持续从交互信号中学习用户的研究偏好。 在每次 survey/deep-note 会话结束后自动更新 config.yaml 中的权重。 触发条件：每次 paper-survey 或 deep-note 交互完成后自动执行。
在 paper-survey / deep-note 交互过程中及结束后，观察用户反馈， 检测隐含的偏好信号，自动更新 config.yaml，使推荐始终贴合用户不断演变的研究兴趣。
在完成任意 paper-survey 或 deep-note 任务后，作为后置步骤执行。 也可在用户主动要求更新偏好时触发。
在用户回复中捕捉以下线索：
| 信号类型 | 示例 | 执行动作 |
|---|---|---|
| 正面反馈 | "很有意思"、"标记这篇" | 提升关键词权重 +0.1 |
| 负面反馈 | "不太相关"、"跳过" | 降低关键词权重 -0.1 |
| 新主题请求 | "survey [新方向]" | 添加关键词，初始权重 0.5 |
| 反复忽略 | 用户连续 3 次跳过同一类别 | 标记为低优先级（权重 0.2） |
| 主动更新 | "更新我的研究方向" | 按用户输入重写兴趣列表 |
# 研究兴趣列表
research_interests:
- keyword: "agentic memory" # 关键词
weight: 0.9 # 权重（0.1-1.0）
added: "2026-04-07" # 添加日期
source: "初始配置" # 来源说明
- keyword: "RL for LLM reasoning"
weight: 0.7
added: "2026-04-07"
source: "用户曾调研该方向"
# 语言偏好