在你学会把经验说出来之前，AI 什么也学不到

十月的一次项目策划会上，我们邀请了一位做了多年管理培训的老师来做顾问。他在听我们介绍完"经验蒸馏"的构想之后全程没有说太多话。直到会议快结束时，他说了一句让我们记到现在的话："你们想做经验蒸馏，但你们有没有想过——大多数人的经验，本人也说不出来。"

这句话像一个开关，照亮了我们之前隐隐约约感觉到但一直没想清楚的问题。我们突然意识到整个蒸馏过程的前提——"人能够把自己的经验讲清楚"——在大多数情况下是不成立的。不是因为没经验，恰恰相反，越是有经验的人，他的经验越难被语言化。

举个例子。一个经验丰富的销售知道"这个客户现在不能催"。但你要问他为什么，他可能只能说出两三个模糊的信号。他的大脑综合了对方说话的语调、回复的速度、前几次交流的微妙变化、行业周期、甚至对方的朋友圈动态——在几秒内得出了一个综合判断。这个过程太快、太综合、太依赖直觉，以至于他本人很难用语言完整还原。

这不是表达能力的问题。这是人类认知的天然特点：我们的大脑可以在无意识层面处理极其复杂的信息，但意识层面能接触到的往往只有最终的判断结果。如果我们要求每个人都能把自己的经验写成清晰的文字，那等于把绝大多数有经验的人排除在外。那这件事从根本上就失去了意义。

"让经验可见"是一门技术

这个认知促使我们重新设计了整个经验蒸馏流程。核心的变化在于：我们不再要求经验提供者"讲清楚"，而是用一套结构化对话来帮助他"看清楚"自己的判断。

第一层是场景锁定。不是问"你怎么处理客户投诉"，而是问"上一次让你印象最深的投诉是什么？当时是什么情况？"把抽象的经验锚定在具体的记忆上。第二层是差异放大。问"那次你为什么没有按常规处理？你觉得和普通情况最大的不同在哪里？"让隐含的判断差异浮出水面。第三层是反事实追问。问"如果当时你没有那么做，最坏的可能是什么？你当时最担心的那个后果后来有没有发生？"这些反事实推理往往能揭示出经验提供者自己都未必意识到的风险判断框架。第四层是优先还原。问"在那个场景里你觉得最先要判断的是什么？然后是什么？"把隐性的判断顺序变成可见的优先级结构。

这四层对话本质上是一种"让经验可见"的技术。它不需要经验提供者是一个好的写作者或讲演者，它需要的是有一个人能提出正确的问题引导他把那些沉在水面之下的东西一点一点捞上来。途真想做的，就是让这些沉默的经验重新变得可见、可传递、可继承。这不是一个技术挑战，而是一个人类知识传承的挑战。