AI札记 016｜AI 服务要让经验变成可检索的案例

第十五篇写复盘。复盘能把一次交付里的判断留下来，让下一次不用从记忆开始。但复盘写完之后，还有一个更现实的问题：这些经验放在哪里，下一次又怎么被找到？

很多人做项目都会留下记录，文档并不少。问题是，需要它的时候，经常想不起来搜哪个词，也不知道哪一份里有答案。一次服务的复盘写得很认真，放进文件夹里，过了两个月再遇到相似客户，脑子里只剩一个模糊印象：好像以前处理过。最后还是重新问一遍、重新试一轮。

经验没有被检索到，在工作里就接近于没有留下。

复盘不是仓库，案例才是入口

复盘如果只是按日期排列，很适合证明自己做过事，却不一定能帮助下一次做事。日期对记忆友好，对问题不友好。客户不会说“我遇到了 7 月 2 日那个问题”，他只会说“我不知道该主推哪个产品”“员工不会回答客户追问”“内容发出去没人问价”。

这时需要的不是一篇完整复盘，而是能从问题进入的案例。

比如一个小店内容服务，复盘里可能写了很多沟通过程。值得沉淀的案例入口，可能只有三个：老客户复购、熟人转介绍、产品卖点重排。下一次遇到类似场景，不应该先翻文件，而应该能直接问：以前有没有遇到过“老板想讲努力，但顾客更关心买完以后省不省心”的情况？

如果系统能把这类问题指向旧案例，经验才不只是被保存，而是重新回到工作现场。

很多知识库失效，不是因为内容少，而是分类太像整理者的脑子。按客户、按日期、按项目归档，适合管理文件；按问题、场景、限制归档，才适合调用判断。管理文件和调用判断，是两种完全不同的动作。

我更愿意把一次复盘拆成几张小卡片。每张卡片只回答一个问题：当时客户要解决什么？最容易误判的地方是什么？最后为什么选了这个方向？哪些话术被删掉了？下次遇到类似情况，第一轮应该先问什么？

这些卡片不需要漂亮。它们甚至可以有点粗糙。重要的是标签要贴在真实场景上，而不是贴在抽象概念上。不要只写“内容策略”，要写“老板自述很多、用户利益不清”；不要只写“转化优化”，要写“客户咨询后卡在价格解释”；不要只写“品牌定位”，要写“产品好但一句话说不清为什么贵”。

AI 在这里最有用的地方，不是把复盘改成更完整的长文，而是帮人把一段经历切成可追问的入口。入口切准了，后面才有检索、对比和复用。

案例沉淀还有一个常见问题：写得太像成功故事。只留下最后采用的方案，不留下中间为什么摇摆，下一次就很难借用。

真实工作里，判断通常不是一下子对的。比如同样是帮店铺梳理卖点，一开始可能会想讲“性价比”，后来发现客户愿意付钱，是因为老板能帮他避开选择成本。这个转向很关键。可如果案例里只写“最终确定卖点为省心”，下次读的人就不知道为什么不是便宜、不是专业、不是品类齐全。

我希望案例里保留一点犹豫：当时有哪些候选方向，为什么放弃，哪条反馈让方向变了，最后的选择解决了什么限制。AI 可以生成很多版本，但服务经验的价值常常藏在“没有选的版本”里。

可检索案例和模板库的差别就在这里。模板告诉你怎么填空，案例提醒你为什么不能乱填。

当复盘变成案例，AI 服务的后台就会慢慢有一层记忆。它不是简单保存过去的文件，而是在新问题出现时，把旧问题拉回来接受追问。

下一次客户说“我想做一套内容”，不要马上进入生成。可以先问旧案例：以前类似需求里，最容易跑偏的是什么？哪些客户最后其实要解决的是转化，而不是内容数量？哪些表达看起来高级，最后被删掉了？旧案例不一定直接给答案，但它会让第一轮问题问得更准。

这件事对个人也重要。一个人长期做 AI 服务，如果只积累工具熟练度，很容易被新工具追平；如果积累的是可检索案例，价值会厚很多。因为案例里有场景、限制、选择和判断，这些东西不是换一个模型就自动长出来的。

第十六篇接着复盘往后走：经验要留下来，还要能被找到、被追问、被放进下一次判断里。AI 服务要避免把每次交付都做成孤岛。能复用的，往往不是那份已经交出去的文件，而是文件背后的案例结构。

把复盘写完，只是把经验从现场带回来。把复盘切成可检索的案例，才是把经验交给下一次工作。