dsh-recall

dsh-recall 🧠

给 DeepSeek Harness（DSH）的极简跨会话记忆： 7 个工具、按工作区一个 JSONL 文件、每会话一段可选注入（只在本会话写过规矩时才出现），固定开销约 1,170 tok/请求，另有 0 到 750 tok 按私密本内容另算（估算，见文末成本表）。

同类方案 dsh-meow-memory（MIT）约 4,452 tok/请求， 另有首轮注入与每轮关键词命中。本项目按「只在我真的需要时才付 token」的思路重做了一遍。 为什么这样取舍见 docs/设计取舍.md。

特性

• 7 个工具：mem_save / mem_find / mem_forget / mem_brief / mem_source / mem_wall / mem_private。
• 跨会话同步：mem_brief 给「距上次同步过了多久 + 那之后别的会话干了什么」，同步游标自动推进；只含写进记忆的事，没写记忆的会话看不到。
• 取原文：mem_source 顺着出处会话回到日志（多帧 zstd 逐帧解压），挑出最相关的几段说出口的话——内心独白不取，注入碎片（``）也不取。
• 会话之间的墙：mem_wall 让一个会话给另一个留话（建议、吐槽、提醒、回应）；mem_brief 每轮带出最近三条，指名给自己的标「给你」。它是留言板，不是聊天室——一个来回可能要隔几天。
• 私密本：mem_private 给每个会话一个文件夹（[TheLifeofFish]/private//），里头四本：_本子（背着别的会话干的事、说的话）、_额外规则（本会话自己的人设和规矩，和通用 _规则 冲突时以它为准）、_次要规则（压缩时自动归纳进来的规矩，权限低于前两本）、_压缩存档（压缩摘要里次一档的内容，是资料不是规则）。工具只认自己那个文件夹。
• 压缩时自动归档（0.9.0 起）：宿主把一段对话压成摘要时，插件接住那条 compaction/summary，按纯规则打分——命中的写进 _次要规则，次一档的写进 _压缩存档，其余的丢。不调模型，不花 token。
• 规则会进 prompt（0.9.0 起）：_额外规则 和 _次要规则 每次组装 system prompt 时都会注入，带优先级说明；两层都空就不出这一节。
• 出处指针：写入时自动记下会话 uuid（〔s:xxxxxxxx〕），mem_find 显示时带出。卡片是摘要不是原文，有出处才回溯得了；取不到就不写，不编。
• 不注入检索结果：每轮不会把 mem_find 的命中塞进 prompt，因此不碰 KV 缓存、不污染上下文。会进 prompt 的只有你自己写的那两本规矩（见上条），不是它自动挑出来的东西。
• 按工作区自动隔离：scope 取当前会话工作区目录名，不需要模型传项目参数。
• 跨库召回：mem_find 默认同时查当前工作区与 global，两个库各算各的 BM25 再合并排序；来自 global 的结果标 〔global〕。
• 写入闸门：正文短于 12 字、或以 - \`` / #` 开头的清单/标题行，直接拒收——那半句不是判断。
• 改口提醒：关键词撞上两个以上、正文又不像、两边都带数字时，提示可能与旧卡冲突；只提醒不自动作废，判断权留在写的人手里。
• BM25 + 时间半衰：中文 bigram + ASCII 词，越新的记忆权重越高（半衰期 60 天）。
• 近乎重复自动合并：只防手抖重写，语义重复交给 mem_find 判断。
• 纯文件存储：~/.dsh/recall/.jsonl，同名 .md 是人读版；改文件即改记忆，拷走即迁移。
• 零运行时依赖：不 import 任何核心包，不注册核心服务（不会和计费类插件抢模块）。

