fix: NoisePrototypeBank degeneracy guard — fix flaky smart-extractor-branches test

[AliceLJY]

Summary

修复 master 上 smart-extractor-branches.mjs 的 flaky test。当 embedding 模型对所有文本返回相同向量时（如测试用的 deterministic mock），NoisePrototypeBank 会把所有内容误判为噪声，导致智能提取被跳过。

一、NoisePrototypeBank 退化检测

问题

• NoisePrototypeBank.init() 嵌入 14 条噪声原型，用的是同一个 embedder
• 测试的 mock embedding 对所有文本返回相同向量（void text）
• 所有原型向量 = 所有内容向量 → isNoise() 对一切输入返回 true（cos = 1.0 > 0.82）
• 智能提取被跳过 → regex fallback 也无匹配 → merge/skip/multiRound 断言失败

改动

• src/noise-prototypes.ts：init() 末尾加退化自检——比较前两个原型向量的余弦相似度，> 0.98 则禁用自身

回归测试

• 无新增测试文件（修复的就是已有测试 test/smart-extractor-branches.mjs，9 个场景全部通过）
• npm test 全量 10 个测试文件通过

与现有架构的协作关系

架构图

agent_end hook (index.ts，不变)
  ↓
filterNoiseByEmbedding (smart-extractor.ts，不变)
  ↓
NoisePrototypeBank.isNoise()  ← 🔧 本PR：init时加退化检测
  ↓                               如果退化 → _initialized=false → isNoise()直接返回false
extractCandidates → deduplicate → persist (不变)

不涉及 / 不修改的模块

• ❌ index.ts — auto-capture 流程不变
• ❌ smart-extractor.ts — filterNoiseByEmbedding 调用不变，仅 noiseBank 内部行为变化
• ❌ extraction-prompts.ts — prompt 模板不变
• ❌ 所有测试文件 — 零改动

兼容性评估

✅ 完全兼容

项目	说明
正常 embedding 模型	不同文本的余弦相似度远低于 0.98，退化检测不会触发
已有 noise bank 行为	isNoise() / learn() 接口和语义完全不变
配置 schema	无任何配置变更

❌ 不存在的不兼容

• 不修改数据库 schema
• 不修改 API 接口
• 不修改配置格式
• 不修改任何测试文件

设计决策

• 为什么不改测试的 embedding 函数？ 测试了 4 种文本相关 embedding 方案（bigram / char-seed / TF-weighted / 语言分离），数学上无法同时满足：(1) 中文内容 vs 中文噪声原型 cos < 0.82，(2) 中文种子 vs 中文候选 cos > 0.7。因为噪声原型包含中文句子（"你还记得我喜欢什么吗"等），与测试内容共享大量汉字
• 为什么不加配置开关？ 退化自检是防御性修复，对正常 embedding 无感知，不需要用户介入
• 为什么只比较前两个向量？ 14 个原型包含英文和中文，正常模型下前两个（"Do you remember what I told you?" vs "Can you recall my preferences?"）的余弦不可能 > 0.98。如果这两个都一样，其余必然也一样
• 阈值为什么是 0.98？ 正常模型跨语言跨语义的 cos 远低于 0.9；退化 mock 的 cos = 1.0。0.98 有足够安全余量

Out of Scope

• 改进 createDeterministicEmbedding 使其产生文本相关向量（会需要重写所有测试断言）
• 新增 noise bank 配置开关（本修复使其不必要）
• 扩展退化检测到多对向量采样（当前单对已足够，见设计决策）

统计

1 file changed, 17 insertions(+)