十分", "比较", "有点", "有些",
		"很", "挺", "太", "好", "超", "蛮", "更", "最",
	}
}

// retentionEmotionNegations 是情绪核心之后的否定词（「心情**不**好」）。它只能出现在
// 后缀位；`不` 与 `没` 都不承载实体。
func retentionEmotionNegations() []string {
	return []string{"没有", "不", "没"}
}

// retentionEmotionToneWords 是句尾的语气词（「好累**啊**」「不错**了**」）。它们只出现
// 在句尾，不引入实体。
func retentionEmotionToneWords() []string {
	return []string{"啊", "呀", "啦", "哦", "喔", "嘛", "呢", "吧", "了", "的", "哎", "唉", "嗯", "哈"}
}

// retentionPunctuationRunes 是「消费干净」判定允许剩下的标点与空白。
const retentionPunctuationRunes = "，。！？、；：…～~·－-,.!?;:()（） \t\n"

// retentionTimelyQueries 是 N4 的时效性**查询整句**词表（不是单词，理由见
// judgeRetentionTimelyData）。
func retentionTimelyQueries() []string {
	return []string{
		"现在几点", "几点了", "现在时间", "当前时间",
		"今天天气", "明天天气", "天气怎么样", "天气如何", "天气怎样",
		"温度多少", "多少度", "气温多少",
	}
}

// retentionAskPrefixes 是 N3 的祈使开头词表。
func retentionAskPrefixes() []string {
	return []string{
		"帮我", "请帮", "麻烦帮", "帮个忙", "提醒我", "叫我", "替我",
		"给我订", "给我买", "帮我查", "帮我搜", "帮我订", "帮我买",
	}
}

// retentionOneOffActions 是 N5 的一次性动作词表（位置不限 —— 它们描述的是
// 「转一次文件」这类有始有终的动作，而不是可以长期成立的偏好）。
func retentionOneOffActions() []string {
	return []string{
		"转成pdf", "转成 pdf", "转换成", "截图", "打开这个", "关掉这个",
		"搜一下", "查一下", "翻译一下", "订个闹钟", "设个闹钟",
	}
}

// retentionConstraintMarkers 是「**具体约束**」的词项（护栏②与 N6/N7 共用）：
// 禁忌 / 硬性要求 / 频次与时间规律。它是「这条记忆将来会被用上」的可执行证据。
//
// ⚠️ 只收**能落到行动**的词：把「喜欢/讨厌」这类偏好词收进来就等于取消护栏②
// 的意义（它们已经在 tidyHabitMarkers 里当锚点，锚点 + 锚点不构成约束）。
func retentionConstraintMarkers() []string {
	return []string{
		// 禁忌 / 硬性要求（主人明确的「不要做 X」）
		"不要", "不准", "不许", "不能", "禁止", "必须", "一定要", "记得", "别忘",
		// 频次 / 时间规律
		"每天", "每日", "每晚", "每早", "每周", "每月", "每年", "每个",
		"按时", "定期", "定量", "固定",
		// 量化边界
		"不超过", "至少", "最多", "以内", "不少于",
	}
}

// retentionTimepointMarkers 是 N6 的**指示性时点词**（一次性事件的信号）。
//
// 🔴 两张表都**不收**「周期性时段词」：晚上/早上/中午/周末/工作日 —— 它们说的是
// 规律而不是某个时刻，收进来会让人把作息习惯判成一次性事件（M27 §4 R4 实测：
// 把这类词当锚点，误杀从 ~8% 升到 ~35%）。也**不收**「目前/现在/当下/这段时间」
// 这类**当前状态**词：实测它们命中的是「用户目前生活在花溪」「用户现在有工作」
// 这类**地点 / 职业事实**，正是最不该过期的一类。
func retentionTimepointMarkers() []string {
	return []string{
		"今天", "明天", "后天", "昨天", "前天",
		"今晚", "明晚", "昨晚", "今早", "明早",
		"刚才", "刚刚",
		"这两天", "这几天", "这阵子",
		"本周", "这周", "下周", "上周", "下个月", "本月",
		"最近", "近期",
	}
}

// retentionInProgressMarkers 是 N7 的「进行中状态」词（有始有终的状态，
// 不是长期事实）。它们比时点词更弱，因此 N7 与 N6 共用同一组安全阀。
func retentionInProgressMarkers() []string {
	return []string{"正在", "暂时", "眼下", "这会儿"}
}

// retentionHardDurableMarkers 是 N6/N7 的**硬性长期事实词**：命中即放行。
//
// 它是 retentionDurableMarkers **减去「约定/承诺/答应/说好」** 的差集，理由：
// 那四个词是「锚定到某个时刻的安排」，配上时点恰恰是临时记忆（「约定下周留个
// 午后」→ 下周过去就没意义了）；而「住/职业/工作/生日/过敏/称呼/项目/端口…」
// 说的是**不会因为一个时刻而过期**的事实，标题里带「今天」也不许判临时。
func retentionHardDurableMarkers() []string {
	appointments := map[string]struct{}{"约定": {}, "承诺": {}, "答应": {}, "说好": {}}
	markers := make([]string, 0, len(retentionDurableMarkers()))
	for _, m := range retentionDurableMarkers() {
		if _, ok := appointments[m]; ok {
			continue
		}
		markers = append(markers, m)
	}
	return markers
}