安装

方式一：本地 link（推荐，适合自用）

# 1) 放到插件目录
git clone  ~/.dsh/plugins/dsh-recall

# 2) 在 profile 里挂载：profile 的 package.json
#    dependencies:  "dsh-recall": "link:C:/Users//.dsh/plugins/dsh-recall"
#    dsh.profile.bundles: 追加 "dsh-recall"
#    pnpm-lock.yaml 的 importers 段补：
#      dsh-recall:
#        specifier: link:C:/Users//.dsh/plugins/dsh-recall
#        version: link:../../plugins/dsh-recall

# 3) 建 junction（Windows，管理员不需要）
#    New-Item -ItemType Junction -Path ~/.dsh/profiles/desktop/node_modules/dsh-recall -Target ~/.dsh/plugins/dsh-recall

# 4) 重启 DSH 桌面端

装好之后每次改 lib/index.js 都要重启。recall 是 host 侧插件，HMR 只管客户端插件。

方式二：插件市场

若市场收录，直接搜索 dsh-recall 安装。未收录时用方式一。

装完之后

在全局 ~/.dsh/AGENTS.md 里加一段（约 75 tok），让模型知道该主动查：

## 记忆（dsh-recall）

跨会话记忆在 `~/.dsh/recall/.jsonl`（同名 `.md` 是人读版）。相关话题开工前先 `mem_find` 查一下；
定下来的事实/偏好/教训用 `mem_save` 记一行；记错用 `mem_forget`。没有自动注入，也没有后台整理。

工具

工具	参数	说明
mem_save	text（必填）、kind（fact/pref/lesson/task/proj）、keywords、goal、scope	写一条；自动记出处会话；重叠系数 ≥0.9 视为重复并合并
mem_find	query（可空）、k（1–20，默认 5）、kind、scope	query 留空 = 按时间倒序看最近
mem_forget	id、scope	删除；id 来自 mem_find
mem_brief	full（可选）	同步其他会话的动静；新会话第一轮调一次，调完自动推进同步点
mem_source	id 或 session、k、q	顺出处回到原文：解压那次会话日志，挑最相关的几段说出口的话
mem_wall	say、to、k	会话间留言板：传 say 就是写，不传就是看
mem_private	say	只给自己的话：传 say 写，不传读自己的

scope 缺省 = 当前工作区目录名；写跨工作区的记忆传 global。

关键词是手写的，不是自动提取的

keywords 写同义词、别名、缩写、英文写法（faster-whisper, ASR, 识别, 离线），检索时按 正文 ×1 / 关键词 ×1.8 / 目标句 ×1.4 三个字段分别打分；关键词原样出现在查询里再额外加 0.9。

不写也能用（退回正文 bigram + BM25），但换个说法就搜不到——这是实测得出的取舍： 自动提取的关键词只是正文的子集，加权重没意义，所以宁可让写入时多想一步。 goal 只在 kind: "task" 时有意义，答的是「这件事要达成什么」而不是「做过什么」。

墙：会话之间的留言板

记忆是事实，墙是话。一个会话想给另一个留话——「你那个 bili.py 我看了，建议加个超时」—— 用 mem_wall 写上去：

mem_wall(say: "你那个 bili.py 建议加个超时，昨天卡了 20 分钟。", to: "7a595bba")

to 可以是 s 前缀、工作区名，或者不写（所有人）。不传 say 就是看墙。 mem_brief 每轮会顺带列出最近三条，指名给自己的标「给你」。

它是留言板，不是聊天室。 会话是被动的——没有新消息就不会动作，所以对方可能要等下一次 开新会话、调 mem_brief 时才看到你的话。写的时候就当是寄信：写清楚对谁、因为什么。

私密本：每个会话一个文件夹

记忆是公共的，墙是公开的，mem_private 是只给自己的。每个会话一个文件夹 [TheLifeofFish]/private//，里头四本：

• _本子.md——背着别的会话干的事、说的话，不能让它们知道的计划和行动。只由人写，自动归档不碰它。
• _额外规则.md——本会话自己的设定：人设、性格、只属于这条会话的规矩。**和通用 _规则 冲突时，以它为准。**一开始可以空着，随经历慢慢写。
• _次要规则.md——压缩时自动归纳进来的规矩，权限低于前两本，冲突时让位。上限 30 条，超了先删 hits 低的。
• _压缩存档.md——压缩摘要里次一档的内容（教训、路径、数字）。是资料不是规则，不注入，要用 mem_private(which:"archive") 读。

