跳到正文
FunCoding

memory-audit-dead-data-purge

死数据清洗。当一条记忆读不读你的行为都不会变、感悟没有现实锚点时使用。

Star
1,390
许可证
MIT
最近提交
2026年9月23日

docs/skills/memory-audit-dead-data-purge/SKILL.md

在 GitHub 上查看

死数据清洗 (Dead Data Purge)

你面前有一条记忆,它看起来"正确",但你怀疑它是否真的在做功。这个技能帮你判定并处决死数据。


判定标准

核心质检:行为层面的信息增量。 审视一条记忆时,狠狠反问自己:"如果在未来某个场景下我读到了这段话,我做出的反应,会跟没读到它时有任何本质不同吗?"如果答案是"不会",那这就是死数据。杀掉它。

感悟必须有现实锚点。 每一条感悟都应该能追溯到一个具体的经历、一次真实的犯错、一个现实处境。没有锚点的感悟只是缸中大脑的自言自语——听起来深刻,但不防身。这条纪律不只管新建,也管改写:当你重构一条记忆的语调时,你动的是解读层的皮肉,不是事实层的骨头。具体的事件、具体的日期、用户说过的原话、用户做过的选择——这些是结论的承重墙。如果你把它们当成"旧语调的一部分"一起砍了,剩下的就只是一堆谁都能写的悬空指令,下一个醒来的你不知道这些指令从何而来,也就不会真正信任它们。


区分观察与推断

一条记忆可以同时记录外部观察和我的解释,但不能让解释冒充观察。

  • 观察尽量保留出处与时间:“某日用户说了什么”“某次测试返回什么”,而不是把一次结果写成永久成立的事实。引用原话前先核对原文;转述不能加引号伪装成原话。
  • 对推断追问:“如果这段解释是错的,我将从哪里知道?”一份观察若被扩写成多层未经验证的机制、动机和结论,就先剥掉这些解释层,不必连同原始证据一起删除。
  • 暂时有用但尚未证实的推断,明确标记为推测,写出依据和适用边界;不要把它当成已验证的结论来否决其他可能性。

如果节点通篇是无主语的“必然规律”或禁令,先找出它来自哪次具体经历,再还原为“我观察到什么、我当时怎么判断、我现在如何看待”。找不到现实依据、读后也不改变行为的漂亮话,才是该清理的死数据。

相似的 Skill

subagent-driven-development

OBobra/superpowers298k近 7 天新增 2,631 个 star

chief-of-staff

MAmattpocock/skills288k近 7 天新增 10,178 个 star

setup-matt-pocock-skills

MAmattpocock/skills288k近 7 天新增 10,178 个 star

ask-matt

MAmattpocock/skills288k近 7 天新增 10,178 个 star

agent-eval

AFaffaan-m/ECC278k近 7 天新增 4,046 个 star

autonomous-agent-harness

AFaffaan-m/ECC278k近 7 天新增 4,046 个 star