夜雨聆风两个人都有 10 年经验，要把自己的评审方法教给 AI。一个人每次手动粘提示词，输出总是在检查格式，没有业务判断。另一个人把判断逻辑写成规则，搭好一次，之后自动跑。给 AI 经验，不是把你的文档扔给它——是把你的判断逻辑说清楚。
大多数人的工作经验，有 90% 是「说不太清楚」的。
你知道这个供应商可以信任、那个方案有隐患、这份数据有问题——但如果有人问「你为什么这么判断」，你可能说：「感觉嘛，做久了就知道了。」
这就是隐性知识：你积累的、自动运作的、难以语言化的判断能力。AI 天生拿不到这些。它能处理你说出来的，但无法感知你没说出来的。
你脑子里那 90%，AI 从来不知道
🔒
隐性知识
你积累的、自动运作的、难以语言化的判断能力「感觉嘛，做久了就知道了」
🔓
显性规则
AI 能读懂、能执行的判断标准「偏差>15%且连续两周 → 高风险」
把经验传给 AI 的核心工作：把隐性知识变成显性规则
三条路找出你没说出来的判断
你做判断的时候，有一套在跑的逻辑——只是从来没说出来过
什么时候你看了一眼就知道有问题？
看了一份数据报告，觉得「这个数字不对劲」；收到邮件，知道「这是要投诉了」。
💡 你凭什么知道的？把那个「凭什么」抠出来。
有没有什么事，你给新同事解释了不止三遍？
为什么这类需求要先验证再开发？为什么某个时段的数据不能直接对比？
💡 你解释的那些内容，就是隐性知识的线索。
有没有你一直在用、但从没写下来的判断标准？
「这类问题超过X个，就要升级处理」；「这个渠道的数据要打X折才准」。
💡 这些都是隐性知识的具体呈现。
找到了以后，怎么说给 AI 听？三种格式，选最适合你场景的：
三种格式把判断逻辑写成规则
选最适合你场景的那种
格式：当 [条件] 时，执行 [行动]
示例
当差评率超过 5% 且连续 3 天，立即升级到产品经理并附带用户原话截图
格式：多个维度各自打分，加权得出综合评级
示例
供应商评估：交期准时率×0.4 + 质量合格率×0.4 + 响应速度×0.2，≥80分合格
格式：给出「好的例子」和「不好的例子」，AI 从中学习边界
示例
✅ 好例子：「建议增加引导步骤，降低操作门槛」❌ 差例子：「建议优化用户体验」（太空泛）
🧪 一个测试
把你写的规则给一个聪明的新同事看，如果他能按规则做出和你一样的决策，说明你写清楚了。如果他还是需要问你，说明还有隐性知识没挖出来。
逻辑固定，每次相同
系统级提示词 / 自动化规则
写成规则直接运行，每次结果一致，适合标准化场景
依赖案例和历史积累
知识库 + RAG 检索
把历史案例、经验文档整理成知识库，AI 执行时实时检索
需要多步推理
AI Agent 链式流程
把判断拆成多个子步骤，每步 AI 执行，你在关键节点审核
核心决策只有一个：这件事每次运行的逻辑一样吗？一样 → 规则；依赖积累 → 知识库；需要推理 → Agent
跑一跑，看看差在哪
🧠
自己先判断
拿到问题先自己做决策，记录你的判断和理由
🤖
AI 跑一遍
让 AI 用你写的规则处理同一个问题
🔍
对比差距
哪里不一样？是规则没写清，还是边界没覆盖
最快的路：从你最高频、最标准的判断场景开始跑，跑通了再扩展
什么样的经验值得优先沉淀？
不是最复杂的，是最高频的。判断三个维度：
每天要用还是偶尔一次？
高频场景每周节省的时间更多，投入产出比更高
判断标准会经常变吗？
规则稳定的场景更值得沉淀，变化快的场景成本更高
能说清楚你的判断逻辑吗？
越能说清楚的场景，AI 的还原度越高，效果越好
从「用AI」到「造AI助手」的真正分界线
🔍
找出隐性知识
那个「感觉嘛 做久了就知道」
📝
写成显性规则
条件-行动/评分矩阵/示例对比
⚙️
放进合适工具
规则/知识库/Agent
🔄
跑一跑验证
自己判断 vs AI 跑一遍
师傅带徒弟要半年带 AI 只要一个下午——因为 AI 不需要同步感受，它只需要你清晰表达
- END -
本文旨在帮助读者沉淀个人经验，文中方法和框架仅供参考