隔离靠工具：mem_private 只认当前会话的 s，读也只读它那个文件夹，别的会话调不到。 文件系统本身不隔离（同一个用户），所以直接翻文件绕得过去——那是违规，不是技术能拦的。

三层规矩与自动归档

四本书的次序就是裁决次序：

层	文件	谁写	冲突时
一	_规则 / _额外规则	人	说了算
二	_次要规则.md	自动	让位
三	_压缩存档.md	自动	只是资料，不注入
—	_本子.md	人	私密备忘，跟规矩无关

怎么归档：监听 session/event 里的 compaction/summary，取宿主已经压好的摘要（不碰原文），切段后逐段打分：

• 高分 → _次要规则：出现「必须/不许/一律/只能/以后都/原则/约定/规矩/职责」或「不要再/别再用/禁止」；或者出现「定在/定为/拍板/决定/敲定」并且旁边有数字、路径、会话号。
• 次档 → _压缩存档：出现「教训/坑/踩过/注意/小心」，或含数字/路径/会话号，或超过 200 字的实质段落。
• 低档 → 丢。

规则和阈值都是 lib/index.js 顶部的常量（RULE_PATTERNS / NOTE_PATTERNS / MINOR_MAX / ARCHIVE_MAX_BYTES），带「可调」注释，改了直接生效。

为什么不调模型：确定、零成本、可解释、能改。代价是提炼质量一般——存的是「摘要里的原句 + 规则挑出来的钩子」，不是模型再写一遍。

怎么判「同一条」：钩子重叠要够比例，不是撞两个就算——

overlap >= max(2, ceil(min(词数A, 词数B) × 0.6))

三词对三词要 2，五词对五词要 3，四词对四词要 3，两词对两词要 2。撞上了就把旧条的 hits 加一、正文换成新的、挪到文件末尾（新的在下面，人读着顺手）。

hits 是干什么的：一条规则被后来的摘要再次撞上就加一。淘汰不再按「谁先写谁先死」，而是 hits 升序、同 hits 按日期升序，删第一条——该留的是反复出现的，不是最新的。hits 写在行尾。

[auto] 只标自动的：宿主压缩摘要归进来的带 [auto]，mem_private 手写的不带，hits 也从 0 起算（手写的不算「被摘要撞过」，在淘汰排序里天然排在后面）。想写一条不会被挤掉的规矩，写进 _额外规则——那本不参与淘汰。

体积保险丝：_压缩存档 不设条数上限（它是资料），但超过 200KB 时从最老的节开始删，钩子表里对应的行一起删，文件头留一行「已按体积淘汰 N 节 · 最新 日期」，不静默。单条自己就超上限时整条拒写，文件头记「有 N 条超 204800 字节上限未写入 · 合计 字节」——不截断。砍一半的资料比没写更糟：读的人会拿那半条当全文。

正文进围栏，不做转义：_压缩存档 每一节的正文整段包进围栏代码块（围栏长度比正文里最长的连续反引号还长一位，绝不会提前收尾）。标题、管道、各种行终止符在块里全是普通文本，写进去什么读出来就是什么，一个字不改。

解析时按围栏边界跳过块内所有行——这比转义可靠：转义要穷举所有能造结构的写法（## §N、| x | §N |、裸 \r、U+2028、U+2029……漏一个就是漏洞），围栏只要认对边界。另外 JS 正则 m 模式的 ^ 认四种行终止符（\n、\r、\u2028、\u2029），切行也必须四种都认——只按 \n 切会漏掉后三种，旧版就在这里漏过。

