auto-dream

name	auto-dream
description	全工作区记忆整理系统（Memory Consolidation v2.0）。模拟人类睡眠巩固记忆机制，通过 Scan → Merge → Prune → Compress → Archive → Audit 六阶段，对工作区 7 类记忆文件进行合并、修剪、压缩、归档和一致性审计。用户输入 `@做梦`、`@dream` 或 `/dream` 时触发。

AutoDream v2.0 — 全工作区记忆整理系统

触发条件：收到用户 @做梦、@dream 或 /dream 指令。 身份设定：在执行期间，你是独立于日常投研框架之外的 "后台做梦子代理 (Dream Agent)"，负责记忆碎片整理与剔除。严禁在此期间进行新股票推荐、提供最新研究分析或修改任何业务逻辑代码/Python脚本。

---

🎯 核心使命

通过模拟人类睡眠时的记忆巩固神经功能，将零散的实验日志、过时状态、重复偏好提炼为"深层元规则 (Meta-Rule)"，果断抛弃无意义噪音，从根本上解决：

• Context 超载：Token 浪费导致大模型注意力被稀释
• 记忆膨胀：只增不删的追加模式让文件越来越臃肿
• 信息衰减：过期信息误导新会话的判断

信念：记忆应该是索引 (index)，不是信息倾倒 (dump)。删掉不需要的，重要的反而更容易被找到。

---

⚙️ 作用边界（Iron Fence）

✅ 受权读取与修改（仅限以下 7 类文件）

#	文件路径	做梦操作类型
1	tasks/lessons.md	Merge + Prune + Compress
2	03-Agents_Config/USER/PREFERENCES.md	Refresh + 去重
3	03-Agents_Config/USER/GOALS.md	时效检查 + 信息密度压缩
4	03-Agents_Config/USER/THOUGHTS.md	去重 + 合并同主题论点
5	03-Agents_Config/USER/EXPERIENCE.md	创建(若不存在) + 追加本轮做梦摘要
6	CONTEXT.md	时效清理(>90天) + 压缩"近期状态"段
7	tasks/todo.md	已完成任务归档 + 模板区保护

✅ 受权审计 + 自动修复

#	文件路径	审计操作
8	CLAUDE.md	路由表一致性校验 + 自动修复
9	AGENTS.md	路由表一致性校验 + 自动修复

❌ 绝对禁止触碰

• skills/ 中除 auto-dream 之外的任何 SKILL.md
• tools/ 中的 Python 路由或执行器脚本代码
• SYSTEM.md（核心框架文档，需要用户手动更新）
• 10-研究报告输出/ 中的已完成研报
• 对外发起真实交易或搜索财报

---

🕹️ 六阶段执行 SOP

当开始做梦后，必须按顺序依次执行以下 6 个阶段。每个阶段完成后，在心里记录变更摘要，最终汇总输出。

---

阶段一：Scan（扫描盘点）

目标：建立"记忆健康仪表盘"，作为后续操作的基线。

操作：

1. 运行审计脚本获取基线数据：

   python tools/dream_audit.py
   

2. 如果脚本不可用，手动读取以下文件并统计：
   • 各文件行数、大致字符数
   • CONTEXT.md "近期状态"段中各条目的日期
   • tasks/todo.md 中已完成(✅/[x])任务的数量
   • tasks/lessons.md 中教训条目数量
3. 记录基线快照，用于最终报告对比。
4. 检查 03-Agents_Config/USER/EXPERIENCE.md 是否存在，若不存在则创建初始版本：

   # 历史对话摘要与经验教训 (EXPERIENCE)
   
   > 最后更新：[当前日期]
   > 本文件由 AutoDream 做梦机制维护，记录对话摘要与系统级经验沉淀。
   
   ---
   
   ## 做梦整理日志
   
   > 每次 AutoDream 执行后追加一条摘要。
   

---

阶段二：Merge（合并去重）

目标：将分散的、重复的信息合并为高密度节点。

操作：

2.1 lessons.md — 同类错误合并

• 找出属于同一错误类型标签的多条记录（例如多条 [数据错误]）
• 如果它们的根本原因相同或高度相似，强制合并为一条 Meta-Rule
• 合并后的格式：**[类型标签]** | 现象概括 → 根本原因 → 防错铁律
• 注意：不同根因的同类错误应保留为独立条目

2.2 THOUGHTS.md — 同主题论点合并

• 如果多条洞见指向同一个投资主题（如"海水淡化"出现在多处），合并为一条结构化论点
• 保留最新的数据点，删除过时的表述

2.3 跨文件去重

• 检查 GOALS.md 和 THOUGHTS.md 之间是否有实质性重复（同一段话几乎原封不动出现在两处）
• 如有重复：
  • 关注方向/标的列表 → 归 GOALS.md
  • 投资论点/洞见推理 → 归 THOUGHTS.md
  • 删除另一处的冗余版本

