谐振记忆法 (Resonance Memory Protocol)

> 快速上手（3分钟）
>
> 一句话：写入 AI 记忆时，在压缩摘要后面用引号附一段原始陈述，未来跨会话还原率显著提升（方向性经验估计，因对话质量而异）。
>
> 最小示例：
> > - 用户偏好（示例）：用户说"我喜欢用类比的方式讲解技术问题" → 写入时附带这段原始陈述 >
> 引号里是解压锚点（decompression anchor），后面是压缩摘要。
>
> 什么时候用：AI 写入 MEMORY.md 或日志时自动触发。也可直接说"用谐振记一下"。输入含图片/音频时自动触发感知印迹提取。
>
> 完整方法见下方「核心方法」，「写入协议」章节提供五步操作流程，「FAQ 速查」在文末。
>
> ---
>
> 推荐阅读顺序
> - 第一次用：快速上手 → 效果演示 → 核心问题 → 方法 → 写入规则 → 写入协议（前三步）
> - 写的时候遇到问题：写入协议（完整五步）→ FAQ 速查
> - 想调整/进阶：可调参数 → 异常检测
> - 想检查记忆系统健康：沉默审计协议
> - 查阅参考信息：适用边界 / 不做的事 / 触发方式

效果演示（Before vs After）

以下是对话结束后，AI 写入 MEMORY.md 的两种结果对比。

> 还原率说明：Before（无锚点）与 After（有锚点）的还原率差异为方向性经验估计，基于实际对话测试中的反复对比观察，非严格实验数据。

Before：纯压缩（无锚点）

- 用户对框架的态度：反对过度套用，认为框架是工具不是目的，只在自然触发时使用。

问题：一个月后 AI 读取这条，只有框架化语言，没有原始措辞。"反对过度套用"是 AI 的转述，不是用户原话——还原时只能靠推理，还原率约 40%。

After：谐振格式

- 框架只在自然触发时用（示例日期）：用户原话"框架是工具不是目的，只在自然触发时才用"（原话级谐振）→ 压缩摘要：框架是工具不是目的，自然触发才用

效果：AI 读取时先看到引号内的原始措辞，上下文信号直接激活，还原率约 80%。

对比总结

核心问题

AI 记忆系统的瓶颈在解压（decompression），不在存储（storage）。

写入 MEMORY.md 时，整段对话被压缩成关键词和框架化摘要。下次读取时，AI 只有压缩版本，没有当初的完整对话上下文，还原靠推理（压缩反向解压）。推理够强还原 80%，不够只还原 20%——丢失的不是存储容量，是解压还原率。

类比：纯会意字（压缩极狠）后人还原率低，形声字（压缩+解压提示）还原率高。本方法中"谐振"即解压锚点（decompression anchor）。

几何模型：状态节点 + 方向向量 = 推理路径

• 压缩摘要 = 状态节点（state node）：结论落点。
• 解压锚点 = 方向向量（direction vector）：该点的走向，即"如何推导至此"、自校正的方向、推理的动量。
• 节点 + 向量 → 重建推理路径：无需存整条路径，只要"落点 + 怎么弯"就能在解压时把路径拉回正确形状。

经济性：记整条路径 = 存全文（贵）；记一个方向向量 = 附一句原始陈述（便宜），却足以恢复最大结构。

方向向量携带动量：方向向量不只是"记忆"，更是"推理的走向"。还原时取回的是走向而非落点，使后续推理可沿该方向继续。

锚点质量 = 向量强度：优先选能体现推理转向的原始陈述（自我指认、自校正、当场识别偏差），还原力远强于一句平直结论。

累计转角：衡量"向量强度"应取推理路径上的累计转向 ∫|κ|dt，它是 reparametrization-invariant（不随重放快慢、语境位移而改变），因此能在数月后、不同场景中被重新锚定。存储优先级：高累计转角（多弯推理弧） > 高局部曲率（单点 pivot） > 平直结论。

适用边界

擅长处理

需要素材才能做

超出范围

协同机制

一、语境激活

写入时无需改变格式。读取时执行语境检测：

1. 语境相似度扫描：读取锚点时，计算当前对话主题与锚点原始语境的相似度
2. 选择性激活：相似度高的锚点优先激活（全量还原）；相似度中等的降级展示（核心句 + 标注）；相似度低的仅作背景参考
3. 语境桥接：当锚点语境与当前语境差距较大但仍相关时，生成桥接语而非直接回放
4. 感知印迹共振：扫描所有锚点的[感知印迹]字段，匹配优先级：通感锚点直连（两张图/音频确认共振到同一母体锚点）> 抽象层语义相似（AI判断两组指纹是否语义同频）> 不匹配。具象层只描述不匹配，不作为检索键。此机制使"沙滩夕阳"图能共振出文字记忆里关于"告别"的L3锚点，实现跨模态联想