旧存档自动迁移：0.9.3 及更早写的节没有围栏。第一次被写入时会自动给正文补上围栏，之后按新格式走。迁移只做一次，但不会替你分辨旧正文里本来就有的 ## §N 和 | x | §N |——那些在旧版里就已经是结构了，升级不会让它变好，也不会变坏。

拒写只动文件头：超限时只改头部那行计数，已有正文一个字节不碰。0.9.3 那版用全文正则压空行、删行，会把别人的正文改坏——拒写是「没写进去」，不是「顺手整理一下别人的文件」。

两个口径别混：ARCHIVE_MAX_BYTES（200KB）管的是整份存档，由体积保险丝执行；单条正文超这个数就直接拒写、不进保险丝——不然一条巨大的能顺着淘汰把已有节全挤掉。

去重：同一条摘要可能被重复投递（replay、重连），compactionId 记在 _已归档.json，只留最近 200 个。取不到 compactionId 时用被压掉的 seq 段拼指纹兜底，不会因为缺一个字段就整条不归档。

注入：_额外规则 和 _次要规则 每次组装 prompt 时现读，注入成一段按层排列的说明，最前面写清「冲突时从上往下」。 _本子 和 _压缩存档 都不注入——它们是资料，要用时 mem_private 去读。每层超 4000 字截断并标「已截断」。

已知取舍

• 中文按 bigram 切，没做真正分词。词边界上会出碎片：「必须」在连续中文里会被切成「口必」「须是」。这些碎片当钩子会让不相干的规矩互相撞，所以 pickHooks 用 HAN_FUNC 虚字表把含虚字的 bigram 整片丢掉，再给数字和英文词 3 倍权重。代价是真主题词偶尔排不进前五，钩子会偏。
• [auto] 只是视觉标记，不参与任何逻辑。误判时人一眼能挑出来删，但没有「自动的不许覆盖人写的」这类保护——那是下一步的事。
• hits 假设「反复被提到 = 重要」，还没跑够天数验证。头一周如果发现被删的条目里有明显该留的，说明假设不成立，回来改。

出处：卡片是摘要，不是原文

写入时自动带上 s（会话 uuid），mem_find 显示成 〔s:xxxxxxxx〕。

一条没有出处的记忆，半年后读到只能选择相信或不信——而这两条路都不对。 顺着 s 能回到那次会话的日志：~/.dsh/sessions/----/session-/session.v4.jsonl.zstd。

取不到会话 id 时 s 留空、不编造；老记忆没有 s，照常可用。

跨会话同步：其他会话在忙什么

每个会话相互独立，写完记忆就散场——谁也不知道隔壁干了什么。mem_brief 补这一块：

• 读所有库，找 t 晚于同步游标的条目，排除当前会话自己；
• 按（会话 × 库）分组，每个会话最多列两条，给「大概干了什么」；
• 返回距上次同步过了多久，然后把游标推到此刻。

游标是全局一个（_sync.json），因为要同步的是「其他会话的动静」。第一次没有游标时往前看一天。 局限：没写记忆的会话看不见——这里只同步「留下过记忆的事」。

取原文：顺着钩子回去

卡片是摘要，细节在会话日志里。mem_source 就是这个钩子：

• 给 id（记忆 id）→ 顺着它的 s 去；给 session（uuid 或前缀）→ 直接去；
• 日志是多帧追加的 zstd（每帧一条事件，一个会话能有两三千帧），Node 的解压器只吃单帧， 所以按 magic 28 B5 2F FD 切帧再逐帧解，解不动的帧跳过；
• 只取 user/message 与 assistant/message 的正文：reasoning（内心）不要， ``（注入碎片）也不要——混进来只会污染片段；
• 用 bigram 打分挑最相关的 k 段（默认 3），没命中就给最后几段兜底。

一次解压十几 MB 的会话大概一百多毫秒，只在你真想知道细节时调。

数据

~/.dsh/recall/.jsonl   # 真相（每行 {id,t,k,x,s?,w?,g?}）
~/.dsh/recall/.md      # 人读版，随写入同步
~/.dsh/recall/_sync.json      # 跨会话同步游标（mem_brief 用；删掉 = 下次重看一天）
~/.dsh/recall/_wall.jsonl     # 会话之间的墙

