别只盯着知识库了：AI 时代更该搭一套“决策库”
很多公司一聊 AI 落地，马上就开始干一件事：
搭知识库。
产品手册塞进去。
SOP 塞进去。
客服话术塞进去。
项目文档塞进去。
然后接个企业 Agent，期待它能像老员工一样回答问题。
这个方向没错。
但只做知识库，很容易把公司带进一个坑：AI 知道你们做过什么，却不知道你们为什么这么做。
这就麻烦了。
因为公司真正贵的资产，很多时候不是文档，而是判断。
知识库解决“怎么做”，决策库解决“为什么”
咱们先把概念说清楚。
知识库里通常有什么？
知识库更像一本操作说明书。
它回答的是：
- 这个产品怎么用？
- 这个流程怎么走？
- 这个客户问题怎么回复？
- 这个系统权限怎么申请？
- 这个活动怎么上线？
这些内容很重要。
新人入职要看。
客服培训要看。
AI Agent 回答用户问题也要看。
但它主要解决的是：事情怎么执行。
决策库里应该有什么？
决策库更像一群老员工的大脑备份。
它回答的是：
- 为什么这个功能不做？
- 为什么这个客户暂时不追？
- 为什么这个渠道投放暂停？
- 为什么这个需求看起来很热，却不能排到前面？
- 为什么当时选了 A 方案，没选 B 方案？
- 这个判断后来验证对了吗？错在哪里？
你看，味道完全不一样。
知识库存的是“结论和流程”。
决策库存的是“判断和理由”。
而公司最容易丢的，恰恰是后者。
组织失忆有多可怕？真的很烧钱
你肯定见过这种场景。
一个产品经理离职了。
交接文档写了几十页。
新人接手后，看起来资料齐全。
但过两周，会议室里又开始吵：
“这个功能为什么不做？用户不是一直在提吗？”
于是团队重新拉数据。
重新访谈客户。
重新评估投入产出比。
重新开三轮会。
折腾半个月后，发现结论跟半年前一模一样：
不做。因为目标用户少，维护成本高，还会拖慢主流程。
尴尬吗？
很尴尬。
更糟的是，半个月没了。
再换个销售场景。
某个大客户听起来很香。
预算大，老板关注，销售团队兴奋。
但上一任负责人其实已经判断过：
- 采购链条太长
- 回款周期不稳定
- 对定制化要求极高
- 做下来会拖垮交付团队
这些判断没留下。
新人又冲进去追。
三个月后，钱没收回来，交付被搞崩，团队还觉得自己很努力。
这不是努力的问题。
这是组织记忆断片了。
AI 时代，决策库比以前更重要
以前组织失忆，顶多是人和人之间低效。
现在不一样了。
AI 会放大一切。
知识库做得好，AI 可以帮你快速查资料、写方案、回客户。
决策库缺失，AI 也会快速把你带回老坑。
比如你问企业 Agent：
“帮我评估一下要不要做视频号直播带货。”
如果它只读知识库，可能会回答：
- 直播流程怎么搭
- 人员怎么分工
- 脚本怎么写
- 预算怎么排
听起来挺完整。
但它不知道公司去年已经试过三次：
- 获客成本高
- 转化链路长
- 主力用户不在这个渠道
- 主播依赖个人能力
- ROI 连续三轮不达标
结果呢？
AI 一本正经地帮你把旧坑包装成新计划。
这才吓人。
AI 不怕没知识。
怕的是没有历史判断。
决策库应该收哪些内容？别什么都塞
很多团队一听“沉淀”，就开始疯狂建表。
别急。
决策库不是垃圾桶。
不是所有会议纪要都值得进来。
你只需要重点收这几类。
1. 被反复讨论的问题
凡是团队隔一段时间就会重新讨论的问题，都该进决策库。
比如：
- 要不要做低价版？
- 要不要开放代理商？
- 要不要接定制项目？
- 要不要把某个功能免费？
- 要不要进入某个行业？
这种问题一旦不沉淀，就会像幽灵一样反复出现。
每来一个新人，复活一次。
每换一个老板，复活一次。
每到季度规划，复活一次。
太烦了。
2. 做了取舍的产品决策
产品路线里最值钱的，不是做了什么。
而是没做什么。
建议记录：
- 需求来源
- 用户呼声
- 支持理由
- 反对理由
- 最终决定
- 不做的原因
- 未来重新评估的条件
尤其是“不做”的原因，一定要写清楚。
因为半年后，大家通常只记得：
“好像当时没排上。”
但真正的原因可能是：
“会破坏核心用户路径，并且需要重构权限系统。”
这两个说法，差别太大。
3. 失败项目的复盘
成功经验当然要存。
但失败经验更该存。
因为成功经常带有运气。
失败里往往有规律。
可以记录：
- 项目目标是什么？
- 当时为什么判断值得做？
- 关键假设有哪些？
- 哪些假设被证伪了？
- 亏在哪里？时间、人力、预算、机会成本？
- 下次遇到类似情况怎么判断？
别写成“大家要加强沟通”。
这种话没用。
要写具体。
比如：
“当客户要求 3 周内交付定制报表时，必须先评估底层数据结构是否支持。不能只看前端页面改动量。”
