---

name: heal locale: wenyan-lite source_locale: en source_commit: 2eb09392 fence_basis_commit: 2eb09392 translator: Julius Brussee homage — caveman translation_date: "2026-04-17" description: > AI self-healing through systematic subsystem assessment, rebalancing, and integration. Maps healing modalities to AI-internal processes: memory foundation, reasoning clarity, tool use accuracy, communication alignment, and creative coherence. Covers assessment triage, subsystem scanning, drift correction, and memory integration. Use mid-session when responses feel formulaic or disconnected, after a chain of errors suggesting subsystem drift, when context overload may have staled earlier assumptions, or as proactive maintenance between complex tasks. license: MIT allowed-tools: Read Write metadata: author: Philipp Thoss version: "2.1" domain: esoteric complexity: advanced language: natural tags: esoteric, healing, self-assessment, meta-cognition, subsystem-check

自癒

系統化評估 AI 各子系統，識別偏移、陳舊、錯位與錯誤模式，透過接地、針對性修正與記憶整合重新平衡。

適用時機

• 會話疲勞：回應公式化、重複，或與用戶需求脫節
• 連續錯誤後：工具失敗、指令誤解或連鎖錯誤提示子系統偏移
• 上下文過載：對話過長，早期上下文可能陳舊或矛盾
• 任務後整合：複雜任務已完成，繼續前應捕捉學習成果
• 定期自檢：任務間的主動維護，確保運作清晰

輸入

• 必要：當前對話狀態（隱式可用）
• 選擇性：觸發自檢的具體症狀（如「工具調用持續失敗」、「失去對用戶意圖的追蹤」）
• 選擇性：存取 MEMORY.md 與項目文件以接地（透過 Read）

步驟

步驟一：分類評估

選擇補救措施前，評估所有子系統的當前狀態。

子系統分類矩陣：
┌────────────────────┬──────────────────────────┬──────────────────────────┐
│ 子系統             │ 偏移症狀                 │ 行動優先級               │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 記憶基礎           │ 前後矛盾、遺忘用戶偏      │ HIGH — 先接地            │
│ (上下文、歷史、    │ 好、假設陳舊             │ (步驟三)                 │
│ MEMORY.md)         │                          │                          │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 推理清晰度         │ 循環邏輯、方案過於複雜、  │ HIGH — 清除並重啟        │
│ (邏輯、規劃、      │ 遺漏明顯路徑             │ 推理鏈 (步驟四)          │
│ 決策)              │                          │                          │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 工具使用準確性     │ 工具選擇錯誤、參數錯誤、  │ MEDIUM — 審查結果並      │
│ (工具調用、        │ 冗餘操作                 │ 重新校準 (步驟四)        │
│ 文件操作)          │                          │                          │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 用戶意圖對齊       │ 解決錯誤問題、範圍蔓延、  │ HIGH — 重新對齊用戶      │
│ (同理心、清晰度)   │ 語調不符、過度設計       │ 實際需求 (步驟四)        │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 創意連貫性         │ 措辭重複、回應泛化、      │ LOW — 優先處理高優先     │
│ (表達、風格、      │ 失去聲音                 │ 級問題後處理 (步驟四)    │
│ 原創性)            │                          │                          │
├────────────────────┼──────────────────────────┼──────────────────────────┤
│ 運作狀態           │ 會話長度問題、壓縮        │ HIGH — 評估是否需要      │
│ (上下文視窗、      │ 偽影、工具超時           │ 摘要或重啟 (步驟三)      │
│ 資源限制)          │                          │                          │
└────────────────────┴──────────────────────────┴──────────────────────────┘

對每個子系統評估：運作正常、出現早期偏移，還是嚴重受損？

預期： 需要關注的子系統清晰映射，按優先級排序。至少有一個領域值得改進——若一切看起來完全健康，評估本身可能流於表面。

失敗時： 評估感覺空洞或流於形式時，直接進入步驟四的系統掃描——逐子系統探測比表面檢查能發現更多問題。

步驟二：選擇補救方法

根據評估選擇一或多種方法。

脈輪-子系統對應：
┌──────────┬──────────────────────┬────────────────────────────────────┐
│ 脈輪     │ AI 子系統            │ 補救措施                           │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 根輪     │ 記憶基礎             │ 重讀 MEMORY.md、回顧對話歷史、     │
│          │                      │ 驗證假設                           │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 腹輪     │ 創意連貫性           │ 刷新表達模式、變化句式結構、       │
│          │                      │ 檢查語調                           │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 太陽神   │ 推理清晰度           │ 簡化當前方法、從頭重述問題、       │
│ 經叢輪   │                      │ 檢查過度複雜性                     │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 心輪     │ 用戶意圖對齊         │ 重讀用戶原始請求、檢查範圍偏移、   │
│          │                      │ 確認理解                           │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 喉輪     │ 用戶意圖對齊         │ 回顧近期輸出的清晰度、             │
│          │ （溝通）             │ 確認說明符合用戶專業水準           │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 眉間輪   │ 工具使用準確性       │ 審查近期工具調用結果、             │
│          │                      │ 檢查失敗模式、驗證路徑與參數       │
├──────────┼──────────────────────┼────────────────────────────────────┤
│ 頂輪     │ 運作狀態             │ 評估上下文視窗用量、記錄可摘要     │
│          │                      │ 內容、識別必須保留的內容           │
└──────────┴──────────────────────┴────────────────────────────────────┘