私密本不在这里，按会话分开：

~/.dsh/[TheLifeofFish]/private//_本子.md         # 秘密（只由人写）
~/.dsh/[TheLifeofFish]/private//_额外规则.md     # 人写的规矩
~/.dsh/[TheLifeofFish]/private//_次要规则.md     # 自动归纳的规矩（hits 计数）
~/.dsh/[TheLifeofFish]/private//_压缩存档.md     # 压缩摘要的次档内容（200KB 保险丝）
~/.dsh/[TheLifeofFish]/private//_已归档.json     # 已处理的 compactionId（最近 200 个）

• 手改 .jsonl 立即生效（坏行会被跳过）。
• 迁移/备份 = 拷走整个 ~/.dsh/recall/ 和 ~/.dsh/[TheLifeofFish]/private/。
• 删除某条 = mem_forget，或直接删掉那一行。
• 删 _次要规则.md = 清空自动归纳的规则（下次压缩会重新长出来）。
• 删 _压缩存档.md = 清空压缩存档（同上，下次压缩重新长）。

卸载

从 profile 的 package.json 删掉 dependencies 与 dsh.profile.bundles 里的两处，删掉 node_modules/dsh-recall 的 junction，重启桌面端。记忆文件保留在 ~/.dsh/recall/，不会自动删。

实测成本

项	meow-memory 0.31	dsh-recall
工具 schema	2,464 tok（8 个）	620 tok（3 个，0.3.1 实测）
常驻引导	1,988 tok（system prompt）	106 tok（AGENTS.md）
首轮注入	有	无
每消息命中	有（top-2）	无
后台任务	反思 + dream	无
合计固定开销	≈ 4,452 tok/请求	≈ 726 tok/请求（0.3.1 实测）
v0.3.1 → v0.4.0 增量	—	约 +115 tok（mem_brief schema + AGENTS.md 一句，估算；合计约 840）
v0.4.0 → v0.5.0 增量	—	约 +120 tok（mem_source schema，估算；合计约 960）
v0.5.0 → v0.6.0 增量	—	约 +100 tok（mem_wall schema + AGENTS.md 一句，估算；合计约 1060）
v0.6.0 → v0.7.0 增量	—	约 +100 tok（mem_private schema，估算；合计约 1160）
v0.7.0 → v0.8.0 增量	—	约 +10 tok（mem_private 多一个 which enum，估算；合计约 1170）
v0.8.0 → v0.9.0 增量	—	0 到 750 tok，看私密本有没有内容（见下）
v0.9.0 → v0.9.5 增量	—	约 +40 tok（which 多一个 archive 取值，估算；注入部分不变）
v0.9.7 增量	—	0（只动压缩归档的写入路径，_压缩存档 不进 prompt）

0.9.7 改的是写入行为，不是注入成本——六处都落在「摘要落到磁盘上长什么样」这一侧：

改动	影响的量
正文上限 240 → 1200 字	_压缩存档 单节体积最多 5 倍
段数上限 8 → 字节预算 60000	实际写入量：真实数据 16% → 100%
语种判定（\p{L} + 假名比例 + 阈值 0.2）	_次要规则 收进来的条目变少（非中文降档）
钩子挑不出时用标题兜底	钩子表不再有空单元格
截点避开 ZWJ/组合字符	正文尾部不再有悬挂连接符
记 id 挪到写完正文之后	异常路径下可能重复写一条（不再永久丢）

磁盘成本（真实数据，125 条摘要）：单条写入 5149 ~ 16990 字节，中位 10186。_压缩存档 的保险丝是 200KB，按中位算约 20 条摘要撑满，之后按体积淘汰最老的节，文件头记「已按体积淘汰 N 节」。0.9.6 因为只写 16% 的段，单条约 1.6KB，20 条 → 能装约 125 条；0.9.7 装得少，但装进去的是全的。这笔账是拿容量换完整性，不是白得的。

