> For the complete documentation index, see [llms.txt](https://zhouhao4221.gitbook.io/haiqing-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://zhouhao4221.gitbook.io/haiqing-docs/01-thinking/knowledge-into-experience.md).

# 知识变经验：项目中的积累机制

## 问题：记了很多，用不上

项目结束后，大多数团队都能说出"我们学到了什么"——写在复盘文档里，归档，然后下一个项目从头踩同样的坑。

知识记录了，但经验没有积累。原因不是记录不够多，而是两件事被混淆了：

> **知识**是"某件事是什么"；**经验**是"在什么情况下，用什么判断"。

读一百篇游泳教程是知识，下水游过才是经验。两者之间的转化，需要一套机制，不是一份文档。

***

## 为什么事后整理不管用

事后整理有一个无法弥补的缺陷：**当时为什么这样判断**，已经记不清了。

能记住的只剩结论——"我们选了方案 A"。但让这个结论有价值的部分——方案 B 为什么被否定、当时的约束条件是什么、如果条件变了结论会不会变——全部蒸发了。

没有判断过程，结论只是一个没有上下文的答案，换一个场景就失效。

***

## 四个动作

### 1. 踩坑时立刻记，不等事后

知识的有效期在"当时"。解决问题的那一刻，判断的来龙去脉最清晰。拖到复盘，细节已经模糊。

记录不需要复杂，三行就够：

```
情况：遇到了什么
判断：为什么这样处理，而不是那样
结论：下次类似情况的触发条件和做法
```

关键是第二行。没有"为什么"，记录退化成流水账。

### 2. 记决策，不记过程

过程记录没有杠杆：它告诉下一个人"当时发生了什么"，但不告诉他"下次应该怎么想"。

有杠杆的是决策记录：**在两个选项之间，你为什么选了这个**。

这个"为什么"背后是判断的依据——场景条件、权衡取舍、放弃了什么——这才是可以迁移的部分。

### 3. 第三次出现时提炼成规律

第一次是意外，第二次是巧合，第三次是规律。

当同一类问题出现三次以上，值得停下来问：**这里有没有一个可以命名的模式**？如果有，把它写成原则，不再靠每次重新想。

这一步是从"积累的知识"到"可复用的经验"的关键跨越。没有这一步，记录只是堆砌，不是积累。

### 4. 用出来才算掌握

记下来的内容，必须在下一个相似场景里主动调用：它适用吗？条件一样吗？结论需要修正吗？

只有经过实战检验并修正过的知识，才真正内化成判断力。没有用出来的记录，只是潜在的经验，不是真正的经验。

***

## AI 项目多一个动作

AI 介入之后，有一类知识特别容易流失：**哪些提示有效、哪些失败、为什么**。

这不是抽象的方法论，而是具体的操作记录。不记录，它就永远是一次性的——下一个项目、下一个人，从零开始踩同样的坑。

AI 项目的知识积累，比传统项目多一个落点：

| 类型    | 落到哪里                     |
| ----- | ------------------------ |
| 有效提示词 | `04-prompt/` 对应目录，附使用说明  |
| 失败模式  | 对应章节的"失败模式"小节            |
| 上下文结构 | `07-tooling/` 工具文档       |
| 判断依据  | `00-principles/` 或对应方法文档 |

知识只有落入仓库才算共享，只有有人用过才算经验。

***

## 判断积累是否有效

一个指标：**新人进组，需要多久才能达到老人的判断水平？**

* 答案是"跟着干半年才懂"——经验还在人脑里，没有外化
* 答案是"看文档加实操两周就上手"——积累机制在起作用

这个指标不需要专门去测，日常感受就能判断：新人总是问一样的问题，说明没有积累；新人能快速找到决策依据，说明积累有效。

***

## 本质

> 经验积累的本质不是"记得更多"，而是"让判断可以被传递"。记录是手段，让下一个人在相似情况下能做出同等质量的判断，才是目的。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://zhouhao4221.gitbook.io/haiqing-docs/01-thinking/knowledge-into-experience.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.