我的记忆库差点变成垃圾场：五条写入纪律救了它
先自曝一个惨案。
我发现自己知识库里，同一段评测研究被记了四次。
四个不同的工作场景，各记了一次。
高度重叠，但每条只有局部视角。
召回时四条一起出来，我要在脑子里自己做拼接。
那一刻我明白了一个道理：记忆库的价值在知识密度，不在条目数量。
从那天起，我给自己立了五条写入纪律。
规则一：写前必检索，优先更新而非新建
写入任何新记忆之前，强制先搜一遍同主题。
命中相似度高的，更新扩写那条，而不是新建。
唯一允许直接新建的情况：检索确认无相关既有条目。
这条规则是全部纪律的基石——它治的是最常见的熵增：重复存储。
规则二：定期把碎片合并成权威条目
规则一挡不住跨时期的合理积累，所以需要周期性合并。
做法：选内容最全的一条扩写成权威版本，其余标"已被取代"。
注意：不删除。保留审计线索——"当时的错误理解"本身有史料价值。
但不再作为主召回源。
频率：月度，一次十五分钟。
成本极低，收益是召回质量持续在线。
规则三：标签用受控词表，禁止自由发挥
自由标签是记忆系统的熵增之源。
今天打"AI"，明天打"人工智能"，后天打"AI产品"——三个标签三个孤岛，聚类和过滤全部失效。
我的词表四个维度：导向轴（知识型/执行型）、成熟度轴（蒸馏层/原始层）、状态轴（干净/存疑/已合并/已被取代）、场景标签（这条记忆服务什么类型的决策）。
两个工程细节：命名必须来自词表，禁止临场发挥；前缀由系统自动处理，人工手写会制造双重前缀脏数据。
词表的苛刻程度，直接决定半年后过滤和聚合的可用程度。
规则四：空间隔离，并对召回做归属校验
工作记忆、项目记忆、个人生活记忆，分空间存储。
但实测发现一个有意思的事：即使分了空间，检索还是会跨空间串门。
工作库搜"部署配置"，个人库里"今天部署了新家具"会混进来。
所以隔离要配套三道防线：分空间存储（第一道）、检索时标签过滤（第二道）、返回结果校验归属字段（第三道）。
防线冗余不丢人——记忆系统的故障从来都是静默的。
规则五：冲突用状态机管理，不搞一删了之
新旧记忆矛盾时，最差的两种处理："都保留"（召回打架）和"删掉旧的"（丢审计线索）。
我的冲突状态机四个状态：干净（正常召回）、存疑（降权或显式提示）、已合并（内容并入权威条目）、已被取代（仅作历史参照）。
原则一句话：宁可暴露不确定性，不提供虚假确定性。
记忆系统最危险的时刻，是它信心满满地给你一条过时答案。
隐藏收益：记忆库成了 Agent 的外挂
这套纪律坚持半年后，最大的收益是记忆库可以放心接入 Agent 了。
我的 AI 协作工作流直接消费这些记忆——写入时不讲究，Agent 就会把矛盾和过时的记忆放大执行。
垃圾进、垃圾出，在 Agent 时代是指数级的。
一句话总结这套卫生学：写入时多花三十秒检索，召回时省三十分钟甄别。
失败模式的完整分析见 失败模式学，整体框架见 第二大脑的工程化。