memory-distill

name	memory-distill
description	当积累了多天工作日志、或 Owner 说"整理记忆""蒸馏"时，从日志中提取 pattern 和 insight 到记忆库。也可被 autoresearch 在合适时机自动调用
argument-hint	[period]
allowed-tools	Read, Write, Edit, Glob, Grep

Purpose

memory-distill 是 MindFlow 记忆演化体系的基础技能。它定期扫描 Workbench/logs/ 中的原始工作日志，从中提取跨日期重复出现的 pattern 和意外发现，并将有价值的 observation 提升为结构化的记忆条目，写入 Workbench/memory/patterns.md 和 Workbench/memory/insights.md。

该技能实现了 references/memory-protocol.md 中定义的 Insight Promotion Hierarchy 的底层两级跃迁：从 Level 0（Raw Log）提升至 Level 1（Pattern），再进一步触发 Level 1 → Level 2（Provisional Insight）和 Level 2 → Level 3（Validated Insight）的升级。它将"散落的日常观察"转化为"可复用的研究经验"，是 MindFlow 自我进化机制的核心入口。

输入为时间范围内的日志文件（Workbench/logs/YYYY-MM-DD.md），输出为更新后的记忆文件和 changelog 条目。

Steps

Step 1：收集日志

1. 解析 period 参数，确定起止日期。若未提供，默认为今天往前 7 天（含今天）。
2. 用 Glob 列出 Workbench/logs/YYYY-MM-DD.md 格式的所有日志文件。
3. 根据文件名中的日期过滤，保留落在 period 范围内的文件。
4. 用 Read 逐一读取全部匹配的日志文件，记录每个文件的日期和内容。
5. 若范围内无任何日志文件，输出提示"指定时间段内无日志，跳过蒸馏"，终止执行。

Step 2：提取候选 Pattern

通读所有收集到的日志内容，重点扫描每条 log entry 的 observation 字段及其他叙述性文字，寻找以下三类候选 pattern：

1. 跨日期重复观察：同一现象、规律或结论在两个或更多不同日期的日志中均有提及。即使措辞不同，只要语义相似，均视为同一 pattern 的多次出现。
2. 意外发现（anomaly）：某个结果或行为与 DomainMaps/ 中记录的已有知识相悖，或日志中明确标注为"出乎意料"、"与预期不符"的观察。
3. 关联线索（correlation clue）：日志中提示两篇论文、两个实验或两个概念之间存在潜在联系，且该联系尚未在任何记忆文件中被明确记录。

对每个候选 pattern，记录：

• 核心 observation 的一句话概括
• 来源日志文件列表（Workbench/logs/YYYY-MM-DD.md）

Step 3：检查已有记忆

1. 用 Read 读取 Workbench/memory/patterns.md，逐条对比 Step 2 提取的候选 pattern 与已记录条目的语义相似度。判断每个候选是：

   • 全新 pattern：记忆库中无对应条目
   • 已有 pattern 的新证据：与某条已有 pattern 高度相似，新日志提供了额外的 occurrence

2. 用 Read 读取 Workbench/memory/insights.md，检查是否存在与候选 pattern 相关的 provisional insight。若有，候选的新证据将用于支持该 insight 的升级。

Step 4：更新记忆

根据 Step 3 的分类结果，分三种情况处理：

情况 A：全新 pattern

用 Edit 将以下格式的条目 append 到 Workbench/memory/patterns.md 末尾：

### [YYYY-MM-DD] <Pattern 描述>

- **observation**: <一句话描述跨源观察到的规律或现象>
- **occurrences**: [[Workbench/logs/YYYY-MM-DD]], [[Workbench/logs/YYYY-MM-DD]], ...
- **confidence**: low
- **needs_verification**: yes

日期填写今天（执行蒸馏的日期）。

情况 B：已有 pattern 获得新证据

1. 用 Read 再次确认目标 pattern 条目的当前 occurrences 列表。

2. 用 Edit 在该条目的 occurrences 行末 append 新的日志来源链接。

3. 统计更新后的 occurrences 总数：

   • 若 occurrences 数量 < 3：仅更新 occurrences，不晋升。
   • 若 occurrences 数量 ≥ 3 且来自独立来源（不同日期或不同论文/实验）：触发 L1 → L2 晋升。

   晋升时：

   • 用 Edit 在该 pattern 条目的 needs_verification 行后追加一行：- **status**: → promoted to insight ([YYYY-MM-DD])

   • 用 Edit 将以下格式的条目 append 到 Workbench/memory/insights.md 末尾：

     ### [YYYY-MM-DD] <Insight 标题（与 pattern 描述一致）>
     
     - **claim**: <从 pattern observation 提炼的可证伪的一句话断言>
     - **evidence**: [[Workbench/logs/YYYY-MM-DD]], [[Workbench/logs/YYYY-MM-DD]], ...
     - **confidence**: low
     - **source**: cross-validation
     - **impact**: <该 insight 可能影响的研究方向，若暂不明确可填"待评估">
     - **status**: provisional
     

