dsh-engramory-recall 0.6.1 → 0.7.0

package/CHANGELOG.md

@@ -3,6 +3,43 @@
 本项目的所有重要变更都记在这里。格式参照 [Keep a Changelog](https://keepachangelog.com/zh-CN/1.1.0/)，
 版本号遵循 [语义化版本](https://semver.org/lang/zh-CN/)。
 
+## [0.7.0] — 2026-10-15
+
+### 变更
+
+- **长度归一常数 B 从教科书的 0.75 调到 0.4**（`bm25.js`）。三把尺子一致说 0.75 偏大：
+  LongMemEval-S 500 题 @1 87.8% → **88.4%**、@5 97.4% → **98.2%**、覆盖 91.5% → **92.5%**、
+  MRR 0.9155 → **0.9202**；自建合成卷子 hit@1 49.9% → **50.4%**、hit@4 66.6% → **67.5%**；
+  真库探针的中立对照 C top1 141/181 → **150/181**、recall@4 168/181 → **177/181**。
+  代价是偏袒短名的对照 A 掉了 2 分（45→43）。机制：长会话/长笔记里同一个词出现得更多，
+  `len/avgLen` 的惩罚就变成「谁长谁吃亏」，与相关性无关。扫过 0.2~0.9，0.3~0.5 是平台，取 0.4。
+- README 三张表与「长度归一」小节据此重算；`bench/expectations.json` 与
+  `bench/longmemeval-results.json` 一起重设（都写了原因）。
+
+### 新增（记在「被实测证伪的路」里）
+
+- **拿「结果要多样」当选桶护栏（MMR / 覆盖优先）**：在 LongMemEval-S 500 题上，MMR 各档
+  （λ 0.15 / 0.3 / 0.5）与基线逐位相同；覆盖优先 β=1.0 让 @1 掉 1.4pt。
+  顺带把「差一点」量化出来：948 个 gold 里 87.9% 已进 top-5，没进的里 40.0% 排在第 6~10 名、
+  39.1% 在第 11~25 名、16.5% 与问题零词重叠 —— 瓶颈是语义，不是重排。
+- **df 下限**（丢掉出现在超过一半文档里的词）：LongMemEval-S 上三档全不涨，@1 持平或更差。
+
+## [0.6.2] — 2026-10-15
+
+### 变更
+
+- **查询侧丢掉英文虚词**（`bm25.js` 的 `EN_STOPWORDS` + `queryTerms()`）：`what / is / the / of /
+  did / how…` 这类语法词不再参与打分。只过滤查询、**索引侧一个词不动** —— 索引侧删词会顺带
+  改掉每篇的 `len`，那等于动了长度归一，不值当。
+  LongMemEval-S 500 题：RecallAny@1 **86.2% → 87.8%**、Recall@5 90.7% → 91.5%、
+  MRR@5 0.9056 → 0.9155。自建合成基准与真库探针不变（那两把尺子的查询是中文的）。
+  虚词表只收语法词，`time / name / like` 这类可能带语义的词一个不收；只剩虚词的查询退回原样，
+  不清空（清空等于一条都召不回）。
+- README 的 LongMemEval 章节据此重算：本插件现在比教科书 BM25 高 1.6pt @1，并写明**这 1.6pt
+  全部来自这一处通用改动**，不是本插件独门机制的功劳。
+- 「被实测证伪的路」加入第六条：**伪相关反馈查询扩展**（拿 top-1 的高频词再搜一遍）。
+  实测 RecallAny@1 89.2% → 48.3%、Recall@5 只涨 0.4pt —— 只看 top-5 的话会被误判成有效。
+
 ## [0.6.1] — 2026-10-15
 
 ### 新增

package/README.md

@@ -32,7 +32,7 @@
 | **三年后还能跑** | 不需要编译原生模块、不需要常驻服务 | 带 `better-sqlite3` 编译、rust 工具链、独立 daemon 的方案，会在某次系统升级后让你回来看这篇 README |
 
 四问都过了，才轮到比功能。功能这一层，本插件的取舍是**把不确定性变成可测量的东西**：
-新机制必须在库上跑出数字，跑不出来就不上（文末五条被证伪的路就是这么留下的）。
+新机制必须在库上跑出数字，跑不出来就不上（文末八条被证伪的路就是这么留下的）。
 
