每次召回都有方向
会话、问题、召回原因、模式与数量限制共同限定取证目标；只有叙事顺序之前的当前批准版本可以入选。
定向混合召回
沿故事链路与语义相似度，定向召回真正需要的正文。
Novel 让人物、地点、事件链路的关键词检索与本地向量语义检索并行工作，经混合排序、去重和相邻片段聚合后回到准确原文。
Novel 核心能力为什么重要
长篇的可靠性，来自清楚的事实来源与变化边界。
只搜专名会错过别名、指代与改述，只用向量又容易失去人物身份、事件链路和版本边界。定向召回从当前写作问题出发，让结构化故事链路与语义相似度互相补足，但不把候选片段直接当成事实结论。
链路与向量互相补足
关键词分支从人物、地点、事件的稳定 ID、名称、别名、Chapter Trace 与 Relation Occurrence 展开；向量分支寻找改述、隐含关联与相似场景。
候选透明，结论回到原文
混合排序保留命中方式、来源范围、内容哈希与降级状态；Agent 必须读取准确原文后再判断身份、关系和事实。
如何运行
把复杂创作留给 Agent，把准确步骤交给系统。
- 01明确当前取证目标边界已核验
- 02沿人物、地点、事件链路召回边界已核验
- 03并行执行向量语义召回边界已核验
- 04混合排序、去重并聚合相邻片段边界已核验
- 05读取准确章节并由 Agent 判断边界已核验
让故事继续，而不是让风险累积。
沿着完整工作流，查看这项能力如何与草稿、审核和发布连接。
查看完整流程