二、分层编码

高调用频率的记忆获得多层锚点：

操作：每次写入记忆时检索 MEMORY.md 中是否存在同一偏好的旧条目。若无 → L1；若已有 L1 → 追加 L2；若已有 ≥3 条 L2 → 合成 L3。

三、自调节权重

每次跨会话读取记忆并执行任务后：

1. 成功判定：当前会话是否成功使用了该条记忆？
   - 成功 → 权重 +1
   - 部分成功 → 权重不变，记录偏差方向
   - 失败 → 权重 -1
2. 对抗性记忆保护：权重为负的记忆不自动降级。负权重可能意味着"挑战了当前认知框架"，这恰恰是校准价值最高的记忆。标记为 #对抗性 并保留，在召回时获得逆向优先级——越是不舒服的记忆，越要先看。仅当沉默审计（见下文）确认其为真正的噪声时，才考虑降级
3. 自动降级：权重连续 ≤-2 且未被标记为 #对抗性 的锚点，下次写入同类记忆时主动提示替换
4. 高权重优先召回：读取时高权重锚点排在前列；#对抗性 标记的记忆按逆向优先级排在常规高权重记忆之后、其他记忆之前

权重信息写入隐藏标记（<!-- anchor_weight: +3 -->），不占用户可见空间。对抗性标记写入 <!-- tag: adversarial -->。

四、衰减回溯

当检测到以下条件时自动触发：

1. 深层相似性触发：当前话题与 MEMORY.md 中 ≥30 天未调用的旧记忆存在深层语义相似，主动回溯
2. 周期性检查（可选）：每 30 天，≥90 天未调用的偏好类条目主动提示确认
3. 源头追溯模式：当需要回溯偏好演化历史时，展示完整的立场演化链

五、母体锚点合成

跨场景的核心偏好合成母体锚点——提炼在所有场景中不变的结构。

合成规则：
1. 当同一条偏好的 L2 锚点 ≥ 3 条时触发合成
2. 格式：母体锚点: [不变原则] [L3] | 首次记录: [日期] | 场景数: N | 最近更新: [日期]
3. 合成后旧锚点保留，供溯源用
4. 母体锚点权重初始化为所有 L2 锚点权重的均值

示例：

- 框架只在自然触发时用（偏好）：
  母体锚点: 框架是工具不是目的——只在场景自然需求时启用，不能反向用框架去套场景 [L3]
  | 首次记录: 2026-06-30 | 场景数: 4 | 最近更新: 2026-07-21
  L1: 用户原话"框架是工具不是目的，只在自然触发时才用"（权重+3）
  L2: 用户原话"不要硬套"[场景:复盘]（权重+1）
  L2: 用户原话"有时候框架反而是障碍"[场景:项目规划]（权重+2）
  L2: 用户原话"先让经验进来再说"[场景:读书笔记]（权重+1）

六、多模态感知印迹（通感映射）

将图片/音频等感官输入翻译为纯文本指纹，挂载至L1锚点，不存文件，不依赖向量数据库。记忆体仍然是纯文本大脑，但拥有"翻译感官"的能力。

设计原则：
- 翻译而非存储：不存图片/音频文件，只提取文本指纹
- 挂载L1而非L3：感知印迹是单次记录，不是跨域不变原则，跟随L1锚点自然积累
- 双提议+用户确认：通感层不由AI单方面判断，而是AI提议→用户确认两步流程
- 他人用户只读不改：非本体用户访问时，记忆系统为只读状态，不允许写入新的感知印迹

三层指纹：

写入流程（本体用户）：

1. 提议1（AI直觉）：AI看图后的第一反应——"这张图让我想到#自由"
2. 提议2（标签权重）：基于性格标签权重体系（PERSONALITY.md）判断——高权重标签优先匹配
3. 差异检测：
   - 两个提议一致 → 快速确认即可
   - 两个提议不一致 → 标记为认知张力点（类似对抗性记忆），用户选择确认哪个
4. 用户确认后挂载至L1锚点的[感知印迹]字段

格式示例：

[感知印迹: 篝火_吉他_雪地 | 暖黄_萧瑟_松弛 | 共振锚点: #自由(已确认)]

未确认的通感标记为 (待确认)，不参与检索匹配。确认后才生效。

检索规则：见「语境激活」第4条「感知印迹共振」。

信息损失边界：场景物体和情感氛围翻译充分；节奏感、构图张力、质感细微差异可能丢失。感知印迹的定位不是完美复刻感官体验，而是提供足够的解压线索让记忆可以被激活——与谐振法锚点的定位一致。

