不將所有AI對話做成Pack的原因：Raw與上下文邊界的差異
如果將所有與AI的問答都做成Pack，可能看起來像更完整的記錄。
但如果短的確認、表達修改和重複說明都各自成為Pack，就難以找到實際思考的邊界。
Raw是對話的流，Pack是那個流中一個問題與方向形成的段落。
Raw是基本對話流
使用者的提問和AI回答構成一個邏輯對話對。
Raw中不僅包含重要判斷，還包含以下內容。
- 簡短的事實確認
- 句子表達修改
- 輸出格式變更
- 同一說明的重複
- 一次性計算
- 尚未形成意義的探索
Raw的角色是儲存對話實際如何進行。
Pack不是容納所有Raw的資料夾
Pack不是為了無遺漏地分類Raw的容器。
而是問題定義改變、目標和判斷標準變化等一個上下文邊界形成的段落。
即使同一主題也可能成為不同的Pack
即使都處理登入這個主題，UI事件調查、伺服器認證權威審查和原因證明可能有不同的思考目的。
此時可能形成不同的Pack。
即使出現不同術語也可能是同一Pack
即使API、瀏覽器存儲、彈窗和伺服器會話同時出現，如果是在調查同一個帳戶切換問題的同一流程，可以延續為一個Pack。
Pack不是關鍵詞分類而是上下文邊界。
Pack之外的Raw是正常的
短的問候、表達變更和未產生新判斷的對話可能留在Pack之外。
這不是儲存失敗或遺漏。
而是不對每個時刻強行附加標題和意義的結構。
將所有Raw做成Pack時的問題
- Pack隨對話量增加。
- 重要的方向轉變被淹沒在小的修改中。
- 使用者難以找到重新開始的位置。
- Handoff的出發上下文被過度碎片化。
- 後續分析可能強化錯誤的邊界。
減少Pack數量也不是目標。如果實際邊界已變化卻繼續捆綁在一起，不同的判斷會混合。
好的Pack結構不是多或少的結構，而是與實際思考邊界匹配的結構。
Saved可以儲存個別對話
即使是在Pack之外的Raw，使用者也可能感到重要。
將特定問答留為Saved，就能不必將周圍對話整體做成Pack也能回到那個時刻。
Anchor與Pack不同
Pack是思考段落。
Anchor是使用者重新繼續的基準點。形成了一個Pack不意味著自動成為Anchor。
在Graph View中的角色
5BY.AI Graph View中Pack、Saved和Anchor作為節點出現。
Raw整體不是直接節點。因為Graph View展示的不是對話日誌而是思考的邊界和使用者選擇。
不結構化也是必要的時刻
AI系統將一切分類和摘要看起來可能更聰明。
但如果過早將尚未確定意義的流程做成Pack，系統可能在使用者之前關閉思考的邊界。
部分Raw保留為Raw不是結構不足的狀態。
而是隻在需要的地方創建結構，讓使用者用Saved和Anchor直接留下重要時刻和重入位置的設計。