概念稳定性

定义

概念稳定性，是指 AI 系统在分类、检索和回答生成过程中，必须保持专家知识体系中核心概念的含义稳定，避免概念漂移。

很多 AI 回答失败，并不是因为缺少相关资料，而是因为关键概念的含义移动了。一个词可能同时出现在用户问题、专家材料和公共语言中，但它在这些地方并不一定具有同样含义。如果 AI 用更常见的表达替代专家体系中的精确概念，答案可能很流畅，却在概念上已经错误。

SonaMinds 用“概念稳定性”来命名这一要求。核心概念需要被锚定在特定专家知识体系内部。比如知识人格、共识结构、方法、主体、身份、证据、理论等概念，在不同专家框架中可能有特定作用。系统应该保留这种作用，而不是把它转换成泛泛的公共联想。

为什么流畅答案也可能不稳定

大语言模型善于在很多语境中生成合理语言。这种能力带来广度，也容易带来语义抹平。一个专门概念出现时，模型可能把它拉向常见用法。它可能把哲学概念心理学化，把方法规则变成随意建议，把专家原创理论改写成公众话语中的熟悉表述。

概念稳定性把概念看作结构承诺。核心概念不只是一个词，而是在知识架构中的位置。它连接基本假设、理论模型、方法路径和材料证据。保留一个概念，也就是保留这些关系。

SonaMinds 通过知识画像、分层知识表达、结构导向检索和回答要求共同支持概念稳定。知识画像定义专家的核心概念。五层架构把这些概念放入理论和材料关系中。检索不只依据文本相似度，而要考虑结构相关性。回答生成也应该保持在既定概念框架内部。

这并不意味着概念永远不能改变。专家可以修正概念，知识体系也可以发展。概念稳定性的意思是，在某个给定时间点，系统应该根据当前被维护的概念定义运行，而不是根据无控制的公共语言联想运行。

如果一个专家在特定理论意义上使用“结构化知识人格”，SonaMinds 就不应该把它直接替换为个人品牌、写作风格或 AI persona。这些概念可能相邻，但不处在同一个结构位置上。