记忆整理 SOP
核心原则：存在性编码
LLM自身是压缩器+解码器。L1只需让它意识到某类知识存在，它就能通过tool call自行取用深层内容。
L1本质：用最短词数表达——什么场景下有什么记忆可用（存在性）。
L1两类内容，统一ROI评估：
- 存在性指针：指向L2/L3知识的最短触发词
- 行为规则：不提醒就会犯的错（致命/高频均可，只要ROI过门槛）
ROI = (不放这几个词的犯错概率 × 代价) / 每轮词数成本
快速判断
该留：反直觉触发词——没提示就想不到去查SOP的场景词。如tmwebdriver_sop(httponly cookie)：没有httponly cookie这个词，你不会想到取cookie要查tmwebdriver
该删：
- 名字翻译：
proxy-pool/(代理池)→ 名字自解释，括号是废词，直接proxy-pool即可 - 内容描述：
opencli_sop(66站点CLI,复用Chrome session)→ 实现细节属于SOP内部，不是触发场景 - 直觉能力：不提醒也能想到 → 0收益，白交每轮成本
- 冗余：L3已覆盖的规则 / L1其他行已含的片段
压缩四原则
- 命名自解释 > 加描述：SOP名能说清的，L1不加注释；改名的ROI常高于改L1
- 存在性集合最小描述：多个相近条目若可被同一上位场景覆盖，用集合名表达这类能力的存在，不必平铺子项。如
qq操作/飞书操作/企微操作→im操作:*_im_sop；子项名自解释则只列名不翻译 - 条目 = 场景↔方案存在性：如
视频理解:yt-dlp取字幕、fofa(资产测绘)——场景名是触发词，方案名编码存在性；括号内只放反直觉触发词，非反直觉的（纯翻译/内容描述/实现细节）全是浪费 - 分层归位：带行为规则或高频高ROI的条目放上方场景行，纯存在性指针归L2/L3平铺列表
整理流程
- 逐行读L1，按
|拆片段，先分类：存在性指针 / RULES / 翻译 / 内容描述 / 实现细节 / 冗余 - 先清RULES：逐条问“这是全局高ROI，还是特定场景低危险规则？”
- 全局高ROI → 留
- 特定场景 / 低危险 → 降级到L3或删除
- 再清存在性指针：检查是否在表达场景↔方案存在性；场景触发词只在反直觉时才加，翻译/内容描述/实现细节删掉
- 检查L3文件名是否自解释；能靠改名解决的，不靠L1加描述；最后验证总行数 ≤ 30
红线：记忆修改是持久性伤害，错误每轮复利。L1只能patch词级别修改，禁overwrite 产生误导应及时修正L1或记忆更名