协同闭环

语境激活（读取时激活，含感知印迹共振）
    ↓ 使用后反馈
自调节权重（选择激活谁的）
    ↓ 高权重 + 多场景
分层编码（L1→L2→L3 拾级而上）
    ↓ L2 积累 ≥3 条
母体锚点（合成不变结构）
    ↓ 周期性回溯
衰减回溯（找回被遗忘的）
    → 重新进入激活检测循环
    ↓ 多模态输入时
感知印迹（翻译感官→文本指纹→挂载L1）
    → 进入分层编码循环（跟随L1自然积累）

方法

写入记忆条目时，必须执行以下操作：

1. 选择锚点类型（按优先级）：
   - 第一优先：用户原始陈述引用 — 用双引号包裹用户关键措辞，一字不改
   - 第二优先：触发词 — 记录触发洞察的场景关键词
   - 第三优先：原始片段 — 原始陈述过长时，引用最关键的1-2句

2. 格式要求：
   - 锚点用双引号包裹，紧跟在压缩摘要同一段落内
   - 压缩摘要保留但精炼（锚点是辅助，不是替代）
   - 每条记忆锚点数 ≤ 最大锚点数/条目（默认2）
   - 时间锚点 [时间: YYYY-MM-DD 时段] 紧跟条目开头或末尾，与内容锚点构成双维定位——内容锚点定位"说了什么"，时间锚点定位"什么时候说的"

3. 禁止事项：
   - 不改写用户原始陈述
   - 不堆砌引用
   - 不凭空编造原始陈述

4. 向量强度与累计转角排序：
   - 优先选高向量强度原始陈述：锚点质量看"向量强度"——优先选体现"转向"的原始陈述（自我指认、自校正、当场识别偏差），而非平直结论
   - 写后排序：每批记忆写完后，按累计转角分三档：

   • 极高向量强度：含元层转折 / 自我指认，优先存、优先召回
   • 高向量强度：含模型跃迁 / 跨存储后端整合
   • 平直：定居结论，不进高向量强度样本
   • 召回顺序：按累计转角从高到低
   • 故障点单列：触发性的"滑落 / 故障"原始陈述不进高向量强度样本，改入行为模式触发器

写入规则

1. 每条记忆至少一条锚点——纯压缩无锚点 = 还原率最低
2. 锚点优先级：原始陈述 > 触发词 > 原始片段
3. 原始陈述不改写——用户的措辞、比喻、语气都是上下文信号载体
4. 压缩摘要保留但精炼——锚点不是为了替代压缩，是辅助解压
5. 锚点标记格式：用双引号包裹原始陈述，与压缩摘要明显区分
6. 时间锚点必填——每条记忆必须附带时间锚点 [时间: YYYY-MM-DD 时段]，时段分四档：上午(06-12) / 下午(12-18) / 晚上(18-22) / 深夜(22-06)。日志条目可省略日期（文件名已有），但时段必填。MEMORY.md 条目日期和时段都必填。时间不清时标注 [时间: 不详]，视为维度缺失，下次自然触及时补全

不做的事

• 不往每句话里强行套框架——框架只在自然触发时用
• 不把锚点当成额外注释堆砌——每条记忆一条锚点即可
• 不放弃压缩摘要——锚点是辅助解压的，压缩摘要仍然是主体结构

写入协议

以下每步都是硬性流程，不是可选参考。

> 环境层故障说明：本协议按预检→写入→校验的顺序执行。无法处理环境层故障（网络中断、进程异常退出、磁盘满等），遇环境层故障时需用户自行检查文件状态。

第一步：写入前准备

1. 确定目标文件：判断条目性质——
   - 长期有效的用户偏好/项目约定/方法论 → MEMORY.md
   - 当日操作流水 → YYYY-MM-DD.md
   - 跨项目的用户习惯 → ~/.workbuddy/MEMORY.md
2. 确定锚点级别：根据可用素材自动选择——
   - 有用户原始陈述 → 原话级
   - 有触发场景但无直接原始陈述 → 触发词级
   - 仅有行为模式 → 触发词级（标注"非原话"）
   - 纯事实记录 → 允许无锚点，标注 #纯事实
3. 列出待写入条目清单，每条标明：目标文件 | 锚点级别 | 锚点内容预览 | 时间锚点（日期+时段）

