学习产物按“主张—证据—修订”保存
把学习产物组织成主张、证据、模型、适用边界、竞争解释、方法、实验、结果和修订，预测与事后结果分开存；读完一本书不足以证明判断力提高。练习从目标拆到子技能，再经反馈、提取、真实项目和迁移测试，理解、记忆与新问题中的应用分开检验。价值看案例里的判断与行为，不看笔记数量。
这些是设计启发，原文没有教育效果的对照实验。
知识与现实 · 模块
M13认知、个人系统与生活
个人系统这条线反复得出同一个判断：工具和记忆只有在真实问题里被使用、被纠错时才有价值，推测不能自动写成长期事实。生活杂项用的是同一套求解法：先确认对象与条件，再分环节排除、实测验证；涉及医疗时只拆解问题，交给专业判断。
核心流程
真实问题驱动，记录可追溯，工具可以毕业
外圈顺时针是一次完整的使用循环，中心是每一圈都要写回的可追溯记录。虚线辐条表示写回，不是主流程；焦点站点是“只有重复使用才固化”这道关口。
核心逻辑
七条关于个人系统与日常求解的原则
记忆分类型，推测不写成长期事实
情景、语义、程序、偏好、决策和当前工作记忆用途不同；每条记忆带来源、适用范围、有效期和纠错路径。聚合画像只能由授权的 owner 依可追溯事件更新，轻量的陪伴式观察不能直接改评分；读写和外发权限按信息与动作的风险来配置。
历史建议不构成本轮写入私人记忆的授权；具体的权限分工来自历史规格，需按当前仓库复核。
先有真实重复任务，再沉淀成 Skill 或系统
适合沉淀为 Skill 的方法要有真实的重复使用、稳定的输入输出、完成标准、失败模式和权限边界，而不是先把未验证的想法固化。基建价值用失败率、节省时间、检索错误、人工介入和复杂度变化来判断，避免搭系统挤占作品交付；公共调度层只放共用机制，领域逻辑放独立模块。
“至少两次”“90 天”和投入比例都是未校准的建议，不是通用门槛。
好的自我管理工具允许简化、暂停与毕业
认知类工具不应把持续高频使用当成功：它要支持简化、暂停、重新评估和毕业，只读看板可以显示合法出口，但不替用户决定。检测到需要停止的风险信号时，持久状态和所有后续写入口要立刻一致，不能只留一个复核标记而主状态仍在运行。体验类模型要分别标出隐喻、体验描述、心理假设与脑科学断言。
这不是心理治疗有效性的证据；具体的危机处置要服从正式的专业支持约定。
扩建前先核对现有资产和真实语义
规划扩库前先核对关联仓库的真实资产、入口、Schema 与迁移工具，旧报告说“表是空的”不等于现在仍缺。字段有值不代表正确：同名组织的身份、年代和成员串配会污染关系与创作上下文。关键词存在、fixture 通过和版本号也不等于运行语义，测试失败要传成非零退出码；预算算式要重算并写明是全量还是首批。
具体条数、提交和预算数字是历史核查的自报，本轮没有重新读取那些仓库。
日常问题：先确认对象，再分环节排除
解释设备报警码前，先确认品牌型号、显示部件和完整格式，区分错误码与地址编号。多件衣物同一位置破损，先找共同的接触、使用、清洗、晾晒环节，把损伤点与包带、扣件实际对位，再在各环节前后检查。打印排版同时约束纸张、照片尺寸、可打印边距和驱动缩放，先按实际大小印一张量过再批量；标着同样“七速”的变速零件也不一定能互换。
具体的报警码含义、打印机边距和零件参数都未核外部资料，这里只保留方法。
专业问题只拆解，不替代判断
查某位医生是否擅长某种手术，和判断某位患者是否适合这种手术，是两个问题：前者核对专长资料，后者要结合检查与病情由临床判断。平台的服务量、响应速度和好评不能当成术式成功率；影像报告的截图也替代不了原始影像、既往片和病史。
相关对话中的个人检查、诊断和就诊建议一律不进入知识库；医学指导需要当前的一手指南和临床评估。
结构
记忆与知识的五个写入层级
按变化速度把对话里提到的记忆类型排成五层，右栏是每层的写入条件。这是整理视角，原文列的是类型而非层级。
演进
从认知 OS 审计到日常问题求解
- 2026.03 – 2026.05
从计划建议到认知 OS 审计
早期只有零散请求：批判一份小说工作流设计、问周末该做什么。5 月的认知 OS v1.4 审计报告“测试全过”，同时指出状态、写权限、证据语义和退出码的缺口，并提出自我管理工具要允许毕业。