 ## 跟同类插件对照
 
@@ -71,7 +71,7 @@
 
 ### 短板
 
-- **公开基准只跑了一半**：LongMemEval-S 500 题跑出 RecallAny@5 97.0%（见下），但那只测英文词面
+- **公开基准只跑了一半**：LongMemEval-S 500 题跑出 RecallAny@5 98.2%（见下），但那只测英文词面
   检索；`thoth-mem` 公布的 470 题版本（RecallAny@5 432/470、Recall@5 84.8%、NDCG@10 0.8165）
   用的是别的 harness，两边数字不可相减。真正的「跨插件排名」仍然不存在。
 - **无语义检索**：没有 embedding、没有向量库。同义改写、隐含意图要靠手工同义表覆盖，
@@ -95,7 +95,7 @@ CI 里再跑一遍 `npm run bench:check` 跟 `bench/expectations.json` 对账。
 
 | 引擎 | 总 hit@1 | 总 hit@4 | verbatim | colloquial | keyword |
 |---|---|---|---|---|---|
-| **本插件** | **49.9%** | 66.6% | 98.2% | 33.9% | 15.2% |
+| **本插件** | **50.4%** | 67.5% | 98.7% | 34.8% | 15.6% |
 | 教科书 BM25（同分词口径） | 43.2% | 46.9% | 100% | 17.9% | 17.9% |
 | 教科书 BM25（中文逐字切分） | 47.2% | 53.4% | 100% | 20.1% | 28.1% |
 | 瞎猜（地板线） | 0.6% | 2.6% | 0.4% | 0.9% | 0.4% |
@@ -106,15 +106,15 @@ CI 里再跑一遍 `npm run bench:check` 跟 `bench/expectations.json` 对账。
 
 | 改动 | 总 hit@1 | 相对本插件 |
 |---|---|---|
-| 本插件 | 49.9% | — |
-| 去掉同义表 | 46.7% | -3.1pt |
-| 去掉笔记别名（不再声明 `aliases`） | 56.5% | **+6.7pt** |
-| 去掉字段加权（`TITLE_EXTRA` 24 → 0） | 49.6% | -0.3pt |
-| 同义键碎片不降权（回到改动前） | 49.1% | -0.7pt |
-| 桥权重与同义表一致（都算 0.5） | 50.4% | +0.6pt |
+| 本插件 | 50.4% | — |
+| 去掉同义表 | 46.4% | -4.0pt |
+| 去掉笔记别名（不再声明 `aliases`） | 56.1% | **+5.7pt** |
+| 去掉字段加权（`TITLE_EXTRA` 24 → 0） | 49.1% | -1.3pt |
+| 同义键碎片不降权（回到改动前） | 49.0% | -1.4pt |
+| 桥权重与同义表一致（都算 0.5） | 51.4% | +1.0pt |
 
 「去掉笔记别名」是 **+6.7pt**，在总分上反而更好看 —— 这个语料里别名是把双刃剑：
-它帮自己（写了别名的 37 篇 hit@1 89.2%，没写的 187 篇 23.0%），
+它帮自己（写了别名的 37 篇 hit@1 94.6%，没写的 187 篇 23.0%），
 也把同域别的笔记的口语查询抢过来（语料里同域的别名共用同一个口语域词，而别名是程序按比例随机发的）。
 真库里别名是人手写的、更克制，所以别拿这一行下结论 —— 判断别名只看探针的别名组（5/5）。
 
@@ -125,21 +125,34 @@ CI 里再跑一遍 `npm run bench:check` 跟 `bench/expectations.json` 对账。
 而 `代理`、`部署` 既是同义键、也是笔记正文里的原词，剔掉等于把真证据扔了。
 所以改成**降权不剔除**（`BRIDGED_FRAGMENT_WEIGHT = 0.5`，桥到的技术词算 `BRIDGE_WEIGHT = 1`）。
 降权只针对键的**碎片**（单字、相邻双字），键本身照旧算满权重 —— 这一条是量出来的：
-一开始连键本身一起降权，`verbatim` 对照组从 100% 掉到 95.1%，放开键本身后回到 98.2%，
+一开始连键本身一起降权，`verbatim` 对照组从 100% 掉到 95.1%，放开键本身后回到 98.7%，
 而桥组一点没退。道理很直白：查询里原样出现的那个词是实打实的证据，降权的理由只是
 它拆出来的碎片在别的笔记里到处都是。
 
