你的 AI 不会因为你告诉它什么就学会，只有这条经验挡住了下一次犯错，它才真正学会
10 月 19 日，我给封面定了一条规则并把它置顶：真实人脸，按好莱坞主视觉海报（key art）的方式处理，是一条独立的一等轨道——不是装饰。规则写下来了，大家都同意了，也归档了。一周后，我自己的流水线还在产出纯文字卡片，而没有任何人的检查清单拦下过哪怕一张。这条经验被记录得完美无缺，也完全没有被学到。
存储不等于学习。一条经验只有在被接进流水线、能够拦住下一次糟糕输出，并且在真实输出中验证过它确实拦住了，才算数。
暴露这个问题的截图一点都不含蓄。10 月 26 日，我面前的网格是一排米色文字卡片——方框里塞着口号，没有人脸，没有场景，没有故事。播放量在 13 到 42 之间。而置顶在它们上方、里面真有一个人的那条内容，播放量是 304。一周前置顶的那条规则，几乎一字不差地描述了这个网格没做到的事。系统里每个部分都能把这条规则背出来，却没有一个部分受它约束。
这是没人提醒过你的失败模式，因为它感觉像是成功。笔记写了，会开过了，总结也能搜到。采集至上主义——第二大脑（second brain）那套信念，认为只要存下来就等于知道了——把收据当成了饭。
对人组成的团队来说，这个错误的代价是重犯一两个错。对一支全天候执行任务的 AI 智能体（agent）队伍来说，它会被漂亮地规模化：每个智能体都忠实地无视同一条经验，以机器的速度，并且深信这条经验「已经在系统里了」。
一条经验有三个阶段，只有第三个阶段算数
所以我现在管「学习」的方式，和管「交付」一样：把它当成闭环问题，而不是采集问题。一条经验只有走完三个阶段才算学会。
第一，写在标准的地方——不是会被刷走的聊天串，也不是总结的总结。
第二，也是几乎所有人都跳过的一步：把它接进去。经验要变成一个模板字段、一条检查项，或者一道卡在执行路径上、真能拦住输出的关卡。一条封面规则要变成封面检查项，审核人必须逐条判定通过或不通过，之后任何内容才能发出去。
第三，要读回验证：有人在真实产出的产物中确认这条被接入的规则确实触发了，并留下证据。只写下来、没接进流程，是一厢情愿；接进去了、但从没读回验证，是空抱希望；只有走到第三步，才算真正学到了。
注意这个标准对“我们学到了”这句话意味着什么。按这个标准衡量，我的系统今年声称学到的东西，大部分其实都没学会——它们只是被归档、总结，然后就躺在那儿不动了。对自己做这种审计不太舒服，但这是唯一诚实的做法。检验标准从来不是“能不能找到那条笔记”，而是“给我看看那条笔记改变了结果的输出”。
把教训接在工作发生的地方，而不是笔记存放的地方
这带来两个实际后果。
教训必须活在生产环节，而不是放在某个档案库里等人去查。这周重新确立封面规则时，它没有被写回文档供人欣赏，而是转成了明确的通过/不通过检查项，交给本来就要经手每张封面的审核人员，并把第一批真实产出指定为读回验证的场所。另外，一条没有负责人、没有验证日期的教训，不管写得多漂亮，都算“尚未学会”——它留在待办清单上，每天自查时点名，直到证据把它关掉。
我得说清楚哪些已经证明、哪些还没有。失败是已经证明的：我有网格和计数。修复才做了几天。它第一批验证对象就是下一批封面。如果读回验证显示，原本会被这条规则拦下的封面现在都通过了检查项，那诚实的结论就是：这套接入只是装饰——教训重新回到“未学会”状态。这不是标准的缺陷，恰恰是标准在起作用。
给你的 AI 建一个记忆库，尽管去建。我的记忆库就很大。但别再为它“记住了”而沾沾自喜。问一个更难的问题：它的哪条教训能在流水线中途阻止它重犯错误——证明它确实阻止了的那个输出又在哪里？
—— Jiahui Miao，vertciti 创始人，正在为一个人打造个人 AI 操作系统。
10 月 19 日，我给封面定了一条规则：真实人脸要当成好莱坞主视觉（key art）来做，它是与正文平级的一等轨道，不是配图装饰。规则写下来了，大家也点头认可，然后归档。一周之后，我自己的流水线还在输出纯文字卡片，没有任何人的检查清单拦下过一张。这条经验被记录得完美无缺，却一点也没被真正学到。
存下来不等于学会。一条经验只有接进流水线，能在下一次坏输出出现时把它挡住，才算数——而且还要经过验证。