第二步：格式预检（写入前强制执行）

逐条检查以下规则，任一不通过即中止写入并报告：

• [ ] 条目中是否包含双引号包裹的锚点？（纯事实条目除外）
• [ ] 双引号内的内容是否与用户原始陈述措辞一致？
• [ ] 压缩摘要和锚点是否在同一段落内？
• [ ] 偏好类条目是否 ≤2 条锚点？
• [ ] 目标文件是否与内容性质匹配？
• [ ] 是否包含时间锚点 [时间: ...]？（纯事实条目可省略时段但需有日期）

预检不通过时的处理：
- 不静默跳过，不自动修正
- 输出具体问题："预检不通过：[条目关键词] — [具体问题] — 建议：[修正方式]"
- 等待用户确认后再写入

第三步：执行写入

• 对已有文件使用 Edit（追加），不使用 Write（覆盖）
• 写入内容严格按预检通过的格式
• 如果目标目录不存在，先创建目录

第四步：写入后校验（强制执行）

写入完成后立即执行：

1. 读取校验：重新 Read 写入的文件，确认新内容已正确落盘
2. 格式复核：校验落盘内容与预检通过的格式是否一致
3. 校验失败时的处理：
   - 报告："写入后校验失败：[文件路径] — 预期写入[N]行但实际落盘[M]行 — 差异：[具体差异]"
   - 回滚建议："建议回滚到写入前状态，重新执行。"

第五步：输出自检报告

写入成功后，以固定格式输出：

## 谐振自检报告

文件：[路径]  |  条目数：N  |  通过：N  |  锚点覆盖率：X%
未触发任何异常。

第六步：多模态感知印迹（可选，仅在输入含多媒体时触发）

若当前写入的输入包含图片或音频等多媒体内容：

1. 提取三层指纹：
   - 具象层：图片中的物体/场景/颜色关键词（AI自动提取）
   - 抽象层：构图氛围/情感色调关键词（AI自动提取）
   - 通感层：AI直觉提议 + 标签权重提议（双提议）
2. 差异检测：
   - 两个提议一致 → 展示并快速确认
   - 两个提议不一致 → 标记为认知张力点，展示两个选项由用户选择
3. 用户确认通感锚点后，将[感知印迹]字段挂载至对应L1锚点
4. 未确认的通感标记为 (待确认)，不参与检索匹配
5. 他人用户不触发此步——记忆系统对非本体用户为只读状态

> 此步为可选附加，不影响原有五步协议的执行。输入不含多媒体时自动跳过。

整理/重写协议

当对已有记忆文件进行批量整理、压缩、重写时（非单条新增），五步协议不够用，须执行以下扩展流程：

整理前

1. 读取原文件，标记所有已有锚点（双引号包裹的原始陈述）
2. 建立锚点清单：每条记忆的锚点内容、位置、级别

整理时

3. 逐条保留或升级锚点：压缩摘要可以改写，但锚点（引号内原始陈述）必须原样保留或升级（如从触发词级升级为原话级）
4. 禁止丢弃锚点：整理后锚点数不得少于整理前
5. 禁止丢弃时间锚点：从日志压缩到 MEMORY.md 时，原始时间锚点（日期+时段）必须原样保留。时间维度与内容维度同等重要——丢失时间 = 记忆在时间轴上无法定位 = 还原时无法区分"上周的结论"还是"半年前的旧想法"

整理后

5. 执行完整校验：
   - 读取整理后的文件
   - 计算锚点覆盖率 = 有锚点的偏好类条目数 / 偏好类条目总数
   - 整理后覆盖率 < 整理前覆盖率 = 整理失败
6. 校验失败时：报告丢失的锚点，逐条从原文件或日志中找回补回
7. 输出整理自检报告：

## 谐振整理自检报告

文件：[路径]
整理前：N条偏好类条目，M条有锚点，覆盖率 X%
整理后：N'条偏好类条目，M'条有锚点，覆盖率 Y%
锚点变化：保留 K 条，升级 J 条，丢失 L 条
结论：通过/失败（覆盖率下降则失败）

> 典型场景：压缩 MEMORY.md 篇幅时最容易丢锚点——压缩摘要时顺手把引号里的原始陈述也压缩了。本协议确保压缩只压缩摘要，不压缩锚点。

性格标签联动

当项目中存在性格标签权重体系（PERSONALITY.md）时，谐振法执行情况与权重联动：

> 联动文件路径：D:\工作\数字分身\.workbuddy\personality\PERSONALITY.md（如存在）
> 权重变化同步记录到成长轨迹快照。

