不将所有AI对话做成Pack的原因：Raw与上下文边界的差异
如果将所有与AI的问答都做成Pack，可能看起来像更完整的记录。
但如果短的确认、表达修改和重复说明都各自成为Pack，就难以找到实际思考的边界。
Raw是对话的流，Pack是那个流中一个问题与方向形成的段落。
Raw是基本对话流
用户的提问和AI回答构成一个逻辑对话对。
Raw中不仅包含重要判断，还包含以下内容。
- 简短的事实确认
- 句子表达修改
- 输出格式变更
- 同一说明的重复
- 一次性计算
- 尚未形成意义的探索
Raw的角色是保存对话实际如何进行。
Pack不是容纳所有Raw的文件夹
Pack不是为了无遗漏地分类Raw的容器。
而是问题定义改变、目标和判断标准变化等一个上下文边界形成的段落。
即使同一主题也可能成为不同的Pack
即使都处理登录这个主题，UI事件调查、服务器认证权威审查和原因证明可能有不同的思考目的。
此时可能形成不同的Pack。
即使出现不同术语也可能是同一Pack
即使API、浏览器存储、弹窗和服务器会话同时出现，如果是在调查同一个账户切换问题的同一流程，可以延续为一个Pack。
Pack不是关键词分类而是上下文边界。
Pack之外的Raw是正常的
短的问候、表达变更和未产生新判断的对话可能留在Pack之外。
这不是保存失败或遗漏。
而是不对每个时刻强行附加标题和意义的结构。
将所有Raw做成Pack时的问题
- Pack随对话量增加。
- 重要的方向转变被淹没在小的修改中。
- 用户难以找到重新开始的位置。
- Handoff的出发上下文被过度碎片化。
- 后续分析可能强化错误的边界。
减少Pack数量也不是目标。如果实际边界已变化却继续捆绑在一起，不同的判断会混合。
好的Pack结构不是多或少的结构，而是与实际思考边界匹配的结构。
Saved可以保存个别对话
即使是在Pack之外的Raw，用户也可能感到重要。
将特定问答留为Saved，就能不必将周围对话整体做成Pack也能回到那个时刻。
Anchor与Pack不同
Pack是思考段落。
Anchor是用户重新继续的基准点。形成了一个Pack不意味着自动成为Anchor。
在Graph View中的角色
5BY.AI Graph View中Pack、Saved和Anchor作为节点出现。
Raw整体不是直接节点。因为Graph View展示的不是对话日志而是思考的边界和用户选择。
不结构化也是必要的时刻
AI系统将一切分类和摘要看起来可能更聪明。
但如果过早将尚未确定意义的流程做成Pack，系统可能在用户之前关闭思考的边界。
部分Raw保留为Raw不是结构不足的状态。
而是只在需要的地方创建结构，让用户用Saved和Anchor直接留下重要时刻和重入位置的设计。