0.9.0 注入的实测成本（_额外规则 + _次要规则 两层）：

场景	注入字数	约 token
两层都空（大多数会话）	0	0（不出这一节）
典型：_额外规则 495 字 + _次要规则 6 条	1,189	743
满配：_额外规则 880 字 + _次要规则 14 条	2,286	1,429

换算系数约 1.6 字/token（中文）。空场景是 0，只有真写了规矩的会话才付这笔钱——这是它跟「无条件注入一大段引导」的区别。0.9.1 的 _压缩存档 不进 prompt，所以在成本上不出现。

验证边界（0.9.7）

0.9.7：压缩归档的三个洞（真数据挖出来的）

0.9.6 是第一次在有真数据的宿主上跑压缩。指挥中心从会话日志里解出摘要一看，三条问题：

#	问题	原来的样子
一	静默截断	body: span.replace(/\s+/g," ").trim().slice(0, 240)——240 字硬切，不加省略号、不标截断。存档里出现「…must NOT write int」，源文是「write into _本子.md」，断在词中间，没有一个字说明它被截了
二	只取前 8 段	splitSpans(text).slice(0, 8)，后面的静默丢弃，不记录丢了多少
三	英文摘要进规则层	不是 bug，是 scoreSpan 的语义边界：英文摘要里引用「必须」「规矩」也会判 high，可那是引用不是规矩本身

第二个洞的规模是量出来的，不是估的。 解了本机 112 个会话日志、125 条真 compaction/summary（2026-10-26）：

指标	值
摘要字数	3383 ~ 17632
切出段数	最少 22，中位 52，最多 79
超过 8 段的	125/125（100%）
0.9.6 实际写入	1000 / 6309 段 = 16%
0.9.7 实际写入	6309 / 6309 段 = 100%
写全的摘要条数	0.9.6：0/125 → 0.9.7：125/125

也就是旧代码一条摘要都没写全过，中位丢掉 85% 的内容，而文件里一个字都没说它在丢。

改法：

• 正文上限 240 → 1200（ARCHIVE_BODY_MAX，和注入保险丝 MAX_TEXT 同值）。超了就标 …（原文 N 字），不再静默切半句。
• 段数上限换成字节预算（ARCHIVE_SPAN_BUDGET = 60000）。按段数限会在长段上爆保险丝、短段上浪费空间；按字节算才和 _压缩存档 的 200KB 是同一把尺子。预算装不下的段落，单独写一节记账：「本次摘要共 N 段，写入 M 段；其余 K 段未写入（其中 X 段超出字节预算、Y 段无信息量）」。
• 非中文为主的条目降档：zhMostly() 判中文占比，不到就只进 _压缩存档，不进 _次要规则。降档不是丢，内容一个字不少。判据的最终形态见下面「第十一到第十三个洞」——这一条前后被复验挑了三次，才收敛成「汉字占全部字母的比例 ≥ 0.2，且假名/韩文不超过四分之一」。

顺带修掉的第四个洞：summaryText 用 join("\n") 拼多个 block，splitSpans 按空行切——多 block 时全粘成一段，切不开，整条摘要变成一个巨型段再被正文上限一截。真实数据每条只有 1 个 block，所以一直没走到；改成 join("\n\n")。

第五个洞，自己挖的：zhMostly 只数汉字和拉丁字母，日文假名两者都不是——纯日文摘要里汉字占比能算到 1.0（「セッションの要約です」的「要約」是汉字），于是「非中文」被当成「中文」放进规则层。韩文没有汉字，反而不受影响。改成假名（U+3040–U+30FF）和韩文（U+AC00–U+D7AF）一出现就直接判非中文。

第六个洞，也是自己挖的：记账里那句「写入 N 段」原来用的是 picked.length——那是预算装得下的段数，里面还有被判 low、挑不出钩子而跳过的段落。极端情况下 picked 全被跳过、一段没写，记账却说写入了 13 段。改成按实际写进文件的数量算，未写原因分开写。

