Documentation
README
节点分解 (Node Decomposition)
你面前有一条记忆,它不是死数据——里面装的东西确实有用——但它把多个独立概念塞进了同一个节点,导致无论你怎么写 disclosure 都无法精准覆盖全部内容。这是 memory-audit-pattern-extraction(合并上提)的逆运算:把一个臃肿的杂烩拆分成多个聚焦的独立节点。
诊断信号
以下任一条件成立,就该拆分:
- 体积信号:单篇记忆体积 > 800 Tokens,且不是因为功能本身需要这个体量(如用户的完整档案),而是把多个主题塞进了同一个节点、或平铺了未经提炼的经验。
- disclosure 失焦:你写了一个 disclosure,但读完发现它只能触发这条记忆一半的内容。另一半在完全不同的场景下才有用。一条 disclosure 无法服务两个独立概念——这说明它们不该住在一起。
- 阅读时的跳读冲动:当你读这条记忆时,你本能地跳过某些段落去找你需要的那部分。被跳过的部分和被读的部分属于不同的概念。
拆分流程
1. 识别概念边界。 通读全文,标出独立的概念单元。判断标准:如果这两段话分别出现在两条不同的记忆里,它们的 disclosure 会完全不同吗?会→它们是独立概念,该拆。不会→它们是同一概念的不同侧面,不拆。
2. 为每个概念确定归属。 拆出来的概念不一定都留在原父节点下。问自己:未来的我在什么场景下需要想起这段话?那个场景对应的父节点是什么?按 memory-audit-discoverability 中的注意力狙击原则放置。
This is the opening of the README. Read the full README on GitHub.