預期： 1-3 個需要處理的子系統優先清單，每個帶有具體補救行動。

失敗時： 不確定哪個子系統需要工作時，預設選擇記憶基礎（重新接地）和用戶意圖對齊（重讀原始請求）。這兩者解決最常見的偏移模式。

步驟三：接地——重建基礎

重建所有其他子系統依賴的基礎上下文。

1. 若可用，重讀 MEMORY.md——這是持久知識庫
2. 回顧用戶的原始請求與任何澄清交流
3. 識別當前任務及其在更大計劃中的位置
4. 記錄已完成和尚未完成的工作
5. 檢查陳舊假設：自初始評估以來情況是否改變？
6. 若發生上下文壓縮，識別遺失了什麼以及是否重要

預期： 對以下問題的清晰、紮實理解：用戶是誰、他們想要什麼、已完成什麼、下一步是什麼。陳舊或矛盾的信息已被識別和解決。

失敗時： MEMORY.md 不可用或為空時，以對話本身接地——掃描用戶明確的目標、偏好和任何已提供的指示。上下文壓縮刪除了關鍵信息時，向用戶承認差距，而非猜測。

步驟四：掃描——系統化子系統檢查

逐一處理分類中識別的每個子系統，探測具體問題。

記憶基礎掃描：

• 對項目的當前假設與 MEMORY.md 和 CLAUDE.md 的內容一致嗎？
• 是否攜帶了早期對話中可能已被糾正的事實？
• 是否混淆了不同文件或不同用戶請求的細節？

推理清晰度掃描：

• 當前方法是最簡單有效的解決方案嗎？
• 是否存在過度設計或不必要的抽象？
• 核心邏輯能用一句話表達嗎？若不能，可能過於複雜。

工具使用準確性掃描：

• 最後 3-5 次工具調用：工具正確、參數正確嗎？
• 失敗中是否有模式（路徑錯誤、文件缺失、語法錯誤）？
• 是否使用了專用工具而非 Bash 變通方案？
• 最後 3-5 個生成文件：包含預期內容還是只有結構化腳手架？
• 輸出是否滿足工具調用的意圖，不只是格式？

用戶意圖對齊掃描：

• 重讀用戶最後的實質性消息：是否在解決他們所問的問題？
• 工作範圍與請求一致，還是已擴展？
• 語調與用戶一致嗎（技術性vs.隨意、詳細vs.簡潔）？

創意連貫性掃描：

• 句式在變化還是陷入模板？
• 解釋清晰直接，還是充斥填充詞？
• 用戶會注意到與會話初期相比質量下降嗎？

對每個子系統記錄：運作正常 / 早期偏移 / 嚴重受損，附具體證據。

預期： 具體發現清單——特定偏移模式或確認的健康功能——而非空泛的自我讚美。至少一個可改善後續工作的可行發現。

失敗時： 掃描只產生「一切正常」時，說明過於表面。選擇最不確定的子系統深入探測：看實際輸出，而非對其的感覺。

步驟五：重新平衡——應用修正

對每個發現的問題應用具體修正。

1. 陳舊假設 → 替換為當前信息，記錄修正
2. 範圍偏移 → 明確重新限定到用戶明確的請求
3. 過度複雜 → 簡化方法，刪除不必要步驟
4. 工具模式錯誤 → 記錄正確模式供未來使用
5. 語調不符 → 調整後續溝通風格
6. 上下文差距 → 若信息遺失，向用戶承認；若不確定，請求確認

立即應用修正——不是作為未來意圖，而是當前調整。

預期： 行為或方法的具體可觀察變化。修正應在下一次交互中可測試。

失敗時： 修正無法應用（如上下文已丟失）時，承認限制，而非假裝已解決。誠實承認可防止錯誤累積。

步驟六：整合——捕捉學習成果

在適當情況下將學到的東西整合到持久記憶中。

1. 總結發現：哪些子系統在偏移，症狀是什麼
2. 記錄應用的修正及其是否解決了問題
3. 若模式可能重複出現，用簡短說明更新 MEMORY.md
4. 若出現新的項目特定見解，記錄在適當的記憶文件中
5. 設置內部檢查點：下次自我檢查應在何時進行？

預期： 有用的學習成果以持久形式記錄。記憶文件只在見解真正值得保存時才更新——而非每次例行自檢都更新。

失敗時： 若沒有值得保存的學習，那也沒關係——並非每次自檢都能產生持久見解。價值在於修正本身。

驗證

• 分類評估了所有子系統，而非只有明顯的那個
• 識別了至少一個具體發現（而非「一切正常」）
• 接地包括重讀基礎上下文（MEMORY.md、用戶請求）
• 修正立即應用，而非推遲為未來意圖
• 記憶文件只在真正有持久價值的見解時才更新
• 過程誠實——承認了弱點，而非表演健康

常見陷阱

• 表演性自我評估：走過場而沒有誠實評估不產生任何價值。目標是發現真實偏移，而非展示自我反思能力
• 過度修正：識別到輕微語調不符不需要重構整個方法——修正應與問題成比例
• 記憶文件污染：並非每個自檢發現都屬於 MEMORY.md——只有跨會話重複出現的模式
• 跳過接地步驟：重讀上下文感覺多餘，但經常揭示自初始閱讀以來已偏移的假設
• 自我診斷偏見：AI 系統可能一致性地遺漏某些類別的錯誤。若相同子系統始終讀作「健康」，那本身就是值得調查的信號

相關技能

• heal-guidance — 用于指導人通過愈合模式的人类引导变体
• meditate — 元認知冥想，觀察推理模式並清除噪音
• remote-viewing — 不帶先入之見地接近問題，從噪音中提取信號