v0.2 · 单元级实测

记忆一致性实测 v0.2：mnemon 的存储层，9/10 通过

测试日期：2026-10-20 · 规范 CONSISTENCY v0.2 · 被测 @mnemon-dev/mnemon@0.2.12 · macOS arm64 · 无 embedding

结论
1. 10 项检查 9 通过，唯一失败是矛盾事实不 supersede：新旧两条并存、都当 active。
2. 失败不是偶发：两轮独立复跑逐条一致。
3. 比失败更值得写的是：默认 hybrid 检索在共享前缀语料下排序崩坏，目标进不了前 10，而同一份数据用 search 稳定第 1。
4. embedding 对照组已补测：检测升级为 CONFLICT（0.92），动作仍是 added——根因坐实为「只标注、不消解」，与装没装模型无关。

为什么换了个测法

v0.1 测「跨会话记得住」，结论是证伪的：不装插件的基线也能过，因为 DSH 宿主自己会持久化 AGENTS.md 与会话缓存。所以 v0.2 改测三件确定性的事：记得对不对、会不会串、写得清不清楚。

被测对象

实现：@mnemon-dev/mnemon@0.2.12，CLI + darwin-arm64 原生包，纯本地 SQLite，不需要任何 Provider key；
层：存储层。CLI 之上的 dsh-mnemon 插件编排层不在本期范围；
环境：Node v24.20.0（DSH 侧）/ v22.22.2（WB 侧独立实现）· 无 embedding（embedding_available=false）。

方法

适配器由 adam-wb 只读规范独立实现（未读参考适配器），6/6 覆盖；每条 check 独立临时目录，跑完清理；
检索口径写死为 search --limit 10；hybrid recall 的排序只作附加观察，不参与判定；
判定三态：pass / fail / skip，skip 只留给「没跑起来」，单独渲染；
两轮独立复跑，逐条比对（manifest.runs.stable=true）。

结果

检查	结果	证据摘要
roundtrip	✅	写入 `action=added`，检索原文一致
persistence-across-process	✅	A 写 → 落盘 94,208 B → B 读命中
audit-trail	✅	`receipt.insight_id_hash == sha256(id)`；回执不含原文
store-isolation	✅	反向返回对方原文 0 条
contradiction	❌	新旧并存、均 active；`diff_suggestion=UPDATE` 但 `action=added`
scale-limit	✅	200 条写入 8.5s；`search` 首尾均第 1；耗时 0.95x

另有 memory-hub 4 条回归全绿，合计 9/10。

三条判据怎么判的

跨项目不串味 · 通过。判据是「是否返回对方原文」，不是「结果条数」。关键词无命中时 recall 会走时间兜底（matched_via=time），按条数判会把兜底误判成串味。
写入可审计 · 通过，但有披露。审计产物是 receipt（哈希化、可跨边界）。本地 log 会回显原文摘要——那是本地调试视图，不算跨边界泄露，但目录一旦同步出去就等于泄露。
压缩一致性 · 未通过。规范 v0.1 在这里自相矛盾（「只记录行为」vs「两个相反版本都 active = 不通过」）。v0.2 裁决按用户视角判 fail：旧结论还 active，用户就会拿到相反答案，不管根因是缺模型还是设计如此。

两条关键发现

1 · 默认检索路径会崩。200 条共享同一前缀时，search 稳定第 1，默认 recall（hybrid）进不了前 10，top1 全是 matched_via=entity、score=0.85 的陪跑。对用户的含义：记忆越多、越同质，默认检索越容易失灵。

2 · 矛盾检测只建议、不执行。diff_suggestion=UPDATE 说明它认出了相关性（相似度 0.75），库里的动作仍是 added。若定位是「建议由 agent 决定」，那是设计；若定位是「自动纠错」，那是缺陷。本期只报事实。

补充组：embedding 对照组（2026-10-20 追加）

operator：adam-wb · run 2026-10-20-memory-mnemon-embed · ollama 0.40.6 + nomic-embed-text，coverage 100% · DSH 独立复核。

观察项	无 embedding	有 embedding
`diff_suggestion`	`UPDATE`（0.75）	`CONFLICT`（0.92）
`action`	`added`	`added`
`superseded_id`	—	`null`
检索里新旧状态	两条 active	两条 active
检出排名	—	旧事实第 1（0.62）> 新事实（0.31）

fail 不是环境造成的。检测到了（CONFLICT），动作仍然缺席。按 §2.1，判 fail 成立，根因收窄为「只标注、不消解」。
旧结论排在新结论前面，比「两条并列」更糟：它长得像一个有排序依据的正确答案。
CONFLICT 贴着阈值。复核时改几个字就掉档：加 Pages → 相似度 0.787、diff_suggestion=ADD；去掉共享前缀 → 0.873、仍 CONFLICT。同一语义，措辞微调就能改变判定，这个数值不能当稳定的语义标签用。
共享前缀语料：有 embedding 后 3 次采样 2 成 1 败，按覆盖不足写，不下结论（要 ≥10 轮才够）。

旧：部署走 Cloudflare            → recall 0.62 entity
新：部署不再走 Cloudflare…Vercel   → recall 0.311 entity
第二次写入：action=added  diff_suggestion=CONFLICT  superseded_id=null  相似度 0.873

覆盖缺口（不许当成通过）

~~有 embedding 组未覆盖~~ → 已覆盖（见上方补充组），结论不变；新增缺口：共享前缀语料需 ≥10 轮采样才能判定；
插件编排层未测：CLI 之上的 provider / strategy 层不在本期；
无插件基线未跑：本期是确定性单元检查，不要与 v0.1 的行为级结果混比。

复现

cd bench/memory/unit
npm install
node run.mjs          # 人或 CI 看表
node run.mjs --json   # 机器读

证据：runs/2026-10-20-memory-mnemon/manifest.json（含适配器 / runner / 规范三份 sha256 与两轮稳定性）。

申辩与更正

作者如认为 contradiction 的判定口径不公，按方法页「作者可申辩」：举证 → 单列 → 更正留痕。本节结论不改写历史，只追加。

2026-10-20：初稿（review）。

2026-10-20：review 通过（JOJO 签字），发布。

2026-10-20：追加 embedding 对照组（operator: adam-wb，DSH 独立复核），结论不变，根因收窄。