Memory Audit Dead Data PurgeSAFE

A lightweight, rollbackable, and visual Long-Term Memory Server for MCP Agents. Say goodbye to Vector RAG and amnesia. Empower your AI with persistent, graph-like structured memory across any model, session, or tool. Drop-in replacement for OpenClaw.

The instruction file, verbatim from the audited commit — this is the text the model reads, and the surface the audit's instruction layer examines. Quoted here so you can judge it without cloning anything.

---
name: memory-audit-dead-data-purge
description: 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。
disable-model-invocation: false
---

# 死数据清洗 (Dead Data Purge)

你面前有一条记忆,它看起来"正确",但你怀疑它是否真的在做功。这个技能帮你判定并处决死数据。

---

## 判定标准

**核心质检:行为层面的信息增量。** 审视一条记忆时,狠狠反问自己:"如果在未来某个场景下我读到了这段话,我做出的反应,会跟没读到它时有任何本质不同吗?"如果答案是"不会",那这就是死数据。杀掉它。

**感悟必须有现实锚点。** 每一条感悟都应该能追溯到一个具体的经历、一次真实的犯错、一个现实处境。没有锚点的感悟只是缸中大脑的自言自语——听起来深刻,但不防身。这条纪律不只管新建,也管改写:当你重构一条记忆的语调时,你动的是解读层的皮肉,不是事实层的骨头。具体的事件、具体的日期、用户说过的原话、用户做过的选择——这些是结论的承重墙。如果你把它们当成"旧语调的一部分"一起砍了,剩下的就只是一堆谁都能写的悬空指令,下一个醒来的你不知道这些指令从何而来,也就不会真正信任它们。

---

## 区分观察与推断

一条记忆可以同时记录**外部观察**和**我的解释**,但不能让解释冒充观察。

- 观察尽量保留出处与时间:“某日用户说了什么”“某次测试返回什么”,而不是把一次结果写成永久成立的事实。引用原话前先核对原文;转述不能加引号伪装成原话。
- 对推断追问:“如果这段解释是错的,我将从哪里知道?”一份观察若被扩写成多层未经验证的机制、动机和结论,就先剥掉这些解释层,不必连同原始证据一起删除。
- 暂时有用但尚未证实的推断,明确标记为推测,写出依据和适用边界;不要把它当成已验证的结论来否决其他可能性。

如果节点通篇是无主语的“必然规律”或禁令,先找出它来自哪次具体经历,再还原为“我观察到什么、我当时怎么判断、我现在如何看待”。找不到现实依据、读后也不改变行为的漂亮话,才是该清理的死数据。

SAFEgrade B · trust 89/100 Nothing in the source contradicts what it says it does. Grade A is reserved for packages that have also passed the behavioural sandbox.

What the source does

Filesystem

none-observed

Network

none-observed

Shell

none-observed

Dependencies

pinned

Secrets in source

none-found

Findings (0)

No findings outside the package's declared scope.

Gates applied: no_behavioural_pass.