为什么区分“被召回”和“实际被使用”？

标准回答

我把召回回执和实际使用报告分开，是因为“系统把一条记忆给了 Agent”和“Agent 真正用它完成任务”不是同一件事。

如果把被召回次数直接当作价值，高排名的记忆会因为曝光多而越来越高，形成自我强化。即使它已经不准确，也可能挤占其他候选的位置。因此 EachOf 分别记录召回与实际使用，用有边界的反馈影响排序，并允许错误标记撤回。

实际使用报告也不是绝对可信的事实。Agent 可能报告不完整，也可能使用了错误内容。因此我把它当作信号，而不是让它覆盖来源、有效性和相关性判断。没有使用报告时，也不能简单认为这条记忆没有价值。

这个机制的目标是让反馈可追踪、影响可控、错误可纠正。它属于检索排序反馈，不等同于已经训练了一套在线强化学习系统；独立量化收益还需要通过固定样本对照验证。

一条错误建议因为反复排在前面而频繁被看到，如果把曝光次数直接当价值，它可能越来越难被替换。

我会把它保留为无反馈状态，而不是直接打负分。不上报可能是客户端没有接入，也可能是任务中途结束，并不等于内容无用。在这种情况下，排序仍然依靠相关性、来源质量、时效和有效状态。反馈可以补充信息，但不应该成为系统唯一的质量依据。

要固定查询和记忆集合，比较不使用反馈、使用反馈以及撤回错误反馈后的结果，同时观察有没有热门内容被过度放大。还要区分“被更多使用”和“任务完成得更好”，两者并不等价。目前项目没有给出这组独立对照的量化结论，因此我能解释机制和验证方法，但不能把已有的 3.75 个百分点全部归给反馈系统。

不要把自报“使用”称为完全可信的真实贡献度，也不要把反馈系统说成已经完成在线强化学习。