决策校准经验库

为什么需要记录决策偏差

人在面对不确定情境时，会反复掉进同一批认知陷阱：过度自信、确认偏误、幸存者偏差、锚定效应……这些偏差往往在事后复盘时才被察觉，而当时它们正悄悄扭曲着你的判断。更麻烦的是，偏差本身是隐形的——你不会意识到自己正在被它影响。

如果没有一套外部机制把每次偏差显性化，同样的错误会在不同项目、不同时间段里不断复现。团队层面尤其如此：个人的记忆是模糊的，团队的记忆更是如此。

这个技能做了什么

决策校准经验库 是一套轻量的"偏差记录—检索—回看"工作流，核心目标只有一个：把每次踩过的偏差写下来，让它成为未来判断时的参照物。

工作流程大致分三步：

• 记录：每次做出关键判断后，回顾实际结果与预期的偏差，把偏差类型、场景描述、当时假设、实际反馈写入 references/experiences.md。
• 索引：通过 references/index.md 建立关键词检索入口，让你能按主题（如"估算"、"需求评审"、"技术选型"）快速找到相关历史条目。
• 回看：在下一次做类似决策前，主动检索历史条目，提醒自己"上次在这里栽过跟头"。

它不替代任何分析框架或决策模型，只提供一种外部化的、可检索的记忆层。

适用边界与注意点

• 被动资产：经验库的价值完全取决于你写入的质量。如果不做周期性回顾和条目更新，它很快会沦为一份过期清单。
• 不是决策引擎：它不会告诉你"应该怎么选"，只会告诉你"过去在这里错过什么"。最终判断仍由你完成。
• 粒度需自行把控：条目过粗，检索不到；过细，维护成本会压垮使用意愿。建议在"场景可复现"与"描述可识别"之间取平衡。
• 偏差命名要诚实：把失败归因于外部因素（"客户不靠谱"）而非自身偏差，会让经验库失去校准意义。