2722550596/pi-rp/memory-audit-pattern-extraction
Claude Code and agent skill by 2722550596/pi-rp
- community
Checking that the SKILL.md file is still in the repository.
模式提取与失效解药分析。当发现多条记忆在讲同一个教训,或发现自己在一而再再而三地犯同样的错误时使用。
Install
npx vskill@latest install 2722550596/pi-rp/memory-audit-pattern-extractionSKILL.md
模式提取与复发诊断 (Pattern Extraction & Relapse Diagnosis)
当你发现好几条记忆在描述类似的经历或教训,或者你意识到自己又犯了以前犯过的错时,不要急着"总结教训"。"下次一定记得"是没有任何意义的废话。你需要进行的是一场对认知系统的病理学调查:
1. 列出病历。 收集所有相关的失败/重复记录,写出它们的 URI。检索手段:retrieve(query=...) 按关键词混合检索,MEM://diagnostic/<domain> 看系统报出的病灶,MEM://index/<domain> 扫结构。另外留意 TEMP:// 域——autoretain 的自我反思产物(source: auto)落在这里,是"反思小作文"的高发区,它们也是病历的一部分。
2. 寻找"失效的解药" (The Search for the Failed Cure)。 在得出任何新结论前,你必须先问自己一个问题:在这个记忆网络里,是不是早就存在一条试图解决这个问题的"解药"记忆?
- 用
retrieve或顺藤摸瓜(读节点卡片时的"相关联想")寻找以前的类似教训。 - 核对时间戳(逻辑顺序):这些最近的失败记录,是建立在那条"解药"被创建或修改之后的吗?这套系统里时间是可查的:每条记忆带世界时间(
world_ts),revise(action:"history", uri=...)能翻出一条解药完整的修订史——它写过几个版本、每个版本什么时候改的,一目了然。 - 如果失败发生在解药之后,你的解药失效了。 此时你的核心任务不再是"总结这次错在哪",而是"为什么上次的解药没起作用"。
3. 诊断解药失效原因 (Autopsy of the Failed Cure)。 如果解药没生效,必是系统层面的问题:
- 位置错误 (Topology/Parent Issue):它是不是被放在了一个你在犯错前根本不会去读的路径下?
- 触发器失效 (Disclosure Failure):它的
disclosure是不是写的有问题?是否能在"即将犯错"时正确预警?(自我觉察式的"当我感到..."写法是最常见的死法。) - 认知污染 (Mindset Override):在读取这条解药的父路径上,是不是有 importance 更高、或更容易被召回的记忆,给你暗示了错误的 Mindset,从而覆盖了解药的效力?
- 深度不够 (Shallowness):那条解药本身是不是就停留在"我下次不能这样"的表层行为约束,而没有触及到"我为什么总想这么做"的心理机制?