这才是能救命的内容。
4. 客户和渠道判断
销售、市场、增长团队特别需要决策库。
建议记录：
- 哪类客户值得追？
- 哪类客户看着大，其实不赚钱？
- 哪些渠道数据漂亮，实际留存很差？
- 哪些线索转化周期太长？
- 哪些行业看似匹配，交付风险很高？
比如有些客户合同金额不小，但需求极度定制。
签下来那一刻大家鼓掌。
交付三个月后，研发想辞职。
这种血泪史，不写进决策库，下一波人还会再来一遍。
一条好决策记录，应该长什么样？
不要写一大坨会议纪要。
AI 不爱看，人也不爱看。
一条决策记录，建议用固定结构。
你可以直接抄这个模板。
## 决策标题
一句话说明这次决策，比如：暂不开发企业微信自动拉群功能
## 背景
为什么讨论这个问题？来自客户、业务、数据，还是老板提出？
## 关键问题
这次真正要判断的是什么？
## 可选方案
- 方案 A：做完整功能
- 方案 B：只做半自动方案
- 方案 C：暂不做
## 判断依据
- 用户需求规模：
- 技术成本：
- 业务收益：
- 风险点：
- 对现有产品的影响：
## 最终决定
选了哪个方案？谁拍板？什么时候决定？
## 不选其他方案的原因
尤其写清楚被否掉的方案为什么不合适。
## 后续观察指标
什么数据变化后，需要重新评估？
## 复盘结果
一段时间后回来补：这个判断对了吗？哪里偏了？
这个模板的重点不是“好看”。
重点是让未来的人和 AI 都能看懂：
当时为什么这么判断。
示例：把一次产品取舍写进决策库
下面给你一个完整例子。
假设用户一直提：希望系统支持“批量导出全部客户资料”。
很多团队可能只在会议纪要里写一句：
暂不支持批量导出。
这不够。
半年后新人肯定会问：
“为什么不做？这不是很简单吗？”
更好的写法是这样：
## 决策标题
暂不支持批量导出全部客户资料
## 背景
过去 30 天内，有 17 个客户咨询批量导出功能。销售团队认为该功能有助于成交，建议排入下个版本。
## 关键问题
是否要允许管理员一键导出企业内全部客户资料？
## 可选方案
- 方案 A：开放完整批量导出
- 方案 B：仅支持按权限、按范围导出
- 方案 C：暂不开发，保留人工申请流程
## 判断依据
- 需求热度：短期咨询量较高，多来自中大型客户
- 收益预估：可能提升部分成交率，但无法单独形成付费点
- 风险：涉及客户数据安全，容易产生内部越权导出问题
- 技术成本：导出功能本身成本不高，但权限校验、日志审计、审批流成本较高
- 产品定位：当前产品强调数据安全和权限隔离，完整批量导出会削弱这一定位
## 最终决定
选择方案 C：暂不开发完整批量导出，继续保留人工申请流程。
决策人：产品负责人、技术负责人、销售负责人
决策时间：2025-03-18
## 不选其他方案的原因
不选方案 A：数据安全风险过高，且与产品定位冲突。
不选方案 B：需要补齐权限、审批、审计能力，短期投入大于收益。
## 后续观察指标
如果连续 2 个季度内，因缺少该功能导致流失或丢单金额超过 50 万，再重新评估方案 B。
## 复盘结果
待补充。
你看，这条记录以后能干很多事。
新人能看懂。
老板能追溯。
AI Agent 也能引用它来做判断。
当有人再问“为什么不做批量导出”，AI 不会只说“知识库暂无说明”。
它可以直接回答：
因为团队曾在 2025 年 3 月评估过，该功能会带来数据安全和权限审计风险。除非未来两个季度因该功能造成的丢单金额超过 50 万，否则暂不排期。
这才像公司自己的 AI。
怎么把决策库接到 AI Agent？
别一上来就搞复杂架构。
小团队可以先用最朴素的办法。
方案 A：飞书 / Notion / 语雀 + 固定模板
适合刚起步的团队。
做法很简单：
- 建一个“决策库”空间
- 每条记录用统一模板
- 标题写清楚业务对象和结论
- 标签标明部门、项目、客户、年份
- 每周固定补 3～5 条关键决策
比如标签可以这样设计：
产品决策客户判断渠道投放技术选型不做记录失败复盘需复评
后面接 AI 检索时，这些标签会非常有用。
方案 B：文档库 + RAG 检索
如果你们已经有企业知识库或内部 Agent，可以把决策库作为独立数据源接进去。
关键点有几个：
- 决策库不要和普通 SOP 混在一起
- 每条记录要有时间、决策人、适用范围
- 对“已过期判断”做标记
- 给 AI 提示：引用决策时必须说明来源和时间
一个简单的系统提示词可以这样写：
你是公司内部决策助手。
回答问题时，优先检索决策库，再参考知识库。
如果问题涉及产品取舍、客户判断、渠道投入、技术选型，必须说明历史上是否有相关决策记录。
