老员工的经验,怎么变成系统的能力
业务里最有价值的往往是"**老员工的做法**" ✔:什么情况该拒绝、什么话术更合适、
哪些字段容易填错 ✔。但这些经验大多**只在人脑子里** ✗,AI 系统自然学不到 ✔。
**三条路把经验写进系统** ✔:规则、示例、反馈 ✔(按可靠性排序 ✔)。
一、规则(最可靠,最不灵活)
适合**边界清晰**的经验 ✔:必填字段、金额上限、必须人工确认的情形 ✔。
**注意**:规则太密会僵化 ✗(新情况全被拒 ✔)→ 需要"例外通道" ✔(人工覆盖并记录 ✔)。
二、示例(灵活,成本低)
适合**风格与判断口径** ✔:什么算"部分相关"、什么语气合适 ✔。
三、反馈(最贴近现实,需要工程化)
适合**持续演进** ✔:线上点踩、人工修改、转人工记录 ✔。
**关键**:反馈是"发现问题的雷达" ✗ ✔,"规则与示例"才是"解决问题的手段" ✔。
四、三条路的配合(不要只走一条)
```
规则:兜住硬边界(安全、金额、权限 ✔)
示例:钉住软口径(语气、判断标准 ✔)
反馈:发现新情况 → 转成新规则或新示例 ✔
```
**只写规则** ✗ → 僵硬、体验差 ✔;**只给示例** ✗ → 边界不牢、易越界 ✔;
**只收反馈** ✗ → 永远在打补丁 ✔。
五、怎么验证经验真的被写进去了
一条判据
> 一位资深员工离职后 ✔,他的判断经验还能在系统里**被复现**吗 ✔?
> 不能,说明经验还停在个人层面 ✗。