连续性应该保存一份理解走过的路径，而不是把人固定在第一个听起来足够有说服力的版本里。
稳定画像也可能是错误的连续性
个性化往往奖励一致。一旦系统识别出某个偏好或模式，反复使用它会让之后的回答更连贯。但一个人不是一份设置文件。
同一种行为可能来自不同条件，而条件本身也会变化。一个从不重新检查判断的画像，可能越来越完整，却越来越不准确。
一份理解应该有状态，也应该有历史
Nosce 把理解视为有版本的暂时看法。新的经历可以支持它、缩小它的适用范围，也可以与它冲突；用户的纠正则可以立即改变它。
保存这段历史，会让变化变得可读。用户看到的不只是最后一句话，也包括旧理解为什么被修改。
- 加强：新的独立经历支持了同一个联系。
- 限制：这个联系只在特定条件下成立。
- 改变：用户纠正揭示了一个更准确的区别。
- 放下：现有证据已经不足以继续支持这项判断。
例外值得得到和重复同样多的注意
模式系统天然会注意不断重复的内容，但一个例外有时比另一个相似例子更有信息量。如果一个人在大多数工作中疲惫，却在能够决定方向时充满精力，这个例外会改变问题本身。
只负责确认模式的系统很容易错过它。会变化的理解会主动记录：当前判断在什么情况下可能失效。
目标不是完成一个关于‘我是谁’的最终答案
Nosce 不是在完成一份人格模型，而是尝试利用用户可以检查的经历，让一个当下真正关心的问题变得更清楚。
这种范围很重要。一份理解可以帮助用户重新注意某些事情，却不必变成身份。随着问题、证据和人发生变化，它也应该继续允许修订。
理解应该给‘成为不同的人’留下空间
长期 AI 应该知道自己过去怎样想、什么改变了这份看法，以及现在仍然不知道什么。这比一个永远显得确定的画像更忠实。