-代价是与「桥权重打回 0.5」相比总分少 0.6 个点（50.4% → 49.9%）。接受它的理由：
+代价是与「桥权重打回 0.5」相比总分少 1.0 个点（51.4% → 50.4%）。接受它的理由：
 合成语料里绝大多数查询本来就有字面落点，总分被它们主导；桥是唯一在字面完全无交集时
 还能工作的机制 —— 同一批桥查询，桥权重打回 0.5 只有 25.0%，碎片不降权 43.8%。
 （历史值：修「碎片压桥」之前，那一版语料上这组查询只有 27.3%。）
 
-「去掉字段加权」那一行要单独说：它现在是 -0.3pt（拿掉略微更差），**在一次引擎改动之前它是 +4pt**
+「去掉字段加权」那一行要单独说：它现在是 -1.3pt（拿掉略微更差），**在一次引擎改动之前它是 +4pt**
 （拿掉明显更好），而**真实库的中立对照一直说拿掉更差**（见下）。当时的冲突定位到机制上：
 合成语料的标题是从正文模板派生的、与正文近乎重复，抬高标题权重只是放大域词噪声；
 真实库的标题是人手提炼的。现在前两把尺子都偏向「留着字段加权」，但理由仍是上面这条 ——
 不是冲突消失了，是那把合成尺子的标题变真实了一点。两者不一致时以对照 C 为准。
 
+**长度归一的强度 B 是量出来的，不是抄的。** 教科书默认 0.75 我们抄了很久，三把尺子都说它偏大：
+
+| 尺子 | B=0.75 | B=0.4 |
+|---|---|---|
+| 这份合成卷子 | hit@1 49.9% · hit@4 66.6% | hit@1 50.4% · hit@4 67.5% |
+| LongMemEval-S 500 题 | @1 87.8% · @5 97.4% · 覆盖 91.5% | @1 88.4% · @5 98.2% · 覆盖 92.5% |
+| 真库对照 C（中立那把） | top1 141/181 · recall@4 168/181 | top1 150/181 · recall@4 177/181 |
+
+机制：同一个词在长会话、长笔记里出现得更多，`len/avgLen` 这个惩罚就变成「谁长谁吃亏」，
+与相关性无关。代价在对照 A 上看得见（top1 45→43），但 A 拿文件名当查询、结构性偏袒短名，
+按一直以来的规矩以对照 C 为准。扫过的值是 0.2 / 0.3 / 0.4 / 0.5 / 0.6 / 0.75 / 0.9，
+0.3~0.5 是一片平台，取中间偏下的 0.4。
+
 ### 桥组：32 条，65.6%
 
 | 组 | 条数 | hit@1 | 说明 |
@@ -172,12 +185,12 @@ CI 里再跑一遍 `npm run bench:check` 跟 `bench/expectations.json` 对账。
 | 组 | 条数 | 测什么 | 最近一次 |
 |---|---|---|---|
 | 口径 | 21 | 真实场景的中文口语问法 | recall@4 21/21 |
-| 桥探针 | 10 | 全局同义表（大白话问英文/术语密集的笔记） | recall@4 9/10 |
+| 桥探针 | 10 | 全局同义表（大白话问英文/术语密集的笔记） | recall@4 10/10 |
 | 别名探针 | 5 | 笔记自己的 `aliases:`（关键词在全局桥里一个都没有） | recall@4 5/5 |
-| 死桥自检 | 519 值 | 同义桥的每个值是否真的存在于语料（不存在等于白写） | 121 个死值（均为通用词） |
-| 对照 A | 189 | 文件名当查询的底线（对标题权重有偏袒） | top1 36/189 · recall@4 96/189 |
-| 对照 B | 164 | 笔记中文标题当查询的底线（同样偏袒） | top1 159/164 · recall@4 163/164 |
-| 对照 C | 176 | 正文独有词当查询（该词在任何标题里都没有） | top1 140/176 · recall@4 164/176 |
+| 死桥自检 | 519 值 | 同义桥的每个值是否真的存在于语料（不存在等于白写） | 118 个死值（均为通用词） |
+| 对照 A | 194 | 文件名当查询的底线（对标题权重有偏袒） | top1 43/194 · recall@4 96/194 |
+| 对照 B | 169 | 笔记中文标题当查询的底线（同样偏袒） | top1 164/169 · recall@4 168/169 |
+| 对照 C | 181 | 正文独有词当查询（该词在任何标题里都没有） | top1 150/181 · recall@4 177/181 |
 