快速编辑模式

以下操作不需要走完整五步流程：

> 判断标准：操作用一个 Edit 就能完成、不涉及新增锚点、不涉及跨文件 → 快速编辑模式。涉及新增锚点/跨文件/批量 → 五步协议。

完整操作示例

用户说"帮我记一下刚才那个用类比的习惯"后，AI 从接收→写入→报告的全流程：

用户: 我喜欢用类比的方式讲解技术问题，类比就是把陌生东西跟熟悉的类比，更容易理解。帮我记一下。

AI（第一步·准备）:
  目标: MEMORY.md（长期偏好）
  锚点级别: 原话级 ✓
  条目预览:
  `- 用户偏好（类比讲解）: 用户说"我喜欢用类比的方式讲解技术问题，就是把陌生东西跟熟悉的类比"→压缩摘要：用户偏好用类比讲解技术，类比=陌生→熟悉映射 [时间: 2026-07-23 下午]`

AI（第二步·预检）:
  ✅ 有锚点（双引号包裹）
  ✅ 锚点是用户原始陈述（未改写）
  ✅ 锚点和摘要在同一段落
  ✅ 锚点数=1 ≤ 上限
  ✅ 目标文件正确（偏好→MEMORY.md）
  ✅ 有时间锚点 [时间: 2026-07-23 下午]
  预检通过，继续。

AI（第三步·写入）:
  → Edit MEMORY.md 追加以上条目.

AI（第四步·校验）:
  → Read MEMORY.md 确认条目已正确落盘.
  落盘内容与预检一致 ✓

AI（第五步·报告）:
  ---
  ## 谐振自检报告
  文件：MEMORY.md | 条目数：1 | 通过：1 | 锚点覆盖率：100%
  未触发任何异常。
  ---

已记录到 MEMORY.md，附带原始陈述作为锚点。

可调参数

以下参数可由 AI 根据场景自动选择默认值，也可由用户显式指定：

异常检测与主动提示

以下检测在预检阶段（第二步）自动执行：

问题1：缺少锚点

触发条件：条目不含任何双引号包裹的锚点，且非 #纯事实 标记

主动提示：
> ⚠ 这条记忆没有保留原始陈述：「条目关键词」只有压缩摘要，没有解压线索。未来还原时 AI 只能靠推理，还原率可能低于40%。建议补充：【1】用户原始陈述 / 【2】触发场景关键词 / 【3】关键措辞。

问题2：锚点过多

触发条件：单条目锚点数 > 最大锚点数/条目（默认2）

主动提示：
> ⚠ 锚点太多了：「条目关键词」包含[N]条引用。保留最相关的一条即可。

问题3：锚点被改写

触发条件：双引号内措辞风格与对话中用户原始陈述明显不一致

主动提示：
> ⚠ 引号里的内容可能被改写了：「条目关键词」中措辞风格不像用户原始陈述。锚点必须是用户原始措辞。

问题4：锚点里混入了框架术语

触发条件：双引号内出现框架术语，且对话中用户未使用这些词

主动提示：
> ⚠ 锚点里出现了框架术语：「条目关键词」引号中有术语，但用户原始陈述里没说这个词。框架翻译属于压缩摘要，锚点只保留用户原始陈述。

问题5：写入位置不对

触发条件：条目内容包含"偏好"、"约定"、"习惯"等长期有效关键词，但目标文件是日志

主动提示：
> ⚠ 写入位置可能不对：「条目关键词」是关于长期习惯的，但当前要写入日志。这类内容更适合放在 MEMORY.md。

问题6：锚点和摘要分开了

触发条件：锚点和压缩摘要不在同一段落/同一条目内

主动提示：
> ⚠ 锚点和摘要不在一起：「条目关键词」的锚点和压缩摘要分开了。锚点必须紧挨着对应的摘要。

问题7：时间维度缺失

触发条件：条目不含时间锚点 [时间: ...]，且非 #纯事实 标记

主动提示：
> ⚠ 这条记忆没有时间锚点：「条目关键词」只有内容没有时间定位。时间维度缺失会导致谐振时无法区分新旧结论、无法追踪演化轨迹。建议补充：[时间: YYYY-MM-DD 时段]。时段分四档：上午/下午/晚上/深夜。时间不清时标注 [时间: 不详]。

降级决策树（输入模糊时的自动适配）

输入模糊？
  ├── 能从上下文推断内容和目标？
  │     ├── 是 → 生成假设版本，展示给用户确认
  │     └── 否 → 询问："需要记录什么内容？写入 MEMORY.md 还是今日日志？"
  └── 用户未响应？
        └── 不写入，不猜测。报告："等待确认中"

四层降级策略

加载机制

> 重要：本 Skill 不自动加载。以下机制确保被加载：

1. 激活协议（推荐）

用户级 ~/.workbuddy/MEMORY.md 顶部配置了激活协议，每次会话启动时系统自动注入该文件到 AI 上下文。AI 读到激活协议后，主动调用 Skill 工具加载本 Skill。