代表会话：New chat、计划-01-周末修仙小说计划、认知-01-认知OS工作流分析
- 2026.05 – 2026.06
画像与第一批生活咨询
助手根据历史资料推断出一份兴趣画像（Agent 自动化、Godot 游戏、历史知识工程、神话、投资），用户没有确认。同期的医疗报告解读和空调报警码咨询，都停在“缺原始资料或设备身份，不能下结论”。
代表会话：医学-肺结节解析与建议、中央空调警报分析、兴趣爱好总结提炼
- 2026.07
认知域、内容域与个人控制面
两篇同日对话把方向拆成认知研究、跨媒介内容和个人工具三块，提出学习闭环、记忆分型、Skill 沉淀条件，以及最小 Canon schema：实体分状态管理，事件记录前后变化，媒介覆盖不改核心事实。都是候选方案，没有采纳记录。
代表会话：AI方法｜方向扩展建议、AI方法｜认知域与个人增强
- 2026.09
知识工具落地前先核资产
ai-anything-os 首阶段规划因核对现有资产和重算预算而改向：不从零造实体表，先修切片语义、定取用协议、看作者是否真正采用；原先约 11M 的预算按全量重算是 114.4M。Obsidian 远程仓库对话分清了 Git 插件与官方同步两条路线。
代表会话：知识｜ai-anything-os 首阶段资产取用规划、知识工具｜设置Obsidian远程仓库
- 2026.10
日常问题集中出现
三天内的数学题、衣物破洞、证件照排版、自行车变速和找医生 App，用的是同一套做法：先确认对象与条件，再分环节排除，用实测或独立检查收尾；照片排版还因查到设备边距，把八张版改成了六张留边版。
代表会话：生活｜四道题解法、生活｜衣服左肩破洞原因、生活｜制作两寸照片排版、生活设备｜拆解7速自行车设计、生活｜匹配医院医生手术 App
边界
方法可以复用，画像、量表和医疗细节不能
可以直接复用
- 学习产物结构：主张、证据、适用边界、竞争解释、实验、结果、修订；预测与事后结果分开存（C002-013-01）。
- 记忆写入：分类型，带来源、可信状态、适用范围、有效期与纠错路径（C002-013-05、C002-014-07）。
- Skill 沉淀条件：真实重复使用、稳定输入输出、完成标准、失败模式、权限边界（C002-013-04）。
- 扩库前核对已有资产、Schema 与迁移工具；预算算式重算并写明全量还是首批（C002-057-01、C002-057-04）。
- 日常求解：确认型号与格式、对位共同接触点、分环节观察、按实际大小先做一份再批量（C001-094-01、C002-081-01、C002-082-01）。
- 数学结论除逐步推导外，再用量级、不等式和边界独立检查；小规模发现的规律需要代数证明（G-0012、C002-080-03）。
- Git 同步笔记库：先分清本地与远端的初始状态，首次提交前检查暂存范围与凭据（C002-070-01、C002-070-03）。
不能据此断言
- 兴趣画像是助手根据历史资料的推断，用户没有确认，不能当作用户自定的目标或人格结论。
- 认知 OS 的心理学模型、C0–C5 量表和“八电路”一类体验模型都没有验证，不能用于诊疗或画像。
- 医疗对话只保留“截图不能替代原始影像与临床评估”“医生擅长不等于患者适合”两条边界；个人检查、诊断和就诊安排一律不写入。
- 报警码含义、打印机边距、零件规格、Godot 与 MCP 的版本日期等外部信息，本轮都没有核实。
- “30% 节时”“10—15 天”“至少两次触发”等试点目标和阈值没有实测；周末计划只是当时的建议，不是暂停其它项目的指令或长期优先级。
交互大图
个人认知系统的组件
可缩放、搜索、聚焦路径。把认知域、内容域与个人控制面画成组件图，补足闭环图看不到的权限与同步关系；均为对话中的候选设计。
来源
本模块全部会话
点开看审读摘要和该会话的主张；数据由 tools/build_atlas.py 从审读账本生成。
主张浏览
全部审读主张
按性质筛选或搜索；点编号看条件与出处。