事情做完了，判断过程却留不下来

有一段时间，我很容易产生一种错觉：事情做完了，就说明我已经学会了。

结论在聊天里，最终版本在文档里，共享表格也更新了。好像什么都没有丢。可过几周，类似问题再来时，我记得结果，却不记得当时是怎么走到那里的。

我会翻旧消息、对照文档版本，试着还原那个决定。有时找得到，有时只能再推一遍。

这就是我开始写博客的原因。我想保留真正改变结果的判断、背后的证据，以及下次找到它们的路径。

明明都存下来了，为什么还是找不回来？

工作会留下几种信息。它们看起来相似，失效的方式却不同。

文件保留的是做过什么。真正能让下一次更快的，往往是当时为什么改变了判断。

我想保留的东西

不是事无巨细的日记，而是改变了结果的那个决定，以及促成变化的证据。

一次典型的返工

我曾经检查一份外部媒体计划，按表格字段往下看：标题、正文、场景、落地页、图片。

后来的复核才暴露真正的风险。如果产品理解错了，或者用户场景错了，表格再完整，计划也是错的。

于是我换了顺序：先确认产品、用户任务和证据，再检查字段。

这个教训写进了复盘，但复盘不会在下一个项目开始时自动出现。如果我不记得去找，它就只是另一个存好的文件。

经验存在哪里，不如它能不能在影响下一次决定的时刻被找出来重要。

给不同的记忆安排不同的位置

我开始在 Obsidian 里整理这些内容，也逐渐把 AI 接入这个系统。有一个区分一直很有用：生命周期不同的信息，不应该硬塞进同一份大文档。

1. 当前事实回到来源核验。 项目状态、最新反馈和产品能力都可能变化。旧记忆是线索，不是实时证据。
2. 项目过程留在项目里。 决定、被放弃的版本和最终交付，需要一条可追溯的时间线。
3. 只有经过检验的模式才成为长期规则。 一次临时修复，不会自动变成可复用方法。
4. 未完成的工作单独跟踪。 待办和经验需要不同的检索路径。
5. 开始之前先召回。 AI 最有用的时刻，是在新工作开始前找出相关规则或旧案例。

博客在这个系统里做什么

内部记忆可以很碎。它可以放路径、状态、规则、纠正和未解决的细节。公开文章则需要多走一步，把凌乱的经历写成一段别人能理解的叙述。

写作逼着我回答：

• 当时真正要解决什么问题？
• 最初的理解错在哪里？
• 哪条证据改变了方向？
• 换一个环境，这个经验还成立吗？

这些问题答不出来，可能说明我还没有真正理解那段经历。

这个博客不会只放整理得很漂亮的成功。失败的假设和被放弃的方法，往往更能说明工作究竟发生了什么变化。

哪些内容不会公开

记忆系统也需要边界：

• 客户、同事和内部运营的私密细节，不进入公开文章。
• 会随时间变化的事实，不会因为曾经记录过，就被当作当前事实。
• AI 可以检索和分类，但不能替我决定哪段经验值得变成永久规则。
• 一种临时办法，要在另一种情况里仍然有效，才适合成为长期指导。

目标不只是记得更多，而是找得到该找的内容，也知道它现在是否仍然有效。

可以从很小的地方开始

不需要先建好一个完整的记忆系统。找一个总会重复出现的问题就够了。

1. 任务结束后，用一句话记下最重要的决定。
2. 如果方向变过，记录是什么事实促成了变化。
3. 把还没完成的事，和可能复用的经验分开。
4. 下次遇到相似任务前，检查旧经验是否仍然成立。

只要它能省下一次重复推理，就已经比从不打开的大档案更有用。

我开始写这个博客，就是想把这件小事做好：保留真正发生过什么，以及真正让我改变想法的是什么。

从这些真实问题继续读

• 价格监控已经自动化，我为什么还要人工复核？
• 广告后台显示零转化，可能是追踪出了问题

一份以后真的能找回来的记录

这是一个小模板，不是某个项目记录的原文：

价格监控案例就是一个例子：页面不同，不足以证明价格变了。保留这个判断，改变了下一版系统真正比较的对象。