偏好学习机制

设 QWEN_AUDIO_PREFERENCE_LEARNING=on 后，会话结束时会从这一场对话里观察用户画像， 跨会话攒够确认再写进 USER.md。默认关闭，因为它每场会话多一次模型调用。

只观察四个字段，取值空间刻意收窄：

字段	说明
occupation	职业
special_skills	擅长的技术或领域，最多 6 项
response_length	回答长短，只能是 brief、normal、detailed 之一
response_style	回答风格

写入位置是 USER.md 的 ## 观察推断 段，与 ## 用户明确要求 物理分开。两段冲突 时明说恒优先。这样划分是为了避免推断内容污染用户自己写下的指令 —— 用户能看到哪些是 他说过的、哪些是系统猜的，也能直接编辑或删掉后者。

晋升门槛

一条观察要同时满足两个条件才写进文档：confirm ≥ 2 且来自 ≥ 2 个不同会话。 90 天内没有新确认则 confirm 归零。

四道结构性防护

模型有时会给出真实的引用、但从引用到结论的推理不成立。这类错误重复采样挡不住 —— 用户每场都说同一句话，模型每次同样误推，计数照样涨到门槛。所以判据放在入池那一刻：

判据	挡什么
quote_not_from_user	引用必须逐字出现在用户轮，挡编造证据、把助手发言当用户偏好、以及自我强化
value_not_anchored	结论的字面成分要能在引用里找到落点
value_parrots_quote	值与引用完全相同 —— 那是复读，不是提取特征
quote_not_about_interaction	交互偏好字段的引用必须指向助手，挡「把内容该多长当成回话该多长」

诊断记录写进 memory-audit.jsonl，可以事后查某条为什么没被收下。

用户设置方式见个性化，Provider 边界见Memory Provider。