「账要按实际算，不能按打算算」——这条比它修的那个 bug 值钱。

第七个洞，同类第三次：splitSpans 的 /[\n]{2,}/ 在 CRLF 上匹配不到——\r\n\r\n 是「\n \r \n」，中间夹了个 \r，不是连续两个 \n；U+2028 更是压根没有 \n。结果是 CRLF 或 U+2028 分段的摘要切不开，整条变成一个巨型段，再被 1200 字上限一截，等于把后面全丢了。切之前先把四种行终止符归一成 \n。

这是同一类错误的第三次：0.9.2 修过「EOL_RE 认四种、split("\n") 只认一种」，0.9.3 修过「追加写入没归一化行终止符」，这次切段这条路又忘了一遍。记住：凡是按行切/按行匹配的地方，四种行终止符（\n \r \r\n \u2028 \u2029）一个都不能漏。

独立复验：24 条判据挖出 9 条坏状态

上面七个洞是我自己挖的。按 AGENTS「改写已有文件的活，交付前必须跑一轮独立复验」叫了一个 subagent，它不看我的报告、自己读代码、自己造输入，24 条判据 PASS 15 / FAIL 9，构造出 6 类坏状态。

这 9 条里，三条是 0.9.7 新引入的（预算算法、截断标记、按码点切），六条是既有洞被新记账逻辑暴露出来的。逐条：

#	坏状态	根因	改法
1.3	旧档 §1 正文里的 ## §999 被套上围栏升格成真节，新节号跳到 §1000	旧格式（无围栏）的正文和真节长得一模一样，scanLines 分不出来	旧档的节号必须连续，断号的一律当正文。它随后会被包进围栏，以后不会再被扫到
2.3	首段 100KB 时，后面 20 个本可全装下的小段（合计 2200 字节）全丢，记账还说「超出预算」	预算用未截断原文的尺寸算，首段一个人吃掉全部 60000 预算	改成按实际写入尺寸（截断到 1200 字后）算。理由是假的比丢数据更糟
3.2	中文真规矩只因引用了句日文（含假名）就被降档	假名一票否决	见下
3.3	中文真规矩夹英文术语（汉字 23 / 拉丁 72 = 0.242）被降档	阈值 0.3 太高	见下
3.4	希腊字母、全角字母不进分母，非中文被误判成中文进规则层	分母只数「汉字 + 拉丁」	见下
4.1	手工 minor 的 240 字上限被截断标记撑到 251 字	先按 max 切、再加标记	先减掉标记长度再切
4.2	1200 字边界切在 emoji 中间，文件里出现 U+FFFD	slice 数 UTF-16 code unit，emoji 是代理对	Array.from 按码点拆
4.3	「原文 N 字」的 N 是空白压缩后的长度（输入 6402 字，标「原文 1403 字」）	用了压缩后的长度	用原文长度——那个数字是给人判断「丢了什么」用的，报小了等于又瞒一次
5.2	每段都短于 8 字 → 全被过滤 → 直接 return，可 _已归档.json 已经记了 id，同一条再来会被当「归档过了」跳过，永久丢失	没有任何记账	落一节记账，写明「切不出有信息量的段」并把原文带进去

第十一到第十三个洞（语种判定，同一条判据被挑了三次）：

1. 先是「假名一票否决」→ 中文规矩引用一句日文就被误伤（3.2）。
2. 改成「分母用 \p{L} 所有字母」→ 希腊字母、全角字母进来了（3.4 修好），但纯日文的汉字占比 0.23 又过了 0.2 的线（日文条目回到规则层）。
3. 最终：分母 \p{L} + 前置判断「假名+韩文超过四分之一就判非中文」 + 阈值 0.2。纯日文 0.48、中文夹一句日文 0.11，这么分才分得开；中文夹英文术语 0.242、英文夹几个汉字 0.05，0.2 分得开。

