把业务内功萃取为AI工具

    几乎每一位资深管理者或业务专家，身上都带着一套别人学不走的"内功"——它可能是一眼看穿供应商谈判筹码的直觉，可能是从一句业务战略反推出该配什么人的判断。这套逻辑很值钱，却也很脆弱：它困在一个人的脑子里，难以言传、难以复制，人一离开，经验就跟着带走了。

    过去，传承这套内功只有两条路：带徒弟或写制度。前者慢且易走样，后者僵硬难落地。而现在出现了第三条路——借助 AI，把经验萃取成一件能被反复调用的智能工具。"译岗"是Vibe Code的第三个小成果，我想用切身体会和大家聊聊这件事怎么做，以及做的过程中，最关键的两个分寸：结构性与颗粒度。

壹萃取，不是教 AI 思考，而是把你的判断显性化

    先厘清一个误解。萃取经验，不是把判断权交给 AI，让它替你拿主意；而是把你脑中那段"凭经验就出结论"的过程，拆开、说清，让工具能够承载。

    "译岗"要解决的，是一个普遍的断层：业务部门只想"有人把事搞定"，却说不清"要多少、什么样的人、在什么岗位"；而这恰恰是人力资源开展工作的前提。一位资深的人力专家，能凭经验把"我们要做强系统集成"这句话，翻译成"需要系统集成工程师若干、核心能力是业务分析与系统诊断，要达到胜任级别"。萃取要做的，就是把这段看似一步到位的翻译，还原成一条清晰的推理链。

    萃取的本质：把隐性的判断，拆成显性的步骤

    这一拆，专家的角色就发生了一个微妙而关键的转变：从"亲自做判断"，变成"定义判断的规则"。而定义规则、厘清逻辑，恰恰是优秀管理者最擅长的事——你不需要懂技术，你需要的是把自己想明白的事，说得足够清楚。这也是在AI组织中，人需要适应的角色转变。

贰结构性的根基：把"不变的"和"会变的"分开

    萃取最容易失败的方式，是把一整套经验囫囵塞进一个"黑箱"——换个场景就失灵，出了错也不知道错在哪。要让萃取出的工具有好的结构，有一条第一性的原则：把不变的能力，和会变的知识，分开存放。

    译岗在设计时，就严格遵循了这条线：

    同一套技能，配上不同的模板，就能适配不同行业和不同的业务版块——经验复用率最大化

    这样分的好处立竿见影：当译岗要从采购板块迁移到另一个板块时，那几项核心技能一行都不用改，而从一个行业切换到另一个行业时，可能只需要换一套行业模板。经验被复用到了极致。而统筹这一切的"编排"角色——决定该调用哪些技能、加载哪套模板——则像一位调度员，它只负责统筹，绝不替代规则本身。

萃取中的建议

当你萃取任何一段经验时，先问自己一个问题：哪些是放之四海皆准的方法，哪些是因地制宜的规则？把前者做成稳定的能力，把后者做成可替换的配置。这一刀切对了，工具就有了能生长的骨架。

叁颗粒度的分寸：不要太粗，也不要太细

    结构清楚了，还有一个分寸要拿捏：拆到多细才合适？

    拆得太粗，整套逻辑挤成一团，换个场景就水土不服，出了问题也无从排查；拆得太细，碎成上百个零件，组装和维护的成本反而把萃取的收益吃掉。译岗的做法，是拆成几个职责单一、输入输出清晰的模块——战略解析器、能力对标器、方向判定器……每一个都能被单独说清楚、单独验证。

法则一：

能不能单独说清、单独检验？如果一个单元你没法独立地讲明白它做什么、也没法单独测试它对不对，说明它还包着没拆开的逻辑。

法则二

把它换掉，会牵动多大一片？替换或修改一个单元，若牵一发而动全身，说明边界没划好。牵动越小，颗粒度越健康。

    这两条朴素的法则，比任何技术标准都更实用。它们背后是一个管理者熟悉的直觉：好的分工，是让每个角色边界清晰、各司其职、可独立替换——萃取经验的颗粒度，本质上和设计一个高效的组织，是同一种智慧。AI时代最高效的智能体往往出自高效管理者之手——智能体的设计、调教、统筹与组织协调，都需要管理思维和技能。

肆萃取过程中，专家无可替代

    这里要破除另一个迷思：是不是有了通用大模型，专家就不必出场了？恰恰相反。

    通用 AI 能给出一份"看着像样"的初稿，但它贴不贴你的行业、合不合你的实际，必须由专家来校准。所以实际应用中，垂类模型的性价比和工况要远高于能用模型。

    译岗的经验是：用真实的业务案例去"喂"养它，把一个泛泛而谈的通用顾问，调校成一个真正懂行的顾问。这里就要略提一句那个常被忽视的环节——提示词。它听起来技术，实质却是管理活：把你的推理逻辑、判断标准、行业禁忌，用结构化的语言一条条讲清楚。提示词写得好不好，直接决定了萃取出的工具像不像你。这一步，没有人能比专家本人做得更好。而提示词的基本功从来不是去记忆词库，而是沟通和表达能力——让他人能够充分理解你的需求，以前是下属和同事，现在是人和AI。

    萃取，并没有判断权交出去，而是把判断力放大。工具负责把繁琐的推理跑一遍，专家负责在关键处拍板——人，始终在闭环之中。

    而且，萃取不是一锤子买卖。最好的工具都是养出来的：定期复盘、持续投喂新案例，去做模型的后调教，让它随着业务一起进化。这个过程，本身也是专家经验不断被显性化、被沉淀的过程。

伍从"一个人的本事"，到"组织的能力"

    萃取的终极价值，是让那套原本只存在于一个人脑中的判断力，变成一项可被组织反复调用、并持续进化的资产。

    更令人期待的是它的延展性。一位专家能萃取出一件工具，多位专家就能像搭积木一样，把财务、采购、质量、人力……各个领域的管理经验，逐一沉淀成能彼此协同的工具体系。就像译岗设计之初就预留了与下游应用的接口——一件工具的产出，可以成为另一件工具的输入，如同岗位之间的协作交接。组织的管理能力，于是从一个个"高手的本事"，长成了一张可生长的网络。

    说到底，最该主导这件事的，不是技术团队，而是手握经验的资深管理者。因为只有你，最清楚什么才是真正管用的逻辑。AI 给了你一支前所未有的笔——而要写什么，一直握在你自己手里。让我们一起来快速实践吧。

 以 译岗 的萃取实践为例 · 写给企业里那些"内功深厚"的人