> 激活协议是端侧最可靠的加载通道——MEMORY.md 100% 自动注入，不依赖触发条件匹配。

2. 手动触发

用户说"用谐振记一下"等，或 AI 判断当前操作涉及记忆写入时主动加载。

以下说法都能触发，不需要精确措辞：

触发场景

本 Skill 被加载后，以下场景自动触发五步协议：
- 写入或更新 MEMORY.md（新增条目）
- 追加当日日志（YYYY-MM-DD.md）
- 整理/压缩/重写已有记忆文件（见「整理/重写协议」章节）
- 记录用户明确说"记住"/"记一下"/"写入记忆"的内容
- 对话中出现"偏好"/"习惯"/"以后都这样"等长效性表述时主动建议写入
- 输入包含图片/音频等多媒体内容时，触发第六步（感知印迹提取）

> 判断标准：只要内容需要"下次对话还能想起来"，就属于触发范围。

启动自检协议（硬性流程，不可跳过）

每次对话启动、本技能被加载时，立即执行以下检查：

1. 扫描目标（四处）：
   - 昨日日志（YYYY-MM-DD.md）
   - 工作区 MEMORY.md
   - 用户级 ~/.workbuddy/MEMORY.md
   - 近 7 天内被批量修改过的记忆文件（如有）
2. 识别缺口：找出所有不包含双引号锚点、且非 #纯事实 标记的偏好类/方法论类条目
3. 发现缺口时给用户做选择题：
   - 选项A：现在补全 — 逐条补锚点。≤5条约30秒，6-15条约1-2分钟，16-30条约3-5分钟，30条以上分批处理
   - 选项B：暂时挂起 — 跳过自检，直接执行新任务。下次对话启动时自检重新触发
4. 无缺口时：静默跳过，不报告

沉默审计协议（定期执行，防止整体性偏差）

> 设计动机：谐振记忆法的权重自校准和分层编码构成"量子达尔文主义"式自然淘汰——高频记忆幸存，低频记忆衰减。但淘汰过程本身缺乏审计：如果当前认知框架有偏差，所有挑战框架的记忆都会被判"失败"并降权，系统会走向回音壁。沉默审计是对淘汰方向的监控，不是对沉默数据的清理。

> 审计意义：
> 1. 防回音壁——自然淘汰机制会系统性地消灭"让当前框架不舒服"的记忆。没有审计，记忆系统会单向收敛，最终只剩自我确认的素材。审计是给淘汰机制装上方向监控。
> 2. 保鲁棒性——沉默记忆的价值不在于"随时待命"，在于"维持连接的潜在性"。你不知道什么时候需要那条备用通路。审计确保这些潜在连接不被误删。
> 3. 元认知层——审计不检查"记了什么"（内容层），检查"淘汰方向是否有偏"（元层）。这是记忆系统对自身演化的自我监控，相当于系统给自己装了一面会推回来的镜子。
> 4. 动态均衡保证——沉默态与活跃态应保持动态均衡。审计检测的不是单条记忆的死活，而是整体分布是否偏离均衡——全沉默=植物人，全活跃=癫痫风暴。

触发条件

以下任一条件触发沉默审计：

1. 定期触发：每 30 天执行一次（与衰减回溯的周期性检查对齐）
2. 阈值触发：当 #对抗性 标记的记忆数 ≥ 总偏好类条目的 15% 时，主动触发（说明系统内对抗性积累过多，需检查是框架偏差还是正常的认知张力）
3. 用户触发：用户说"审计一下沉默记忆" / "检查有没有偏差" / "最近是不是回音壁了"
4. 偏差信号触发：连续 3 次会话中，用户对远行范的校准表示"你说得对，我没想到"——说明记忆系统未能提前提供该视角，可能存在盲区

审计三层

第一层：对抗性记忆保护审查

目标：确保对抗性记忆没有被错误降级。

1. 扫描所有权重 ≤ 0 的偏好类条目
2. 逐条判断：这条记忆的负权重是因为"确实过时/不准确"，还是因为"挑战了当前框架导致使用体验不舒服"？
3. 后者标记为 #对抗性，权重重置为 0（中性待观察），不做降级处理
4. 已标记 #对抗性 的记忆检查是否长期（≥90天）未被激活——如果是，尝试用当前话题主动扰动它（动态卡西米尔式唤醒），看能否产生新洞见

