第十六篇写到可检索案例。经验如果只被放进文件夹里，下一次很难回到工作现场；如果能按问题、限制和选择重新切开，它就有机会被重新调用。但这里还有一个容易踩的坑：旧案例被找到了，并不等于它可以直接用。
我越来越警惕一种看起来很高效的做法。客户刚说完需求，系统马上从案例库里翻出一篇相似复盘，然后服务方顺手把里面的方案改几个词交出去。速度很快，风险也很大。因为相似通常只停留在表面：都是小店，都是内容服务，都是想提高咨询量。真正决定方案能不能用的，往往是更细的地方。
这家店靠熟人介绍，还是靠平台流量？老板愿不愿意出镜？客单价高不高？客户买完以后最担心的是价格，还是售后，还是不会选？这些问题不问清，旧案例越完整，越容易把人带偏。
旧案例先用来问问题
案例库最先提供的，不应该是答案，而是一组更准的问题。
比如之前有个案例显示，某家店不能继续讲“老板很努力”，要改成“老客户为什么回头买”。下一次遇到另一家店，不能直接把这个结论套过去。更好的用法是拿它提醒自己：这一次客户口中的“努力”背后，用户到底在买什么？是信任老板，还是省下选择时间？是怕买错，还是需要有人帮他解释差异？
这些问题问出来，旧案例才开始有价值。它不是替新项目做决定，而是帮人少漏掉一层判断。
我见过很多内容方案失败，不是因为文字差，而是因为第一轮问题问得太浅。客户说“想让内容高级一点”，服务方就去改语气；客户说“想多一点转化”，服务方就去加卖点。可有时候真正的问题是产品线太杂，顾客根本不知道先问哪一个；有时候是老板把自己最熟的专业词讲得太满，顾客听完只觉得麻烦。
旧案例能帮忙的地方，就在这几个岔路口。它提醒你不要急着写，先把当前场景里的约束摸出来。
相似不是复用的理由
AI 很擅长找相似。标题相似、行业相似、需求描述相似，都能很快排出来。但服务判断不能只看相似度。相似度只能说明“可以参考”，不能说明“应该采用”。
同样是给门店做内容，一家店的问题可能是缺少信任，一家店的问题可能是产品太难解释。前者要多讲真实使用场景，后者要先把选择路径变短。两个项目看上去都在做短视频脚本，实际要解决的不是同一件事。
如果把旧案例当模板，最容易发生的事是：方案结构很完整，客户也能看懂，但落不到他的现场。它像一件尺寸差不多的衣服，穿上不至于难看，却总有地方别着。服务方自己还会误判，以为已经复用了经验，其实只是复用了格式。
我更愿意在案例旁边留一个“小心误用”的部分。写清楚当时为什么能这么做，哪些条件如果不存在，这个结论就不能搬。比如“老客户回购”这个方向成立，是因为那家店的复购记录明显，而且老板能说出顾客回头的具体理由。如果换成新店，或者复购数据很少，就应该先做信任建立，而不是急着讲回购。
这类限制条件不漂亮，却很要紧。它让案例从范文变成工具。
让 AI 做对照，不要让它替你拍板
在服务现场，我会让 AI 做一件更朴素的事：把新需求和旧案例放在一起，列出相同点、不同点和必须补问的地方。相同点给参考，不同点防误用，补问项决定下一轮沟通。
比如客户说“我想做一套朋友圈内容，让老客户想起来我”。系统可以先找出类似的老客户复购案例，再追问几个问题：老客户多久没有触达？以前购买的理由是什么？这次想唤回的是价格敏感客户，还是信任关系比较深的客户？客户看到内容后，下一步希望他私聊、下单，还是先预约体验？
这些问题比直接生成十条朋友圈文案更慢一点，但更稳。因为它把旧案例里的判断拆开了，没有把旧答案硬贴到新场景上。
AI 服务的成熟，不是把案例库越堆越大，然后自动吐出方案。真正有用的是它能在新现场里提醒你：这里和过去哪里像，哪里不像，哪里还缺一块关键信息。最后的选择仍然要由人负责。人要看客户说话的犹豫，看预算和执行能力，看哪些建议对方听得进去，哪些建议虽然正确但这次推不动。
第十七篇接着可检索案例往前走：经验被找到之后，还要经过一次现场校准。旧案例不要急着变成新方案，先让它变成新问题。问题问准了，复用才不是偷懒，而是把过去的判断带到这一次工作里。