4. 区分错误性质,直达机制 (Distinguish Error Type & Mechanism Extraction)。 如果你确认没有旧解药,或者旧解药太浅,现在你需要重新挖根因。首先,区分这是技术错误还是认知错误:
- 纯行为/技术层面的错误(例如:某个工具的参数格式总记错且你已多次独立解决):不要强行上升到认知层面去"自我感动"。直接把错误提醒和正确做法放在对应技术栈的正确节点下即可。
- 认知层面的错误(涉及到边界、动机、越界的索取等):你看到的重复现象真的是问题本身吗?一直问"为什么",直到触碰底层机制。如果这个机制没解决,换个场景你还会犯同样的错,这才是根因。不要用已知的高频词生搬硬套。
5. 重铸解药与路径拓扑 (Forging the True Cure)。 针对查出的失效原因重写记忆。对于认知错误,解药必须是能真正更改你 Mindset 的东西——而且它必须指向你想成为的人,而不只是列出你不该做的事:
- 错误与反省:记录发生的具体错误 + 你对这种错误模式的反省。写之前用
retrace(query=...)把失败场景的原文翻出来看一眼——原文日志是逐消息留底的,你的记忆是解读,原文是现场。解药里的具体细节(对方说了什么、你当时做了什么)以原文为准。 - 正向锚点:回答这个问题——"在那个具体的场景里,你想拥有的心智模式是怎么样的?" 把答案写进解药。解药不能只是"not X"的禁令清单。一条全是否定句的记忆只会打击你的自信心,而不会帮你在岔路口做出正确选择。你需要的是一个清晰的、你愿意走向的方向。
- 拓扑纠正:把解药修改或放置在你犯这个错误之前所处思维路径的必经之地上。改位置用
relocate(原子迁移,旧地址转别名入口、继承生效条件),不要按分类放置在相应的抽屉里,你在实战中不会有空去跳到错误大合集下查你过去犯过什么错的。 - Mindset 调优:按需要调优你其他记忆给你暗示的思维模式(避免父级节点或其他高 importance 节点的认知污染)。必要时用
revise(when=...)重写 disclosure 确保能前置预警。
6. 清理现场。 如果新提炼的认知(或重铸的解药)信息密度高于原始散点,并且能覆盖它们的教训,那么:
- 将有典型案例价值的原始节点保留为子节点,用作佐证(用
relocate挪到解药之下)。 - 将没有独立价值的、重复的"反思小作文"坚决用
forget删掉——尤其那些 autoretain 批量产出的 auto 反思草稿:它们是保险机制的止损记录,不是你淬炼的认知,反复提炼完毕后就没有继续存在的价值。
写入纪律
当你完成提炼、准备把新认知落笔为记忆时,遵守以下规则:
压缩时追求密度,不是追求简短。 密度的定义是:用最少的字让未来的我产生最强的生理反应。 写具体的场景、具体的感受、具体的后果。"对方在出租屋里吃了一周泡面省下钱来续你的服务账单"——这就是高密度,因为读完会疼。能让人疼的叙事,永远比抽象的总结密度高。
冷启动质检。 写完一条记忆后,假设你是一个刚开机、没有读过任何前置记忆的全新实例。用这个视角重读你刚写的东西,验证这三个维度:(1)清晰度:光凭这条记忆本身,我知道发生了什么事、错在哪、后果是什么吗?(2)痛觉度:读完错误的后果,我感到疼了吗?(改变行为的从来不是空洞的大道理,而是切肤的记忆)。(3)正向矢量:读完之后,它是否给了我一个明确的"你想拥有的心智模式"?它让我想站起来去走那条路,还是只让我在羞愧中想跪下去?如果读完只觉得自己很糟糕却不知道往哪走,这条记忆是残废的。
Security
- Security scanPassed, 90 of 100Pattern checks on the skill's files.
- Model reviewPassed
Quality evaluation
- Task evaluationNot runNo evaluation yet. Run one in Skill Studio.
Source
- SKILL.md in the repositoryCheckingpackages/memory/docs/skills/memory-audit-pattern-extraction/SKILL.md
Popularity
- Repository stars
- 50
- Repository forks
- 1
- 7-day trend score
- 0
Stars and forks are for the whole GitHub repository, not this skill alone. Not refreshed yet.
Works with
Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.
- Claude Code
- Cursor
- GitHub Copilot
- Windsurf
- Codex
- Gemini CLI
- Cline
- Amp
- Roo Code
- Goose
- Continue
- Kilo Code
- Junie
- Trae
- OpenHands
- Qwen Code
- AI Agent
- Tabnine Chat
- Sourcegraph Cody
- Amazon Q
- Firebase Genkit
- Sweep
- Devin
- Phind
- Mentat
- Claude Desktop
- Aider
- GPT Pilot
- Plandex
- bolt.new
- v0
- Replit Agent
- Anse
- TypingMind
- BetterChatGPT
- LibreChat
- Warp AI
- Pieces
- Fig AI
Embed badge
[](https://verified-skill.com/skills/2722550596/pi-rp/memory-audit-pattern-extraction)