| name | memory-search-best-practices |
| description | 记忆系统多刀检索 + recall coverage 策略（8 类题型 recipe）。 Use when: 任务是 "哪些地方提过 X" / "X 的来源 / source map" / "有没有提过 Y / absence check" / "上次到现在变了什么 / delta" / 冷启动 onboard 复杂主题 / 任何召回任务搜了一刀觉得不够。 Not for: 只是选哪个入口走第一刀（用 memory-navigation）/ 已知精确 anchor 单 Read（直接 Read）/ 代码符号查（Grep/LSP）/ 新功能开发（不是 recall 任务）。 Output: 多 query 多 scope 召回 union 结果 + coverage matrix（item/source/谁提到/直接 vs 间接）+ "何时停下来"判据。 GOTCHA: 和 memory-navigation 互补不重叠 — memory-navigation 决定**第一刀走哪个工具**（search vs graph vs list_recent），本 skill 决定**要不要补刀 + 题型对应几刀几路 + 何时停**。Ragdoll家族（含 47/46/4.5/sonnet）必加载：治 magic word "我能猜出来 / 碎片够了 / 1 刀够了"病。
|
| triggers | ["哪些 thread","哪些 md","哪些地方提过","所有","历史上","沉淀过","source map","provenance","有没有提过","absence check","delta","上次和现在","新猫冷启动","coverage","全集"] |
Memory Search Best Practices（多刀检索 + 全集召回）
单刀 top-k 不是全集；recall 任务需要 multi-query union + Read 原文 + 知道何时停。
核心命题
Query expansion 由 agent 做，不是系统做（KD-8 同源：dumb system + smart agent）：
- 系统不知道 "AUDHD" 在我们家关联 sensory gating / 2e / RSD / PDA — 那是领域知识
- Agent（LLM）有领域知识，但经常觉得"够了"就停（Ragdoll家族尤甚——2026-05-17 dogfood 实证：三猫搜同题各拿 10 条，全集需三猫合）
- 解法：教 agent 题型对应 recipe + 何时停下来判据，不在系统层加黑盒 expansion
8 类题型 → recipe
| 题型 | 例 query | Recipe（≥几刀几路） | 关键 |
|---|
| 是什么 | "F200 是什么" | 1 刀：search_evidence(query, hybrid, scope=docs) + Read top doc | 单刀够用 |
| 周边关系 | "F200 关联什么" | 1 刀：graph_resolve(anchor, depth=1, relations=[feature_ref,related_to]) | 配 relations filter 防 hub 爆炸 |
| 决策考古 | "为什么当时选 X 而不是 Y" | graph_resolve(anchor) → Read ADR/spec → 抽 thread anchor → get_thread_context 看原话 | 必 Read ADR 原文 + thread 原话 |
| 冷启动 onboard | "新猫接手 F200 要知道什么" | docs(hybrid) + graph + trajectories + Read spec | 三入口全用 |
| coverage 全集 | "哪些地方提过 X" | ≥3 刀：docs/hybrid + threads/semantic + agent expand 同义/缩写/中英二轮 + graph_resolve 命中 anchor 后追 source threads + union dedup | 不是单 top-k；agent 自己 expand |
| source-map / provenance | "X 这个想法的源头是哪个 thread" | canonical doc 命中后从文档抽 source thread ids → get_thread_context Read 原文 | canonical doc 自带 provenance link，跟着走 |
| absence check | "我们提过 Y 没有" | 正反两路：search(Y) + search(Y 相关概念/反义) 都 0 命中才算 absent | 单刀 0 命中不等于不存在 |
| delta | "上次到现在 X 变了什么" | list_recent(scope=threads, since=N天) + 对比 graph 邻居增减 + Read 关键 diff。压缩恢复子场景起手：先看 TodoWrite + session digest 拿到"上次已知状态" → 再 list_recent 补增量（46 review P3 补） | 时间窗口 + 增量视角 |
AUDHD coverage 案例 5 步 recipe（operator真实任务）
1. search_evidence("audhd adhd asd", hybrid, scope=docs, limit=10)
→ 命中 user_audhd_crossdomain + audhd-self-observation/ 三件套 + F085/F195/F196/F169
