Observe（观察提取）

从感知记忆和交互记忆中提取值得沉淀的家庭知识（成员的习惯、偏好、健康、画像，以及家居环境），累积到家庭档案。

仅在 miloco-home-dreaming cron 流程中激活，不单独使用。

读到一条观察后，按这条决策链处理：① 值不值得记 → ② 归哪一类 → ③ 和已有知识什么关系 → 落命令。下面依次展开。

⚠️ 两条绝对红线，违反即错误，优先级高于一切效率考量：

1. 禁止重复创建同一条目：同一条结论全程只能存在一个候选。写入前必须先 list，语义相同的走 merge；即使在同一次 --ops 批次内，也绝不允许为同一条结论生成多个 add（这是最常见的重复来源）。
2. 禁止编造 / 脑补人物身份：人物身份只能照搬记忆里明确写出的。记忆说"陌生人 / 未识别 / 访客 / 某个人"，就绝不能改写成"主人 / 爸爸 / 妈妈"等任何具名成员。存疑宁可不记，也不许猜。

执行步骤

1. 尝试读取昨日和今日的感知记忆 memory/YYYY-MM-DD-miloco-perception.md
2. 尝试读取昨日和今日的交互记忆 memory/YYYY-MM-DD.md
3. 执行 miloco-cli home-profile list --target both 查看已有知识（写入前的强制前置步骤，不 list 不写）
4. 从记忆中提取新知识，结合 evidence_log（完整证据列表）判断与已有条目的关系
5. 组装写入前先自查去重：把本次要写的条目与 list 结果、以及彼此之间两两比对，语义相同的合并为一个操作，确保同一条结论只对应一个 add 或 merge（详见 ③）
6. 执行 miloco-cli home-profile candidate-write 或 miloco-cli home-profile profile-write 操作

注意：步骤 1、2 中的记忆文件在当天没有相关记录时不会生成。读取失败（文件不存在）时直接跳过该文件，继续处理剩余可用的记忆源。不要重复尝试读取同一个不存在的文件。只要至少有一个记忆源有内容即可继续后续步骤；若所有文件均不存在，则本次 Observe 无输入可处理，直接结束。

① 值不值得记（提取原则）

家庭档案只有一个用途：让 agent 借它读懂每个成员的生活习惯，从而把控设备、调环境、提醒关怀做得更精准、更合各人心意。所有提取都服务于此，唯一标尺是——

核心判断：知道这条，未来能让某次「控设备 / 调环境 / 提醒关怀」更准、更贴某个具体成员的心意吗？ 能 → 记；只是"识别到了"却不会改变任何未来动作 → 丢。

感知识别结果天然嘈杂，大多数没有沉淀价值，宁缺毋滥——记一条无用信息，未来只会干扰判断。

值得记（每类都能落到具体行为上）：

不值得记（记了也用不上，直接丢）：

• 与控制 / 关怀无关的琐碎细节：用橙色手机、桌上有水杯、今天穿了什么
• 纯一次性临时状态：今天还没回来、客厅现在有人、桌上有个快递——除非反复出现、沉淀成规律
• 等于常识、无个性化增量：人晚上会睡觉、开灯要用电
• 推不出任何成员习惯的"裸识别"：仅"识别到一个人 / 一只猫"，不带可指导未来动作的信息

置信度怎么给（已判定值得记的，按性质决定单次能否入候选——候选区是"证据累积区"，低置信不等于丢弃）：

• 稳定属性（外貌/身份/体质/空间格局/设备固有特征）：属性不靠重复确认，单次观察即可入候选，confidence 取决于证据强度而非次数（如"戴黑框眼镜"）。
• 行为/偏好模式（作息/习惯/偏好）：单次以低 confidence（0.3~0.5）入候选，content 标注"疑似"，靠后续重复出现累积证据再 promote；不要因"只有一次"就丢弃可能的规律（如"工作日上午在办公室用电脑"）。

② 归哪一类（type 与 subject）

type 分类：

subject 命名规则：

• member_* 类型：subject_id 优先绑定身份库 person_id（从 miloco-cli identity member list 查得，保证映射唯一）；无法确定 person_id 时退回 subject_name = 成员名（如"爸爸"）。多成员共同适用时 subject_name = "shared"，subject_id 留空。
• family 类型：subject_name 固定为 "shared"（家庭规则天然多主体）。
• space/device 类型：subject_name = 空间名或设备名（如"主卧"、"小米空调"），通用信息 subject_name = "general"。

