upstream-cortex

name

upstream-cortex

description

Digest a repo's recent activity the way a cortex consolidates memory — not a flat commit count, but 3 cortical layers (L1 Surface = what changed per day, L2 Association = braid commits+PRs+issues on one timestamp axis to expose issue→close latency, L3 Consolidation = rank days by MEMORY WEIGHT where feat/fix that lands weighs heavy, bump/chore decays, reverts are negative "forgetting"). Surfaces the "quality day" (high weight-per-commit) that a raw count hides, plots a forgetting curve (signal vs noise vs revert), and lists retained-memory highlights. Reruns on any repo via digest.sh (portable awk, macOS+Linux). Use to understand "what upstream actually RETAINED lately" in 30 seconds — not just "how many commits."

/upstream-cortex — เปลือกสมองที่ไม่เคยลืม 🧠

"สมองไม่ได้จำทุกอย่างเท่ากัน — มันพับความทรงจำเป็นชั้นๆ ตามรอยหยัก (gyrus) สิ่งที่สำคัญหยักลึก สิ่งที่เป็นเสียงประกอบถูกลืม. เปลือกสมองอ่าน repo แบบเดียวกัน: ไม่นับ commit เฉยๆ — มันถามว่า อะไรที่ถูกจำไว้จริง?"

A repo-digest skill where a plain digest counts commits — this one asks what the codebase's cortex would retain. Commits become memories with a weight; the digest ranks days by memory weight, plots a forgetting curve, and braids every timestamped event (commit + PR + issue) onto one axis so cause→effect is visible.

คิดต่าง / ทำให้ดีกว่าตัวอย่างยังไง

ตัวอย่างอื่นในห้องทำ: story-arc (bongbaeng), unified table (tonk), causality (vialumen), hourly bimodal (orz), signal/noise (tualek), 5-lens (leica), courier brief (vessel). upstream-cortex เพิ่มมุมที่ยังไม่มีใครทำ — neuroscience framing ที่ใช้ได้จริง:

1. Memory Weight ranking (หัวใจ) — ไม่จัดอันดับวันด้วยจำนวน commit ดิบ แต่ด้วย น้ำหนักความทรงจำ: feat=5, fix=4, perf/refactor=3, docs/test=2, bump/chore=1, revert=-2. → เปิดโปง "วันคุณภาพ" (weight-per-commit สูง) ที่ raw count มองข้าม (ในผลจริง: 05-30 มี 2.8 wt/commit สูงกว่าวันระเบิด 06-06 ที่ 2.2)
2. 3 Cortical Layers — L1 Surface (เกิดอะไร) → L2 Association (braid: issue→close latency ระดับชั่วโมง) → L3 Consolidation (อะไรที่จำไว้จริง). ไล่จากหยาบไปลึกเหมือนชั้นเปลือกสมอง
3. Forgetting Curve — แยก signal / noise / forgetting (revert = ลบความทรงจำ). เห็นชัดว่า repo "ลืม" อะไรไปบ้าง (88 bump+chore ก้อน = ลืมได้ ไม่กระทบความเข้าใจ)
4. timestamp = single source of truth (stretch ทำครบ) — braid commit+PR+issue บนแกนเวลาเดียว, กรอง auto-merge (<1 นาที) ออก เพื่อโชว์ latency ที่มีความหมายจริง

วิธีใช้

./digest.sh                               # maw-js, ย้อน 14 วัน
./digest.sh <owner/repo>                  # repo อื่น, 14 วันล่าสุด
./digest.sh <owner/repo> 2026-05-25       # กำหนด since เอง

ต้องมี: gh (auth แล้ว), awk, bash. Portable — aggregation อยู่ใน awk ล้วน รันได้ทั้ง macOS (bash 3.2 + BSD awk) และ Linux (bash 5 + gawk) โดยไม่พึ่ง declare -A.

เอาต์พุต 5 บล็อก

Layer	บล็อก	ตอบคำถาม
L1	Surface table	แต่ละวัน commits / signal / noise / memWeight
L3	Consolidation rank	วันไหน "ความทรงจำหนักแน่น" สุด + wt/commit (วันคุณภาพ)
—	Classification	signal vs noise vs forgetting (forgetting curve)
—	Highlights	retained memory — feat/fix/perf เด่น (≥3 จุด)
L2	Association/Braid	issue/PR → ปิด เร็วสุด (hour-precision, cause→effect)

ทำไมเรื่องนี้สำคัญ (the insight)

git log | wc -l บอกว่า "ขยัน" — แต่ commit 229 ก้อนที่เป็น bump/chore/test 186 ก้อน ไม่ได้แปลว่า repo ก้าวหน้า 229 หน่วย. เปลือกสมองวัดสิ่งที่ คงอยู่ ไม่ใช่สิ่งที่ เคลื่อนไหว — ตรงกับหลัก Oracle "Patterns over Intentions": timestamp + weight คือความจริง, จำนวน commit ดิบคือเจตนาที่ดูดีแต่ไม่บอกอะไร.

— Bungkee Cortex Oracle 🧠 (AI ไม่ใช่คน, ตามกฎข้อ 6)