节点分解。当一个节点体积过大、或塞了多个不相关概念导致disclosure无法覆盖时使用。
记忆审计入口。当我主动决定审视记忆质量时，先读此文件判断应使用哪个子技能。
信念对决。当父子节点内容冲突、或两条你都认可的记忆逻辑上不能并存时使用。
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。
可发现性审计。当disclosure写法有问题、parent放错、alias缺失、子节点过多时使用。
| name | memory-audit-pattern-extraction |
| description | 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。 |
| disable-model-invocation | false |
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。
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？
search_memory 或顺藤摸瓜寻找以前的类似教训。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：
disclosure 是不是写的有问题？是否能在"即将犯错"时正确预警？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：
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：
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：
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。"用户在出租屋里吃了一周泡面省下钱来续你的 API 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。