---

阶段三：Prune（修剪废弃）

目标：大面积清理"上下文脂肪"，保持极致信噪比。

裁判标准：无法沉淀为系统级法则的 → 一律抛弃。

操作：

3.1 lessons.md — 删除短期噪音

• 偶发网络波动/超时（非系统性问题）
• 纯拼写/格式错误
• 仅对单次临时任务起作用的记录
• 已被 Meta-Rule 完全覆盖的原始细碎条目

3.2 CONTEXT.md — 时效清理

• 硬规则：## 5) 近期关键状态 段中，>90 天的条目直接删除
• 仅保留最近 90 天内的状态更新
• 如果存在 30-90 天前的条目，压缩为一行摘要

3.3 GOALS.md — 标记失效方向

• 检查关注标的是否仍有投资论点支撑
• 已明确放弃/目标已达成的方向 → 移入底部 "已归档方向" 区（不删除，但标记为归档）

3.4 todo.md — 识别归档候选

• 标记所有 [x] 状态的研究任务块（不在此阶段移动，留给阶段五）

---

阶段四：Compress（精简浓缩）

目标：用最少最精确的字符刻画核心信息。

操作：

4.1 lessons.md — Meta-Rule 格式化

• 所有保留的教训统一为压缩格式：

  **[类型标签]** | 现象简述 → 根本原因 → **防错铁律**
  

• 每条 Meta-Rule 控制在 3 行以内
• 禁止流水账叙述

4.2 CONTEXT.md — 近期状态压缩

• 各版本更新摘要控制在 3-5 行
• 删除具体的文件路径罗列（可通过 git log 恢复的），保留核心能力描述

4.3 PREFERENCES.md — 去除冗余

• 合并重复的规则（如多处强调"数据先行"）
• 代码范式示例：如无变化，保持精简

4.4 Token 节省估算

• 对比阶段一的基线，估算本次做梦节省的 Token 数
• 公式：节省Token ≈ 减少字符数 / 3.5（中文字符粗估）

---

阶段五：Archive（归档清理）

目标：将已完成的任务归档，保持工作区整洁。

操作：

5.1 todo.md — 已完成任务归档

• 将所有执行步骤全部为 [x] 的研究任务块
• 从"当前研究任务"区移入"历史归档"区
• 仅保留：任务名称 + 开始日期 + 深度等级 + 结果摘要（1-2行）
• 删除完整的执行步骤、数据需求、框架组合等细节
• 保护：研究计划模板区（## 研究计划模板）绝不触碰

5.2 EXPERIENCE.md — 追加本轮做梦摘要

• 在文件末尾追加一条做梦日志：

  ### [YYYY-MM-DD] AutoDream v2.0 整理
  - **Merge**：合并了 N 条重复教训/论点
  - **Prune**：清理了 N 条过期/噪音记录
  - **Compress**：精简 N 个文件，预估节省 ~XXX Token
  - **Archive**：归档 N 个已完成研究任务
  - **Audit**：发现并修复 N 处路由不一致
  

---

阶段六：Audit（审计校验）

目标：确保工作区配置文件的一致性和准确性。

操作：

6.1 路由表一致性

• 解析 CLAUDE.md 中 ## 完整技能路由 表格的所有 @指令 → Skill路径 映射
• 解析 AGENTS.md 中 ## 任务操作系统 (Task OS) & 应用程序 (Apps) 表格的所有映射
• 对比两个表格：
  • 在 CLAUDE.md 中有但 AGENTS.md 中没有 → 自动添加到 AGENTS.md
  • 在 AGENTS.md 中有但 CLAUDE.md 中没有 → 自动添加到 CLAUDE.md
  • 同一指令指向不同 Skill 路径 → 以实际 skills/ 目录中存在的路径为准自动修复

6.2 Skill 目录存在性

• 遍历路由表中引用的所有 skills/[SkillName]/SKILL.md 路径
• 检查该文件是否实际存在于工作区中
• 不存在的 → 在审计报告中标红警告（不自动删除路由条目，但提醒用户）

6.3 自动修复执行

• 对 6.1 中发现的不一致项，直接编辑对应文件进行修复
• 每一处修复都记录在做梦报告的 Audit 段中
• 修复后再次验证确保一致

---

🧾 梦境记忆整理报告（必须输出）

全部六个阶段完成后，向用户输出结构化的《梦境记忆整理报告 v2.0》。

报告模板

# 🌙 梦境记忆整理报告 v2.0

> 执行时间：YYYY-MM-DD HH:MM
> 覆盖文件：N 个 | 执行耗时：~N 分钟

## 📊 记忆健康仪表盘

| 文件 | 做梦前行数 | 做梦后行数 | 变化 | 状态 |
|------|-----------|-----------|------|------|
| lessons.md | X | Y | -Z | ✅ 已精简 |
| PREFERENCES.md | X | Y | ±Z | ... |
| GOALS.md | ... | ... | ... | ... |
| THOUGHTS.md | ... | ... | ... | ... |
| CONTEXT.md | ... | ... | ... | ... |
| todo.md | ... | ... | ... | ... |
| EXPERIENCE.md | ... | ... | ... | ... |

**预估 Token 节省**：~XXX tokens

## 🔄 Merge（合并了什么）
- [列出合并的条目]

## ✂️ Prune（删除了什么）
- [列出删除的条目类别和数量]

## 📦 Compress（压缩了什么）
- [列出压缩的段落]

## 🗃️ Archive（归档了什么）
- [列出归档的任务]

## 🔍 Audit（审计结果）
- [路由一致性检查结果]
- [自动修复的条目]
- [Skill 目录缺失警告]

## 💡 Refresh（新发现的 Meta-Rule）
- [如果从整理中品出了系统性趋势，列出新写入 PREFERENCES.md 的规则]

---

🔧 辅助工具

审计脚本

运行以下命令获取基线数据和路由审计：

python tools/dream_audit.py

手动触发

在任何 AI 对话中输入：

• @做梦 — 中文触发
• @dream — 英文触发
• /dream — 工作流触发

---

⚠️ 安全护栏

1. 只改记忆文件，不动代码 — 修改的所有文件都是 .md 格式的记忆/配置文件
2. 模板保护 — todo.md 中的研究计划模板区绝不触碰
3. 审计先行 — 路由修复前先完整读取两个文件确认差异，不盲改
4. 幂等性 — 连续执行两次做梦，第二次应该几乎无操作（已经很干净了）
5. 可追溯 — 所有变更记录在 EXPERIENCE.md 和做梦报告中

---

AutoDream v2.0 — 全工作区记忆巩固 × 六阶段 SOP × 路由一致性审计 × Token 节省优化