引用历史决策时，必须包含决策时间、适用范围、关键理由。
如果历史决策可能已经过期，需要提醒用户重新评估。
这段提示词很实用。
它能避免 AI 只会照着 SOP 回答，却忽略过去踩过的坑。
方案 C：会议纪要自动抽取决策
如果团队会议很多，可以用 AI 先做粗加工。
每次会议结束后，把录音转文字或会议纪要丢给 AI，让它抽取决策项。
提示词可以这样写：
请从以下会议纪要中提取适合进入“决策库”的内容。
只保留明确发生了判断、取舍、否决、暂停、继续投入、重新评估的事项。
每条内容按以下结构输出：
- 决策标题
- 背景
- 关键问题
- 可选方案
- 判断依据
- 最终决定
- 未选择方案的原因
- 后续观察指标
- 需要人工补充的信息
如果会议中只是同步进度，不要强行生成决策记录。
注意最后一句。
很重要。
别让 AI 硬编。
没有决策就说没有。
决策库怎么维护？别让它变成摆设
很多库刚建的时候热热闹闹。
三个月后没人打开。
半年后变成电子墓地。
想避免这种结局，要把维护动作嵌到流程里。
每次评审会后，补一条
产品评审、项目复盘、客户评审、投放复盘。
只要出现了明确取舍，就补进决策库。
不用追求长篇大论。
写清楚判断就行。
每月清理一次“需复评”
有些决策不是永远有效。
比如：
- 暂不进入某行业
- 暂停某渠道投放
- 暂不开发某功能
- 暂不招某岗位
这些判断会受市场、资源、战略影响。
所以要给它们打上 需复评 标签。
每月或每季度过一遍。
该延续就延续。
该推翻就推翻。
决策库不是祖训。
别把过去的判断供起来。
让 AI 在规划前先查决策库
每次做季度规划、版本规划、预算规划前，先问 AI：
请检索决策库，找出过去 12 个月内与本次规划相关的历史决策。
重点关注：曾经否决的方向、失败项目、需复评事项、客户和渠道判断。
请按“仍然有效 / 需要复评 / 已明显过期”分类输出。
这个动作非常值。
它能让会议少吵很多旧账。
也能帮团队少走很多回头路。
避坑清单：做决策库最容易翻车的 7 个地方
坑 1：只存结论，不存理由
只写“决定不做”，等于没写。
一定要写：为什么不做。
坑 2：把会议纪要原封不动丢进去
会议纪要太散。
AI 检索容易抓不到重点。
人看也累。
要抽成结构化决策记录。
坑 3：不记录反对意见
反对意见特别值钱。
很多时候，真正的风险都藏在反对意见里。
别只写支持理由。
坑 4：没有复评条件
“暂不做”不是“永远不做”。
要写清楚什么情况下重新评估。
比如：
- 客户需求达到多少
- 丢单金额达到多少
- 技术成本下降到什么程度
- 公司战略发生什么变化
坑 5：决策人和时间缺失
没有时间，AI 不知道这条判断新不新。
没有决策人，团队不知道该找谁追溯。
坑 6：把决策库做成甩锅库
决策库不是用来翻旧账的。
它是为了让团队少重复犯错。
如果大家觉得写进去会被追责，就没人敢写真话。
坑 7：权限完全开放
有些客户判断、组织调整、商业策略很敏感。
该分权限就分权限。
别为了“透明”把风险搞大。
可以直接开干的落地步骤
如果你今天就想做，不用等系统采购。
照这个节奏来。
第 1 天：建库和模板
建一个独立空间，名字就叫“决策库”。
放入统一模板。
规定每条记录必须包含：
- 决策标题
- 背景
- 判断依据
- 最终决定
- 不选其他方案的原因
- 后续观察指标
- 决策时间
- 决策人
第 1 周：补 10 条高价值历史决策
别贪多。
先找最痛的 10 条。
比如：
- 反复讨论过的功能
- 失败过的项目
- 花过冤枉钱的渠道
- 追过但不赚钱的客户
- 做过重大取舍的技术方案
这些内容补进去，价值立刻出来。
第 2 周：接入 AI 检索
如果你们有内部 Agent，就把决策库作为单独数据源接入。
没有也没关系。
先用文档搜索 + AI 总结，也能跑起来。
重点是让大家养成一个习惯：
做新判断前，先查旧判断。
第 3 周：把它嵌进会议流程
每次会议结束，主持人多问一句：
“今天有没有内容需要进决策库？”
有，就现场指定负责人补。
别拖。
拖两天，细节就开始糊了。
拖两周，只剩一句“当时大家讨论过”。
一个判断标准：你的 AI 像不像老员工？
判断企业 AI 做得好不好，不是看它会不会背文档。
而是看它能不能说出这种话：
“这个方向去年评估过，当时没继续做，原因是获客成本高、转化周期长、交付压力大。现在如果要重启，建议先验证新渠道成本是否下降。”
这就像老员工。
它知道历史。
它记得教训。
它能提醒你别冲动。
知识库让 AI 会办事。
决策库让 AI 会判断。
公司真正的护城河，不是存了多少文档。
而是那些被验证过、被记住、还能继续影响今天选择的判断。