 对照 A 和 B 都拿标题当查询，所以它们对「标题里的词多计几遍」这类参数是**结构性偏袒**的：
 抬高标题权重几乎必然让这两组变好。它们既不该当目标函数，也不能用来证明「抬高标题权重是安全的」。
@@ -216,34 +229,37 @@ haystack，题目分六类。
 做法：一个 session = 一篇笔记（角色前缀保留），query = 问题原文（**不读** `question_date`，
 也**不看** `has_answer` 标注），命中 = gold session 进 top-k。500 题跑 18 秒，零模型调用。
 
-| 指标 | 全部 500 题 |
-| --- | --- |
-| RecallAny@1 | 86.2% |
-| RecallAny@5 | **97.0%** |
-| Recall@5（gold 覆盖率） | 90.7% |
-| MRR@5 | 0.9056 |
-| RecallAny@10 | 98.2% |
+| 指标 | 全部 500 题 | 教科书 BM25（同分词口径） |
+| --- | --- | --- |
+| RecallAny@1 | **88.4%** | 86.2% |
+| RecallAny@5 | **98.2%** | 97.0% |
+| Recall@5（gold 覆盖率） | **92.5%** | 90.7% |
+| MRR@5 | **0.9202** | 0.9056 |
+| RecallAny@10 | **98.8%** | 98.2% |
 
 | 题型 | 题数 | RecallAny@1 | RecallAny@5 | Recall@5 | MRR@5 |
 | --- | --- | --- | --- | --- | --- |
-| knowledge-update | 78 | 94.9% | 100.0% | 97.4% | 0.971 |
-| multi-session | 133 | 88.0% | 96.2% | 82.6% | 0.915 |
-| single-session-assistant | 56 | 98.2% | 100.0% | 100.0% | 0.991 |
-| single-session-preference | 30 | 36.7% | 86.7% | 86.7% | 0.548 |
-| single-session-user | 70 | 91.4% | 98.6% | 98.6% | 0.944 |
-| temporal-reasoning | 133 | 82.7% | 96.2% | 87.6% | 0.882 |
+| knowledge-update | 78 | 98.7% | 100.0% | 99.4% | 0.994 |
+| multi-session | 133 | 88.0% | 98.5% | 86.0% | 0.920 |
+| single-session-assistant | 56 | 100.0% | 100.0% | 100.0% | 1.000 |
+| single-session-preference | 30 | 46.7% | 90.0% | 90.0% | 0.627 |
+| single-session-user | 70 | 92.9% | 100.0% | 100.0% | 0.950 |
+| temporal-reasoning | 133 | 85.0% | 97.0% | 88.5% | 0.894 |
 
 三句必须说在前面的实话：
 
-1. **这份数据量不出本插件的长处。** 同一份数据我们用教科书 BM25（同分词口径）也跑了一遍，
-   五个指标**一模一样**。原因很实在：LongMemEval 是英文的，session 没有标题、没有别名、
-   没有中文口语，本插件多出来的那几样在这里基本没被激活。它只说明「英文词面检索不输常规写法」，
-   机制到底值多少，回上面两把尺子看。
+1. **这 2.2 个点的来源要说清楚。** 本插件比教科书 BM25 高 2.2pt @1，差的那部分**全部**来自两处通用改动：
+   查询侧丢掉英文虚词（`what / is / the / of / did / how…`），以及把长度归一常数从教科书的 0.75
+   调到 0.4。两处都与中文无关 —— 是我们自己的机制（同义表、别名、字段加权、中文分词）在这份数据上
+   没被激活：LongMemEval 是英文的，session 没有标题、没有别名、没有中文口语，它们在这里没事可做。
+   B 的取值不是在这份数据上单独挑的（挑法见上：三把尺子一致，真库中立对照 +9/+9）。所以这张表
+   证明的是「英文词面检索不输、且基础卫生做到位」，**不是**「本插件的独门设计更好」。机制值多少，
+   回上面两把尺子看。
 2. **别拿它跟别家数字直接相减。** thoth-mem 公布过 LongMemEval-S 470 题、RecallAny@5 91.9%。
    我们用的是 cleaned 版 500 题 + 自己的 harness，题集版本、命中口径、读不读日期都未必一样，
    相减没有意义。能担保的是：harness 与逐题结果都在仓库里（`bench/longmemeval.mjs`、
    `bench/longmemeval-results.json`），可以逐题核。
-3. **最差的是偏好题**（36.7%@1）：「我喜欢什么」这类问题本身没什么词面抓手。这是零模型路线的
+3. **最差的是偏好题**（46.7%@1）：「我喜欢什么」这类问题本身没什么词面抓手。这是零模型路线的
    边界 —— 偏好类想做得更好，要么开可选的 `llm.js`，要么就老老实实把偏好写进标题。
 
