README.md

2.8 隔离：一起整理还是逐条整理

怎么跑

op run --env-file experiments/aib.env -- .venv/bin/python experiments/2_8_isolation/run.py

接口是 AI Builder Space，模型为 deepseek-v4.1-flash 和 gemini-3.8-flash。输入是 corpus/transcripts_grok.json（见 corpus/README.md）。实验设计写在 run.py 顶部的说明里，原始输出在 out_*.json，汇总在 results*.json。

结果（2026-10-14，与 contracts/source_contract.md 的 B7 一节同步）

• 做法：28 条工作和生活备忘，附名单，比两种处理方式，各跑 3 次，temperature 0。
  • 一种是放进同一个窗口一起整理，输入约 1.5K token；
  • 一种是每条一个干净的窗口。
• 串扰（某条备忘里冒出这条原本没有的人名）：两个模型、两种方式、各 3 次，全部是 0。
• 人名写对：

• 逐条隔离时 deepseek-v4.1-flash 漏掉的 7 处，都是识别结果离真名很远的情况：

  • 米勒（糜乐）；
  • 童心然、童欣然（仝欣然）；
  • 起销、齐骁（祁骁）；
  • 矿敏（邝敏）。

• 只看一条，它拿不准“米勒”是不是名单上的糜乐，就没有改。一起整理时，这 7 处全改对了。

• 例子：同一个实习生祁骁，在 W03 和 W18 里被识别成“齐肖”，在 W10 里被识别成“起销”。放在一起看，再加上名单里写着“祁骁：实习生”，以及 W18 里的“实习周报”，就对得上了。

• 这个解释是我们的解读，不是实验单独测出来的结论，正文要这样标明。gemini-3.8-flash 逐条处理也全对，说明这种差别因模型而异。
• 隔离的价值，在内容不相干、或者窗口里堆满了别的任务残留的时候才出现。见 C 部分 Chroma 的干扰项结果和 babysit 一文的构建日志例子。