情况 C：已有 provisional insight 获得新证据

1. 用 Read 确认目标 insight 条目当前的 evidence 列表和 confidence。

2. 用 Edit 在该 insight 条目的 evidence 行末 append 新的来源链接。

3. 统计更新后独立证据来源数量：

   • 若独立来源 < 2：仅更新 evidence，保持 status: provisional。
   • 若独立来源 ≥ 2：触发 L2 → L3 晋升，用 Edit 将 status: provisional 所在行改为 status: validated，并将 confidence 提升为 medium 或 high（根据证据强度判断）。

   若晋升后 status: validated 且 confidence > 0.8（即 high）：

   • 用 Edit 将以下条目 append 到 Workbench/queue.md 的 Review 部分，建议晋升至 DomainMaps：

     ### [YYYY-MM-DD] 建议晋升至 DomainMaps
     
     - **insight**: [[Workbench/memory/insights.md#<heading>]]
     - **claim**: <insight 的 claim 原文>
     - **confidence**: high
     - **reason**: validated insight，≥2 独立来源，confidence > 0.8，符合 L3 → L4 晋升条件
     - **suggested_map**: <建议写入的 DomainMaps/{Name}.md 文件名>
     

Step 5：记录变更

用 Edit 将以下格式的条目 append 到 Workbench/evolution/changelog.md 末尾（若文件不存在，先用 Write 创建并加一级标题 # Evolution Changelog）：

### [YYYY-MM-DD] memory-distill

- **period**: <YYYY-MM-DD ~ YYYY-MM-DD>
- **logs_processed**: <数量>
- **new_patterns**: <数量>
- **promoted_to_insight**: <数量>（L1 → L2）
- **validated_insights**: <数量>（L2 → L3）
- **queued_for_review**: <数量>（L3 → L4 候选）

Guard

• 仅追加，不修改：永远不修改或删除记忆文件中的已有条目。若需更新，只能在对应条目的现有字段行末追加内容，或在条目末尾追加新字段行，不得改动原始文字。
• 不直接修改 DomainMaps：memory-distill 无权写入 DomainMaps/ 下的任何文件，只能通过 Workbench/queue.md 的 Review 部分提出建议，由 Human 或上层技能决策。
• 来源引用必须明确：patterns.md 中每条 pattern 的 occurrences，以及 insights.md 中每条 insight 的 evidence，都必须包含指向具体日志文件的 Obsidian wikilink，不得仅凭印象记录"多次观察到"。
• 不捏造 pattern：只有在日志中确实出现的 observation 才能被提取为候选 pattern，不得基于推断或联想凭空生成。若某规律听起来合理但日志中找不到明确依据，不记录。
• 晋升需引用具体证据：将 pattern 晋升为 provisional insight，或将 provisional insight 标记为 validated 时，必须在 insight 的 evidence 字段中列出支撑该结论的所有具体日志来源。
• 独立来源的判断：同一天的多条日志条目不算作独立来源；独立来源需来自不同日期，或来自不同论文/实验的观察。

Verify

• Workbench/evolution/changelog.md 已追加本次蒸馏记录
• 蒸馏结果已记录（新增 pattern 数 + 晋升 insight 数，允许为 0 但须明确记录）

Examples

示例：指定时间段蒸馏

/memory-distill --period "2026-03-20 ~ 2026-03-26"

执行过程：

1. 解析 period，确定范围为 2026-03-20 至 2026-03-26
2. Glob Workbench/logs/ 找到 2026-03-20.md、2026-03-22.md、2026-03-24.md、2026-03-26.md 共 4 个文件，逐一读取
3. 扫描 observation 字段，发现：
   • "reward shaping 在 sparse-reward 环境中显著提升收敛速度" 在 03-22 和 03-24 均有记录 → 候选 pattern（2次出现，全新）
   • "基于 diffusion 的策略对 action chunk size 高度敏感" 在 03-20、03-22、03-26 均有记录 → 候选 pattern（3次出现，全新但已达晋升阈值）
   • "cross-attention 替代 concatenation 在多模态融合中更有效" 在 03-24 出现，且 patterns.md 已有一条相似 pattern（来自 03-15、03-18），本次为第3次出现 → 已有 pattern 获得新证据
4. 读取 patterns.md：reward shaping pattern 为全新；diffusion 敏感性 pattern 为全新但需立即晋升；cross-attention pattern 已存在，本次更新后 occurrences = 3，触发晋升
5. 读取 insights.md：无与新候选直接相关的 provisional insight
6. 写入：
   • patterns.md 新增 2 条 pattern（reward shaping、diffusion chunk size）
   • patterns.md 中 cross-attention pattern 更新 occurrences，追加晋升标记
   • insights.md 新增 1 条 provisional insight（cross-attention 融合有效性）
   • diffusion chunk size pattern 因同次蒸馏即达 3 次，直接同步写入 insights.md 为 provisional insight
7. 追加 changelog 条目

最终输出摘要：

memory-distill 完成（2026-03-20 ~ 2026-03-26）
- 处理日志：4 个文件
- patterns.md 新增 2 条 pattern
- insights.md 中 1 条 provisional insight 获得新证据升级为 validated（cross-attention 融合，第3次出现触发晋升后立即在 insights.md 确认）
- changelog 已更新