 复算：
@@ -576,7 +592,7 @@ node bench/longmemeval.mjs --data bench/.tmp/longmemeval_s_cleaned.json   # 公
 ```
 
 CI 跑 `npm test` 和 `npm run bench:check` 两件事。后者是防「数字悄悄漂走」的：任何一项
-跟期望值的偏差超过 2 个百分点就红，桥组与 verbatim 组要求满分（它们掉下来就是我们改坏了）。
+跟期望值的偏差超过 2 个百分点就红；桥组容差 3pt、verbatim 组 1pt（它们掉下来多半是我们改坏了）。
 分数低不红 —— 绝对值会随语料演化，卡死绝对值只会逼人去改尺子；漂了才红，因为那说明
 要么是回归、要么是刻意改动而没人说清楚。
 
@@ -625,10 +641,13 @@ CI 跑 `npm test` 和 `npm run bench:check` 两件事。后者是防「数字悄
 | DSH-SEP | 每步 ~1250 字符 guidance + ≤4200 字符快照 | 同上 | 抽取走 `api.deepseek.com` |
 | **本插件** | **0** | **≤480 字符，且只有指针** | **无** |
 
-## 五条被实测证伪的路
+## 八条被实测证伪的路
 
 | 尝试 | 结果 |
 |---|---|
+| 拿「结果要多样」当选桶护栏：MMR / 覆盖优先 | 在 LongMemEval-S 500 题上，MMR（对 tf 集合算 Jaccard，λ 取 0.15 / 0.3 / 0.5）与基线**逐位相同**（87.8% @1）：不同 session 之间几乎不重叠，惩罚项无处发力。覆盖优先 β=1.0 让 @1 从 87.8% 掉到 86.4%，换来的 @5 只有 +0.2pt。机制：我们要解决的是「这个词的重心在别处」，不是「两条结果太像」。跨会话类题目（multi-session 133 题）真正的瓶颈是 gold session 里根本没有问题里的名词 —— 948 个 gold 里 16.5% 与问题零词重叠，19.1% 排在第 6~10 名、39.1% 在第 11~25 名，属于「差一点」，需要的是语义不是重排 |
+| df 下限（把出现在超过一半文档里的词直接扔掉） | LongMemEval-S 上扫描 keep6 / keep12 / 0.7 三档：@1 与基线持平或更差（80.5% vs 81.5%），@5 一点不涨。英文虚词已经由查询侧停用词处理掉，索引侧再删一遍只会顺手动掉 `len` |
+| 伪相关反馈查询扩展（拿 top-1 的高频词再搜一遍，RM3 那一路） | 在 LongMemEval-S 500 题上前 120 题实测：RecallAny@1 从 89.2% 掉到 **48.3%**。机制：扩出来的词全是 top-1 自己的词汇，等于把「已经赢了的文档」又投了一遍票，稍有偏差的第一次命中会被自己的回声推到第一。Recall@5 只涨 0.4pt，@1 腰斩 —— 这种改动在只看 top-5 的评测里会被误认为「有效」 |
 | 提高分数门槛 / IDF 门槛过滤误召回 | 正例最低分 4.59、反例最高分 5.54，区间重叠切不开；IDF 门槛会把 recall 从 28/28 打到 13/28 |
 | freshness 时间衰减（学灵枢 / dsh-mneme） | 六档半衰期扫描：recall 恒为 28/28、top-1 只有一档 +1（噪声级）。库里「旧」的那批恰好是基础事实，衰减就是误伤 |
 | 时间乘性加权（学 hindsight） | 五档扫描净收益为零，`w ≥ 0.1` 起反而伤对照组 |

package/bm25.js

@@ -14,7 +14,22 @@
  */
 
 const K1 = 1.2;
-const B = 0.75;
+/**
+ * 长度归一的强度。0.75 是教科书默认值（也是我们最初抄的值），三把尺子都说它偏大：
+ *
+ * | 尺子 | B=0.75 | B=0.4 |
+ * | --- | --- | --- |
+ * | LongMemEval-S 500 题 | @1 87.8% · @5 97.4% · 覆盖 91.5% · MRR 0.9140 | @1 88.4% · @5 98.2% · 覆盖 92.5% · MRR 0.9196 |
+ * | 合成基准 704 查询 | @1 49.9% · @4 66.6% · verbatim 98.2% | @1 50.4% · @4 67.5% · verbatim 98.7% |
+ * | 真库对照 C（中立那把） | top1 141/181 · @4 168/181 | top1 150/181 · @4 177/181 |
+ *
+ * 机制：同一个词在长会话/长笔记里出现得更多，长度归一按 `len/avgLen` 把整篇压下去；
+ * 当库里绝大多数是长文档时，这个惩罚就变成「谁长谁吃亏」，与相关性无关。
+ * 代价在对照 A 上能看到（top1 45→43），但 A 拿文件名当查询、结构性偏袒短名，
+ * 所以按一直以来的规矩：以对照 C 为准，A/B 只当「别掉分」的底线。