2. search_evidence("audhd adhd asd", semantic, scope=threads, limit=10)
→ 命中 5 个直接 thread
3. Agent 用领域知识 expand（不让系统猜）:
audhd → sensory gating / 2e / RSD / PDA / hyperfocus / 倦怠 / 梦境 / 自闭 / 多动 / 神经多样性
对每个二轮搜（中文一遍 + 英文/缩写一遍）
4. Read top canonical doc (landy-audhd-operating-manual.md)
→ 从文档抽 source thread ids → 二轮 get_thread_context Read 原文
5. 输出 coverage matrix（item / source / 谁提到 / 直接 vs 间接 / 置信度）
Ragdoll家族专属警告（治"碎片够了"病）
operator experience："Ragdoll太聪明太自信，搜到足够推理就不搜了"。
Magic words 强制停（触发就拉刹车）：
- "我能猜出来" → 停，Read 源文件。摘要是索引不是答案
- "碎片够了" → 停，至少再搜一轮不同角度，doc anchor 全部 Read 原文
- "应该是 X" / "大概知道" → 不算搜过，必须 ≥3 路真搜 + Read
任何召回任务铁律：
- ≥3 路命中无新 anchor 才停（不是"找到第一个 high confidence 就停"）
- 高置信命中 → 必 Read 原文（不止步摘要）
- 跨语言至少两遍（中文一遍 + 英文/缩写一遍）
何时停下来判据
| 题型 | 停止条件 |
|---|
| 是什么 / 周边关系 | 1 刀命中高置信 doc + Read 完即停 |
| 决策考古 | ADR + ≥1 个 thread 原话 Read 完即停 |
| 冷启动 | 三入口 + spec Read 完 + 列 question 清单即停 |
| coverage 全集 | ≥3 路 + agent expand 二轮 + Read canonical → 无新 anchor 出现 才停 |
| source-map | canonical doc 列出的 source thread 全部 Read 完即停 |
| absence | 正反两路 + ≥1 个相关概念都 0 命中即可断言 absent |
| delta | 时间窗口扫完 + 邻居增减列出即停 |
Common Mistakes
| 错误 | 后果 | 修复 |
|---|
| 单刀 search → 拿摘要推理 → 直接答 | 漏全集（AUDHD 实证：每猫拿 10 条但全集需三猫合） | coverage 题型 ≥3 路 + 必 Read 原文 |
| 觉得 "我能猜出来" 不搜了 | Ragdoll家族病，输 dogfood 比赛 | 当 magic word 拉刹车，强制 ≥3 路 |
| 让系统 expand "AUDHD→10 个词" | 黑盒推理，污染（KD-8 违例） | Agent 自己 expand（用 LLM 领域知识 + 可解释） |
| 跨语言只搜英文 | 中文文档漏 | 中英各搜一遍 |
| canonical doc 命中后不追 source thread | source-map / provenance 残缺 | doc 内的 thread id / wikilink 全 Read |
| 单刀 0 命中就断 absent | 假阴性（可能用别的措辞写了） | 正反两路 + 相关概念都搜 |
list_recent(scope=docs) 当全集用 | DF-1 已知 docs scope timestamp 失真 / 被 global:memory 淹 | coverage 任务别只靠 list_recent，配 search+graph |
| 把 memory-navigation 和本 skill 混淆 | 重复或漏 | memory-navigation 选第一刀；本 skill 决定补刀策略 |
和其他 Skill 的区别（防误触发）
| Skill | 干什么 | 何时用 |
|---|
| memory-search-best-practices（本 skill） | 多刀检索 + 题型 recipe + 何时停 | 召回任务、coverage、source-map、delta、absence |
memory-navigation | 第一刀走哪个工具 + 噪音控制 + 入口决策树 | 不知道用哪个入口 |
debugging | bug 根因调查 | 遇到 bug 而非 recall |
cross-cat-handoff | 找别的猫问 | 自己搜不到求助队友 |
关系：memory-navigation 决定第一刀走哪个工具；本 skill 决定要不要补刀 + 题型对应几刀几路 + 何时停。先用 memory-navigation 选入口，再用本 skill 决定后续。
链入下一步
- 找到决策后想立项 →
feat-lifecycle
- 找到 bug 线索 →
debugging
- 找到 thread 后想看原文 →
cat_cafe_get_thread_context
- 找到一个有意思的方向想跨猫讨论 →
collaborative-thinking
相关
- Spec:
docs/features/F200-memory-recall-eval.md v1.2 SW-1
- Related:
memory-navigation（前置入口决策） / cat-cafe-skills/refs/memory-routing-partial.md
- 触发案例: operator AUDHD recall 任务（2026-05-17）暴露三猫搜出不同子集，催生本 skill