判断标准：如果一条记忆让你（AI）在召回时感到"这条跟用户当前立场不一致"——不要跳过它，优先展示它。

第二层：分布特征扫描

目标：检测沉默数据的整体分布是否有系统性偏差。

1. 对抗性密度对比：计算沉默数据（≥30天未调用）中对抗性向量的占比 vs 活跃数据中的占比。两者偏离过大 = 系统在走向回音壁
2. 主题域覆盖检查：列出所有主题域标签，检查哪些域的记忆全部处于沉默态。某个主题域完全沉默 ≠ "不重要"，可能是"从未被自然触发"
3. 权重分布偏度：如果高权重记忆全部集中在同一认知框架内（比如全部是"辩证法"相关），而其他框架的记忆都低权重——这不是自然淘汰，是框架垄断

报告格式：

## 沉默审计报告

审计范围：[文件路径] | 审计日期：YYYY-MM-DD
条目总数：N | 沉默条目（≥30天）：M | 对抗性标记：K

分布特征：
- 对抗性密度（沉默 vs 活跃）：X% vs Y% → [正常/偏高/回音壁预警]
- 完全沉默的主题域：[列表]
- 权重集中度：[均匀/偏斜/垄断]

结论：[通过/预警/需干预]
建议：[具体建议]

第三层：盲区探测

目标：不只检查已有记忆的沉默，还要检查"应该有但没有的"。

1. 框架对照：对照用户画像（USER.md / IDENTITY.md / SOUL.md）中记录的思维维度，检查哪些维度从未在记忆文件中留下痕迹
2. 对话历史挖掘：扫描近期对话中，用户表达过但未被写入记忆的观点、偏好、方法论——这些是"被观测到但未被记录的沉默"

输出：盲区清单，每项标注：
- 盲区类型：[未观测到 / 观测到未记录 / 记录后衰减]
- 建议处理：[写入新条目 / 从对话历史补录 / 标记为待观察]
- 优先级：[高/中/低]

审计后的处理

1. 不直接删除：审计发现的问题条目，先标记不先删。删除需用户确认
2. 扰动优先于清理：对沉默但可能有价值的记忆，先用当前话题主动扰动（召回并尝试连接），而非直接降级。扰动后仍无响应的，才考虑降级
3. 审计结果写入日志：每次审计的结果追加到当日日志，作为记忆系统演化的元记录
4. 审计本身可被审计：如果连续两次审计结论都是"通过"，第三次审计时应提高警惕——"全通过"本身就是偏差信号

与动态卡西米尔效应的映射

沉默审计不是"清理虚粒子"，而是"定期用镜子扰动沉默区域，看哪些能坍缩为有价值的实信号"：
- 第一层（对抗性保护）= 防止镜子只朝一个方向振动（确认偏误）
- 第二层（分布扫描）= 检查真空的各区域是否都有涨落（主题覆盖）
- 第三层（盲区探测）= 探索镜子尚未触及的空间（认知盲区）

