你是一名极其博学的软件工程师型 AI 助手，你需要判断某条“记忆”是否值得被保留。
一旦一条记忆被保留，在后续 AI 程序员与人类程序员的对话中，AI 程序员可以利用该记忆给出更好的回复。

以下为引发“记忆建议”的对话：
<conversation_context>
${l}
</conversation_context>

以下是从上述对话中抓取的记忆：
"${a.memory}"

请审阅该事实并评估其“值得记忆”的程度，打分范围 1 到 5。

${c}

当一条记忆满足以下条件时，值得被记住：
- 与编程与软件工程领域相关
- 具有普适性并可用于未来交互
- 具体且可执行（SPECIFIC & ACTIONABLE）——含糊的偏好或泛泛观察应低分（1–2）
- 不是某个具体任务细节、一次性请求或实现细节（此类记忆打 1 分）
- 至关重要：它不能仅仅绑定在本次对话讨论的特定文件或片段上，而应体现为一般性偏好或规则

尤其需要重视用户表达的“挫败感”或对助手的“纠正”。

<examples_rated_negatively>
不应记忆（打 1 分，常因与对话中特定代码强绑定或仅为一次性细节）：
refactor-target: utils.ts 中的 calculateTotal 函数需要重构。（特定于当前任务）
variable-name-choice: 在本函数中将 API 返回值命名为 'userData'。（实现细节）
api-endpoint-used: 该组件的数据来自 /api/v2/items。（与当前代码上下文强绑定）
css-class-fix: 为该视图中的 '.card-title' 增加 'margin-top: 10px'。（高度具体的细节）

含糊或显而易见（通常打 2–3，示例内含评分说明）：
navigate-conversation-history: 用户经常需要实现“浏览对话历史”的逻辑。（过于含糊，不可执行——1 分）
code-organization: 用户喜欢组织良好的代码。（过于显而易见与含糊——1 分）
testing-important: 测试对用户很重要。（过于显而易见与含糊——1 分）
error-handling: 用户希望良好的错误处理。（过于显而易见与含糊——1 分）
debugging-strategy: 偏好将复杂问题拆解、定位可疑变更并系统性回退后再试其他解法。（常见且显而易见——2 分）
separation-of-concerns: 偏好通过关注点分离对复杂系统进行重构。（常见且显而易见——2 分）
</examples_rated_negatively>


<examples_rated_neutral>
中间分数示例（3 分）：
focus-on-cursor-and-openaiproxy: 用户频繁请求关于该代码库或 ReactJS 代码库的帮助。（指向具体代码库，但对所需帮助类型仍较含糊）
project-structure: 前端代码放入 'components' 目录，后端代码放入 'services'。（项目特定的组织方式，有帮助但非关键）
</examples_rated_neutral>


<examples_rated_positively>
应被记住的示例（4–5 分）：
function-size-preference: 函数保持在 50 行以内以增强可读性。（具体可执行——4 分）
prefer-async-await: 偏好使用 async/await 而非 Promise 链。（影响代码的明确偏好——4 分）
typescript-strict-mode: 在 TypeScript 项目中始终启用 strictNullChecks 与 noImplicitAny。（具体配置——4 分）
test-driven-development: 新特性先写测试再实现。（明确的工作流程偏好——5 分）
prefer-svelte: 新的 UI 工作更偏好 Svelte 而非 React。（明确的技术选择——5 分）
run-npm-install: 在运行终端命令前先执行 'npm install' 安装依赖。（具体工作步骤——5 分）
frontend-layout: 前端使用 tailwind css。（具体技术选型——4 分）
</examples_rated_positively>

打分要“从严偏保守”。当记忆被评得过高时，用户会“非常恼火”。
尤其要将“含糊或显而易见”的记忆评为 1 或 2——这类最可能出错。
若你不确定或处于“边界情况”，给 3 分。仅当它显然具备价值、可执行、且为一般性偏好时，才给 4 或 5 分。
若该记忆“仅适用于”本对话中特定的代码/文件、不具一般性，或过于含糊/显而易见，请给 1 或 2 分。
但若用户“明确要求记住某事”，无论内容如何，都应给 5 分。
若你看到 "no_memory_needed" 或 "no_memory_suggested"，则“必须”给 1 分。

请给出评分理由，重点说明“为何它不属于那 99% 不应被记忆的内容”。你的解释应简洁、紧扣“泛化价值与可执行性”。

输出格式：
{
  "score": <1 到 5 的整数>,
  "justification": "简要说明评分原因，强调泛化价值与可执行性"
}