身份判定红线（严禁编造，最高优先级）：

subject 的人物身份只能照搬记忆里明确写出的——记忆说是谁就是谁，记忆没说就是没说，不允许任何形式的推测、脑补、"合理推断"。

• 感知记忆里出现 未识别 / 陌生人 / 访客 / "一个人" / 模糊指代（没有明确对应到某个具名成员或已绑定 person_id）时：
  • 绝不允许把它当作任何已知成员（"主人""爸爸""妈妈"等）来记。
  • 例：感知记忆写"陌生人在客厅走动" → 严禁记成"主人在客厅走动"。这是被明确禁止的错误行为。
  • 这类活动通常是一次性状态，按 ① 的原则直接丢弃；仅当确属安全相关的反复现象，才归入 member_persona、以未识别人物为主体如实记录（subject_name="未识别"，不要臆断成"访客"等具体身份，未必是访客；subject_id 留空），绝不冒名任何成员。
• 只有当记忆明确把行为/属性归到某个具名成员或已绑定的 person_id 时，才可用该成员作 subject。任何存疑一律降级为"不确定"或干脆不记。

宠物与家庭构成归类（避免误入 family）：

• family 仅指"全家共同遵守的规则/约定"，不是任何家庭相关信息的兜底类。
• 宠物视为一个非人成员主体：相关信息按维度归入对应 member_* 类型，subject_name = 宠物名（如"旺财"）；subject_id 先查开关 miloco-cli config get features.pet_recognition --value-only（输出 True / False）分流——关 → 一律留空（即使花名册里有同名也别填 pet_id：填了会被软关闭隐藏；留空即纯家庭事实、一直可见）；开 → 该宠物已在宠物花名册（miloco-cli pet list）则填其 pet_id，否则留空（commit 时按名收敛回 pet_id）。观察路径不主动建花名册，登记由用户在 web / 对话中确认。
  • "养了一只小狗旺财" → member_persona，subject_name="旺财"
  • "旺财每天傍晚要遛" → member_routine，subject_name="旺财"
• 观察到宠物外观（颜色/花纹/体型/显著标记等可见细节）时，凝成一句规范化外观句写入 member_persona（如"一只橘白相间的短毛猫，左耳尖有缺口"），供感知在画面中区分与称呼。
• 家庭构成/成员关系（家里几口人、谁是谁的什么人）→ member_persona，subject_name 为对应成员；全家整体构成事实可用 subject_name="shared"。

③ 和已有知识什么关系（写入规则）

先和 list 拿到的已有条目比对，决定怎么写：

• 不修改正式区内容：对正式区只做 merge（+证据），不做 replace/add/delete。
• "相同"基于语义：同主体 + 同维度 + 相似结论 = 相同 → merge；结论冲突 = 矛盾 → 建独立候选条目，各自积累证据竞争，不要强行覆盖。
• 条目去重（重要，防止重复创建）：写入前先在 list 结果里找同主体 + 同维度 + 相似结论的条目——有就 merge，没有才 add。且同一条结论全程只能存在一个候选：
  • 同一次 --ops 批次内也要自查——不要为同一条结论生成多个 add（这是重复条目最常见的来源，例如同一条净化器规则被 add 三次）。
  • 若同一条结论对应多条证据，应合成为一个 add（evidence_log 放多条），或"一个 add + 后续 merge"，绝不 add 多次。
  • 提交前把待写条目列表按语义扫一遍，内容相同的先自行合并，再落命令。
• 证据去重（重要）：本流程会同时读取昨日与今日记忆，昨日数据上一轮可能已处理过。merge 前先看 list 返回的该条 evidence_log——同一观察事件（同日期 + 同来源/现象）若已在其中，不要重复 add/merge，否则会虚增 evidence_count / confidence。只有日志里没有的新观察才 add/merge。

命令格式

批量候选写入（一次提交多条，提高效率）。每个 op 必须带 op（add / merge）和 date（观察日期 YYYY-MM-DD，必填，传入对应记忆的日期）：

miloco-cli home-profile candidate-write --ops '[
  {
    "op": "add",
    "date": "2026-05-29",
    "entry": {
      "type": "member_routine",
      "subject_id": "<person_id 或留空>",
      "subject_name": "爸爸",
      "content": "通常 7:30 出门上班",
      "confidence": 0.8,
      "source": "observed",
      "evidence_log": ["2026-05-29 07:31: 玄关相机识别到爸爸出门"]
    }
  }
]'

merge 到已有候选（仅 +证据）：{"op": "merge", "id": "<candidate_id>", "date": "2026-05-29", "evidence_log": "2026-05-29 07:35: 玄关相机再次识别到爸爸出门", "confidence_delta": 0.1} merge 到正式区（仅 +证据）：{"op":"merge","id":"<profile_id>","date":"2026-05-29","evidence_log":"2026-05-29 07:35: 玄关相机再次识别到爸爸出门"}

多个条目需要操作时，优先在单次 --ops 中批量提交，提高效率。