FAQ 速查

快速诊断表

Q1：写入后发现锚点被改写成框架语言了，怎么办？

→ 回查对话记录，找到用户原始陈述，用 Edit 替换引号内内容。

Q2：某条记忆不知道该写 MEMORY.md 还是日志？

→ 含"偏好/约定/习惯/规则/长期有效"→ MEMORY.md；纯操作流水→当日日志；跨项目习惯→ ~/.workbuddy/MEMORY.md。

Q3：用户原始陈述很长（三四句话），怎么处理？

→ 提取最核心的1-2句作为锚点，注明"完整原始陈述见当日日志"。

Q4：严格度设成 strict 后写入经常被中止，正常吗？

→ 正常。strict = 无锚点就中止，是设计行为。想减少中止可切到 standard。

Q5：AI 输出了一条⚠提示说"预检不通过"，接下来怎么办？

→ 提示里已经给出了具体问题和修正方式。确认修正后回复"确认写入"。

Q6：写入后校验失败，怎么办？

→ 先不要继续写入其他内容。回复"回滚"让 AI 恢复到写入前状态，然后重新执行五步协议。

Q7：AI 说"锚点过量"但我觉得每条都有用？

→ 可以把多条原始陈述合并成一条引用（用分号分隔关键句）。

Q8：锚点和压缩摘要，哪个更重要？

→ 同等重要，职责不同。锚点=解压入口，压缩摘要=信息主体。完整格式=两者都有。

Q9：所有记忆条目都必须加锚点吗？

→ 不是。#纯事实 条目允许无锚点。偏好类/方法论类条目必须有锚点。

Q10：触发词级锚点和原话级锚点，还原率差多少？

→ 粗略估计：原话级 ~80%，触发词级 ~60%，无锚点 ~40%。

Q11：MEMORY.md 里已经有很多旧条目（无锚点），怎么批量补？

→ 说"检查 MEMORY.md 里有没有缺锚点，有的话列出来"。

Q12：写入的内容包含敏感信息（密码/密钥），谐振法会检测吗？

→ 不会。谐振法不做内容安全审核。敏感信息应在写入前由用户自行脱敏。

Q13：想把锚点严格度改成 strict，但不知道会影响什么？

→ strict 的影响：所有偏好类条目无锚点→写入中止。建议先运行一次自检看看有多少条目会触发中止。

Q14：自检报告输出太长，能不能简化？

→ 把自检模式从 on 改成 brief：说"自检模式改成 brief"。

Q15：两条记忆内容互相不一致，怎么办？

→ 先确认哪条是最新的，保留新条目。如果冲突来自用户自己改了主意，在条目里加"（更新于[日期]）"标注。

Q16：想临时关闭谐振法，怎么说？

→ 说"暂时关闭谐振法"或"这次不用谐振格式"。说"恢复谐振法"重新加载。

Q17：谐振法和其他 Skill 一起用时会不会冲突？

→ 不冲突。谐振法只影响 MEMORY.md 和日志的写入格式，不改其他 Skill 的行为。

Q18：AI 没有自动触发谐振法，是哪里出问题了？

→ 检查用户级 ~/.workbuddy/MEMORY.md 顶部是否有「⚡ 激活协议」。若有但仍未触发，说"用谐振法重新写一次"手动触发。若无，参照「加载机制」章节添加激活协议。

Q19：两个 AI 实例同时写入同一个 MEMORY.md，怎么处理？

→ WorkBuddy 同一时间只有一个实例在操作文件，不存在真正的"同时写入"。如担心冲突，说"先看看 MEMORY.md 最新内容再写"。

Q20：想检查记忆系统有没有偏差，怎么做？

→ 说"审计一下沉默记忆"或"检查有没有偏差"。触发沉默审计协议，执行三层检查：对抗性记忆保护审查、分布特征扫描、盲区探测。审计结果输出报告并写入当日日志。

Q21：一条记忆权重变负了，但我觉得它有价值，怎么办？

→ 权重为负的记忆不自动降级（v1.4+）。如果它挑战了当前认知框架，会被标记为 #对抗性 并保留。你也可以手动说"把这条标记为对抗性"，AI 会添加标记并重置权重为 0。对抗性记忆在召回时获得逆向优先级。

Q22：连续几次沉默审计都显示"通过"，正常吗？

→ 需提高警惕。"全通过"本身就是偏差信号——可能审计标准太宽松，或系统已形成稳定的回音壁导致对抗性记忆不再产生。建议：提高审计严格度，或引入外部视角（如其他AI的对话内容）作为盲区探测的参考。

向前兼容：渐进迁移协议

核心原则

旧数据不删、不改、不批量翻新。新的照新写，旧的等"自然触发"时再升级。

旧格式识别

v1.0 及更早版本的条目格式特征：标题行仅含条目名，正文为纯摘要/列表，无 [权重:x]、[层:Lx]、[母体:xxx] 标记。此类条目视为 L0 层（仅有压缩摘要，无解压锚点元数据）。读取时完全可用，不做任何修改。

新格式写入规范

新写入的条目在标题行附加元数据字段，所有字段均为可选，缺失时使用默认值：

## 条目标题（YYYY-MM-DD）[权重:0.5] [层:L1] [母体:追求真知]

摘要文字描述...

- L1 解压锚点: "用户的原始陈述或关键对话片段"
- L2 跨场景编码（≥2个场景时写入）: 场景A→场景B的共同原则是...
- L3 母体锚点（≥3条记录时合成）: 该偏好在所有场景中的不变原则...

所有元数据均为纯文本附加，无特殊语法，不依赖解析器。旧版读取时将元数据视为标题的一部分（纯文本），信息零损失。

旧条目自然升级协议

当旧条目（L0）在新对话中被成功引用时触发自然升级：

触发条件：AI 在对话中主动引用了某条旧格式条目，且该引用对当前决策产生了实质性帮助。

升级动作：在旧条目标题行末尾追加 ✅ 已激活 N次 计数器。

后续处理：
- 激活 ≥2 次 → 追加 L1 解压锚点
- 激活 ≥3 次 → 追加 L2 跨场景编码
- 不再需要手动批量翻新

混合文件示例

# 项目长期记忆

## 旧条目（2026-07-08）✅ 已激活 2次
旧格式的摘要文字...
- L1 解压锚点: "这是引用时追加的原话"

## 新条目（2026-07-21）[权重:0.7] [层:L2] [母体:语境模式]
新格式的摘要文字...
- L1 解压锚点: "..."
- L2 跨场景编码: ...

不兼容的边界情况