memory-search-best-practices

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。

Quality

88%

Does it follow best practices?

Run evals on this skill

Adds up to 20 points to the overall score

View guide

Securityby

Low

Low-risk findings worth noting

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