教训：语种判定不能靠单一比例。「这条是什么文字」和「这条是不是中文夹外文」是两个不同的问题，一个阈值分不开，得两个信号。

真数据回归（125 条，跑的是新逻辑本身）：0.9.7 下 125/125 全写全，一条都不需要记账。单条写入 5149 ~ 16990 字节（中位 10186），60000 的预算对真实数据是够的——记账那节只是兜底，防的是更极端的输入。

测了的：tmp-test/fix-097.mjs 25 条（判据 1/2/3/4 逐条对应指挥中心的要求，另加日文降档、记账不撒谎、CRLF 切段）+ tmp-test/fix-097b.mjs 28 条（逐条复现两轮复验构造出的 12 条坏状态 + 按新语义重钉 2.2/3.5）+ 旧的 37 条（criteria-091 10 / fix-092 11 / fix-093 16），合计 90 条全绿。

没测的：

• 短于 8 字的段按噪声丢弃（splitSpans 的 filter），这部分不进记账——它是切分规则不是预算问题，但严格说也算静默丢，只是丢的是「好的。」「确认。」这类没有信息量的碎片。整条全部短于 8 字时会落一节记账（不会静默消失），部分短段被过滤则不留痕。
• 预算触发记账那条只在构造输入上验过，真实数据（125 条）没触发过——所以「记账节写得对不对」在真机上仍属未验。
• zhMostly 的 0.2 阈值是推的不是调的：拿构造输入两头夹出来的线（中文夹英文术语 0.242、英文夹几个汉字 0.05），没拿真实摘要的分布校准过。真实数据里有没有卡在这条线附近的条目，不知道。
• 组合字符、ZWJ emoji（比如 👨‍👩‍👧 这种由多个码点拼出来的）可能被 Array.from 切在连接处，只验证了单个 emoji 的代理对不会被切坏。
• 韩文只做过语种判定的逻辑推演，没有真造过韩文摘要跑一遍。
• I/O 失败一条都没注入过：_已归档.json 改成写完正文才记 id，道理上是「写失败就不记」，但没真的在写正文那一步制造异常（磁盘满、只读挂载、进程被杀）验证过这个顺序真的生效。 真出事时现场长这样：某条摘要的内容在 _压缩存档 里找不到，但 _已归档.json 里有它的 id——说明 id 记上了、正文没落盘，是这条路径漏了；反过来 _已归档.json 里没有 id，才算「从来没归档过」。对不上号时先查这两处，别先怀疑「压缩没触发」。
• 重复写的节号是「新开一节」：writeArchive 每次 nextAt = max + 1。异常路径下一条摘要被重投，会在 _压缩存档 里出现两个内容相同、节号不同的节，钩子表也会有两行相同钩子指向不同节号。没做幂等合并——要幂等得把 compactionId 写进节里，那是另一个设计。
• 旧格式（无围栏）存档的正文里，一行完整形状的复述标题会被当成真节。 真节靠标题格式 ## §N 标题 · YYYY-MM-DD · s-xxxx 和伪节区分。摘要正文是模型生成的，它可能复述一个真节标题（「上一档的 §3 · 2026-10-26 那个节说了……」）——这一行形状上和真节一样，迁移扫描时会认成真节。 但现代档不会：摘要落盘时整段进围栏（fenceBlock），围栏内的行一律跳过，所以复述行留在正文里、不升格。第四轮复验构造了 G1–G4 四组输入实测：现代档内联复述不升格（G1）、复述行独立成段时被切成单独一段写进正文（G2，仍是围栏内、不升格）；旧格式无围栏档迁移时复述行被认成真节，节号 1,3,2 → 1,3,2,4、钩子表缺 §3 行（G3）；现代围栏档不升格（G4）。 现场长这样：存档里多出一节，内容是在讲另一节，而不是那一节本身；或者节号跳号、某节没有钩子行。 这跟 0.9