AI优先｜AI工作系统一定要能复盘：别让AI重复犯同样的错
AI工作系统真正有价值的地方，不只是把事情做完，而是：
每做完一次，下一次应该做得更好。
如果AI今天审合同漏了一个风险，明天还继续漏；今天解决了一个Agent故障，下次遇到同样问题又重新排查，那说明虽然一直在用AI，但系统没有真正积累经验。
所以复杂任务结束以后，我现在会多做一个动作：
复盘。
但这里的复盘不是写一篇总结，而是问几个很实际的问题：
- 这次哪里做错了？
- 哪里浪费了时间？
- 哪些方法特别有效？
- 哪些要求以后还会重复？
- 哪些步骤可以自动化？
然后把答案真正写回AI工作系统。
比如：
- 长期工作习惯，写进全局指令；
- 项目特殊要求，写进项目指令；
- 重复流程，更新到Skill；
- 典型经验，进入知识库；
- 容易踩的坑，写成“不要这样做”的规则；
- 机械操作，考虑改成脚本或者自动化。
这样一次纠错才真正有价值。
比如第一次让AI审合同，发现它喜欢大幅修改原文。
如果只是告诉它：
“这次不要改这么多。”
那只解决了当前任务。
更好的做法是把：
“原则上进行最小必要修改”
直接加入合同审查规则。
以后所有类似任务都自动遵守。
这就是从：
纠正一次
变成：
永久升级一次。
成功经验也一样。
某一次发现一种提示词结构特别好用、某种Subagent分工效率很高、某个MCP组合特别稳定，都不要用完就算。
把它留下来。
模板化、Skill化、脚本化。
我觉得一个AI工作系统是否真正成熟，可以看一个很简单的指标：
是不是越来越少犯以前已经犯过的错误。
新问题当然还会出现。
但旧问题不应该不断重复。
所以每完成一个重要任务，都可以多问一句：
这次有什么值得留下？
- 是经验，就沉淀。
- 是错误，就加护栏。
- 是流程，就标准化。
- 是重复劳动，就自动化。
这样你完成的不只是一项工作。
还顺便让自己的AI工作系统升级了一次。
AI真正的复利，不是用得越来越多，而是同样的事情，下一次越来越不需要重新教。
