技术摘要：私人词源学与关系性重用

问题陈述

当前的长期人机对话系统具备持久化人格、用户画像和记忆检索的能力。然而，它们缺乏一个清晰的设计模型来管理二元特定符号表达（例如，内部笑话、个人习语、共享引用）随时间演进的过程。虽然系统可以存储事实或偏好，但难以实现以下目标：

1. 记录特定表达如何获得其含义的溯源过程（谁提出的，如何协商的，以及是否被接受）。
2. 验证双方是否仍然接受该符号当前的含义。
3. 在后续会话中安全地重用这些表达，而无需重新解释其完整的上下文。

现有的记忆系统将关系特定的历史视为次要问题，往往无法区分模型对共享含义的推断与实际存在的相互认可证据。这一差距阻碍了 AI 智能体参与构成亲密关系的“关系微文化”（relational microcultures）的真实过程。

方法论与设计方法

本文提出了私人词源学（Private Etymology）——一种机器可表示的关系溯源模型，以及一个具备溯源意识的关系重用模型。

核心概念

• 私人词源学： 定义为一种针对特定伙伴的历史记录，而非秘密记录。它是对二元特定符号表达如何被提出、解释、协商、修复、重用、修订、稳定、质疑、遗忘或退役的结构化描述。它区分了交互轨迹（事件序列）与关系溯源（支持当前含义的证据与来源）。
• 共享符号： 一种紧凑的形式（表情符号、短字符串、声音等），其情境化解释是在特定的真人–AI 关系内共同建立的。它压缩了命题内容、情感立场、语用力量以及关系蕴含。
• 关系重用： 跨会话地激活共享符号，而无需完全重述其含义，依赖于累积的交互历史。

技术架构

本文引入了一个设计模式和一个工作原型，以使这些概念具象化：

1. 符号级表示：

   • 系统存储一个 JSON 式的模式，将当前解释与支持该解释的证据分离。
   • 字段包括 symbol_id（符号 ID）、form（形式）、status（状态，如：提议、建立、质疑）、current_interpretation（包含命题、情感、语用及关系维度的当前解释）以及 private_etymology（包含事件、溯源状态及人类确认标记的私人词源学）。
   • 至关重要的是，系统区分了 evidence_grounded（基于证据落地）记录与 model_inferred_unconfirmed（模型推断且未确认）记录，以防止 AI 伪造起源。

2. 生命周期管理：

   • 符号经历以下状态：提议 (Proposed) $\rightarrow$ 协商 (Negotiated) $\rightarrow$ 新兴 (Emerging) $\rightarrow$ 建立 (Established) $\rightarrow$ 质疑 (Contested) $\rightarrow$ 退役 (Retired)。
   • 系统支持检查、修订、退役或删除符号及其溯源的过程，确保用户对关系微文化的控制权。

3. 原型实现（Apple Watch）：

   • 范围： 一个在 Apple Watch 复杂功能（complication）上显示 1–3 个图形符号的受限原型。它尚未存储完整的溯源或含义历史，但测试了准入控制层。
   • 证据分类： 大语言模型（LLM）对离散的对话证据（例如：explicit_request [明确请求]、user_reuse [用户重用]、assistant_proposal [助手提议]）以及布尔因子（例如：positive_affect [积极情感]、user_designated_symbol [用户指定的符号]）进行分类。
   • 确定性授权： LLM 不输出置信度分数或更新决策。相反，本地确定性代码（Dart）根据基础分值和加分项计算一个基于证据权重的得分。
   • 更新策略： 只有在满足以下条件时才授权更新：
     • 证据类型是符合条件的（例如：需要用户确认；仅靠 AI 的提议是不够的）。
     • 得分达到阈值（例如：$\ge 80$）。
     • 符号形式有效。
   • 隐私： Watch 仅接收图形字符串和时间戳。原始对话文本、证据得分和推理过程保留在配对的 iPhone 上。

主要贡献

本文做出了三个主要贡献：

1. 二元特定表达的操作化： 它将共享符号定义为面向持久性人–AI 关系的、具备溯源意识的微文化单元，超越了简单的记忆存储。
2. 私人词源学模式： 它引入了一种符号级表示，将当前的解释与基于证据形成的过程、修复、重用和质疑联系起来。这包括一个生命周期模型和一个机器可读的模式。
3. 关系重用设计说明： 它识别了跨会话重用的需求、失效模式以及假设的关系功能。它提出，成功的重用可以导致默契的关系确认（tacit relational reaffirmation），即对符号正确解释的运用，能隐性地强化共享历史和二元关系的独特性。

结果

本文报告了一个在 Apple Watch 和配对 iPhone 上实现的工作原型。

• 功能性： 系统能够成功分类对话证据，应用确定性评分规则，并在严格满足资格标准时才更新 Watch 复杂功能。
• 安全机制： 原型证明了模型的解释可以与关系历史分离。通过要求显式的用户证据（例如：重用或确认）并使用本地代码进行决策，系统防止了 AI 单方面“幻觉”出共享含义或根据其自身提议来更新符号。
• 结果局限性： 本文明确指出，该原型是一个准入控制层，而非私人词源学的完整实现。它尚未存储完整的含义历史、生命周期状态或详细的溯源事件。关系确认假设尚未得到实证验证。

意义与主张

本文认为其意义不在于发明了共享符号或关系微文化（这些在人类传播研究中已有详尽记载），而在于将这些概念整合进一个持久、可修订且基于证据的系统模型中，用于处理人–AI 关系。

• 理论转向： 它主张关系特定的符号应被视为具有自身溯源性的第一类系统对象，而非静态的记忆值或装饰性的个性化内容。
• 信任与问责： 通过使符号的起源和演进变得可检查且可质疑，该设计旨在防止“虚假的亲密感”，并确保 AI 不会声称拥有其并不具备的个人记忆或情感体验。
• 未来议程： 本文概述了一个纵向研究议程，旨在测试显式的私人词源学如何影响延迟重用的准确性、感知到的共享历史以及用户信任。它建议通过对比具有与不具备显式溯源系统的表现，来隔离“共同创造”与“单纯记忆存储”所产生的效果。

总之，本文提出将私人词源学作为一种基础设施，使对话智能体能够在变化的、关系性的微文化中参与其中，同时避免编造起源，或将关系含义视为固定不变，并确保系统的行为始终基于可验证的交互证据。