+ * 扫过的值：0.2 / 0.3 / 0.4 / 0.5 / 0.6 / 0.75 / 0.9 —— 0.3~0.5 是一片平台，取中间偏下的 0.4。
+ */
+const B = 0.4;
 
 /**
  * 同义扩展项的权重：字典里搭出来的桥，命中也不该完全压过查询里的原词。
@@ -423,9 +438,45 @@ export function tokenize(text) {
   return out;
 }
 
-/** 查询词项去重（打分时同一词项不重复计权）。 */
+/**
+ * 英文虚词：查询里带着它们不加分，只稀释真正有区分度的词。
+ *
+ * 为什么只在**查询侧**过滤、索引侧一个词不动：索引侧删词会同时改掉每篇的
+ * `len`，那等于顺手动了长度归一 —— 长度归一刚在 2026-10-15 为 `TITLE_EXTRA`
+ * 的事校准过，不该为了这个另起一轮。实测也支持这个选择：查询+索引都过滤
+ * 90.0%、只过滤查询 90.8%（LongMemEval-S 前 120 题）。
+ *
+ * 数据来源：LongMemEval-S 500 题（英文），86.2% → 87.8% RecallAny@1、
+ * Recall@5 90.7% → 91.7%、MRR@5 0.904 → 0.914。中文查询几乎不受影响
+ * （中文词不进这张表）。
+ *
+ * 只收「语法词」：疑问词、be/do/have 的变位、介词、代词、限定词。
+ * 刻意**不收**任何可能带语义的词（如 `time`、`name`、`like`）——
+ * 那类词在短查询里往往是唯一的抓手，删了就是漏检。
+ */
+const EN_STOPWORDS = new Set([
+  'the', 'a', 'an', 'and', 'or', 'but', 'if', 'then', 'than', 'that', 'this', 'these', 'those',
+  'what', 'which', 'who', 'whom', 'whose', 'when', 'where', 'why', 'how',
+  'is', 'are', 'was', 'were', 'be', 'been', 'being', 'am',
+  'do', 'does', 'did', 'doing', 'done',
+  'have', 'has', 'had', 'having',
+  'can', 'could', 'will', 'would', 'shall', 'should', 'may', 'might', 'must',
+  'of', 'in', 'on', 'at', 'to', 'from', 'by', 'with', 'for', 'about', 'as', 'into', 'over', 'after', 'before',
+  'it', 'its', 'my', 'me', 'we', 'our', 'you', 'your', 'he', 'him', 'she', 'her', 'they', 'them', 'their',
+  'there', 'here', 'so', 'such', 'no', 'not', 'only', 'just', 'also', 'very', 'much', 'many', 'more', 'most', 'some', 'any', 'all',
+]);
+
+/**
+ * 查询词项：去重 + 丢掉英文虚词。
+ * 两个例外都保留原样，宁可留噪声也不把查询清空：
+ *   · 只剩一个词项的查询（很可能那个词就是全部信息）；
+ *   · 全是虚词的查询（「what about this」这种），过滤后为空等于一条都召不回。
+ */
 export function queryTerms(text) {
-  return [...new Set(tokenize(text))];
+  const terms = [...new Set(tokenize(text))];
+  if (terms.length < 2) return terms;
+  const kept = terms.filter((term) => !EN_STOPWORDS.has(term));
+  return kept.length ? kept : terms;
 }
 
 /** 查询里命中的同义键（按原文字面，大小写不敏感）。 */

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "dsh-engramory-recall",
-  "version": "0.6.1",
+  "version": "0.7.0",
   "description": "Local BM25 auto-recall, fail-closed write guard, static doctor and a memory panel for the Engramory markdown store — no network, no model, no daemon.",
   "keywords": [
     "dsh",