经验萃取 Agent 的产品形态：前台一个对话框，后台一整套工作流
很多组织都在做经验萃取，但大部分工具做的其实只有一件事：把访谈录音变成一份摘要。摘要读起来很顺，可它没法被别人复用——因为素材本身就不够。经验萃取 Agent 不是一个总结访谈记录的 AI 工具，而是一个陪伴萃取师走完全过程的垂直领域工作流 Agent：用户看到的只是一个对话窗口，真正的产品价值在后台的状态机和质量闸门。
产品设计手记 · 垂直领域工作流 Agent
很多组织都在做经验萃取，但大部分工具做的其实只有一件事：把访谈录音变成一份摘要。摘要读起来很顺，可它没法被别人复用——因为素材本身就不够。
一句话说清
经验萃取 Agent 不是一个总结访谈记录的 AI 工具，而是一个陪伴经验萃取师走完「访前准备—深度访谈—质量审核—迭代追问—经验加工—知识资产输出」全过程的垂直领域工作流 Agent。用户看到的只是一个 Chatbot 对话窗口，真正的产品价值在后台的状态机和质量闸门。
它最终呈现给用户的，不应该是一个复杂的软件后台，而应该是一个非常简单的 Chatbot 对话界面——使用体验类似 ChatGPT、Gemini：登录网页以后，看到的是一个干净的一对一对话窗口。但这个 Chatbot 背后运行的并不是普通的问答逻辑，而是一套完整的组织经验萃取工作流。
一、从一句话开始经验萃取
当组织经验萃取师开始一个新的萃取项目时，Agent 首先主动发起对话：
- 今天你想萃取什么经验？
- 你准备萃取谁的经验？他目前是什么岗位或角色？
- 属于什么行业？
- 你最希望从他身上挖出哪方面的经验？
- 这些经验最终准备应用在哪里？
用户不需要填写复杂的项目表单，而是像和一个经验萃取顾问聊天一样，通过几轮自然语言对话完成项目初始化。
Agent 在后台逐渐建立这个项目的基本画像：
萃取对象 + 行业背景 + 岗位角色 + 目标经验 + 典型场景 + 萃取目的 + 预期成果
当信息基本充分以后，Agent 判断：「我已经基本了解这次经验萃取任务，可以开始为你准备第一轮访谈。」
二、Agent 生成第一轮访谈清单
根据前面的对话信息，Agent 自动生成一份针对本次萃取任务的访谈问题清单。用户可以直接在网页中查看、继续与 Agent 讨论和修改、导出 Word 或 PDF，然后拿着问题清单开展线下访谈。
这里 Agent 扮演的是经验萃取师的访谈策划助手。
三、经验萃取师负责真人访谈
组织经验萃取师拿着访谈清单，与经验拥有者进行面对面的深度访谈。访谈可以直接使用手机录音。
录音 → 语音转写 → 访谈逐字稿
然后回到经验萃取 Agent，把访谈逐字稿提交给系统。
四、Agent 不是马上「总结」，而是先做质量评估
这是整个产品非常重要的一点。普通 AI 工具拿到访谈文本以后，第一反应通常是——总结。
经验萃取 Agent 不能这么做。它首先必须回答一个问题：
「这些材料，够不够？」
Agent 对访谈材料进行结构化分析和评分，包括：
- 关键场景有没有讲清楚？事件背景是否充分？
- 当时面对什么问题？做了哪些关键判断？
- 为什么这样判断？采取了什么行动？哪些行动真正影响了结果？
- 遇到了哪些异常情况？如何调整？最终结果是什么？
- 哪些做法可以复制？在什么条件下不能复制？
- 是否存在仍然没有说出来的隐性经验？
最终形成一个经验素材质量评估结果。
五、设置「质量闸门」
系统根据评估结果决定下一步，而不是让用户自己判断。整个工作流在这里出现一个关键的 Quality Gate（质量闸门）。
如果经验素材没有达到设定标准，不允许进入正式经验萃取阶段。Agent 明确告诉萃取师：「目前的访谈素材还不足以形成高质量经验成果。」然后指出：
已经获得了什么 → 还缺什么 → 为什么缺 → 下一轮重点追问什么
随后自动生成《第二轮深度追问清单》。经验萃取师拿着新的清单再次采访，采访回来以后，再把新的访谈材料交给 Agent，Agent 把第一轮、第二轮材料合并分析，再次评分。
如果仍然不合格：继续退回 → 生成第三轮问题 → 再采访 → 再审核，直到通过质量闸门。
六、合格以后，才进入真正的「经验萃取」
当 Agent 判断经验素材已经达到萃取标准，工作流才从「经验获取阶段」进入第二阶段：经验加工与萃取。
这时候 AI 开始对已经验证过的高质量访谈素材进行深度加工。不是简单地把访谈内容压缩成一篇摘要，而是从大量故事、事件和描述中识别真正可以被复用的经验知识：
- 事实（Facts） 发生过什么？当时是什么业务环境？面对什么任务、问题和约束？
- 关键事件（Critical Incidents） 哪些事件真正体现了专家的经验差异？
- 行动（Actions） 专家具体做了什么？
- 判断（Reasoning） 为什么这样做？当时依据什么信号作出判断？
- 规则（Rules） 如果把专家的判断进一步抽象，可以形成哪些可重复使用的经验规则？
- 知识点（Knowledge） 最终有哪些经验可以脱离原来的故事，被其他人学习、调用和复用？
最终形成一条完整的加工链路：
访谈素材 → 事实 → 关键事件 → 行动 → Reasoning → 判断规则 → 知识点 → 可复用经验资产
七、这实际上是一个「对话驱动的经验萃取工作流」
用户从头到尾看到的，始终只是一个 Chatbot。但后台实际上存在一个明确的状态机：
八、用户感受到的是 Chatbot，真正的产品价值是 Agent
所以这个产品不能被定义成「一个帮你总结访谈记录的 AI 工具」。更准确的定义是：
一个陪伴组织经验萃取师完成「访前准备—深度访谈—质量审核—迭代追问—经验加工—知识资产输出」全过程的智能经验萃取 Agent。
前台交互尽可能简单：一个窗口、一段对话、一个任务持续往前推进。真正复杂的东西全部放在后台：
项目状态管理 · 访谈策略 · 素材质量评估 · Quality Gate · 追问生成 · 多轮材料累积 · Reasoning 提取 · 知识结构化 · 成果导出
因此，它表面上像 ChatGPT，但它不是一个「什么都能聊」的通用 Chatbot。它是一个具有明确任务目标、流程状态和质量控制机制的垂直领域工作流 Agent（Vertical Workflow Agent）。
一句话总结
好的经验萃取产品，不是让 AI 更快地写出摘要，而是先替你把关：素材不够，就不许开始萃取。
如果你也在做组织经验萃取，欢迎聊聊你的卡点。
这套产品设计背后的方法论是 FIRE：F 职能与任务、I 关键事件、R 判断逻辑、E 经验本质。文中的质量闸门，本质上就是在检查 R 层的素材够不够。FIRE 经验萃取与课程开发实战营 → 读一个完整的萃取故事 →
交流与咨询：盖尔 13901614328（加微信请备注说明来意）
常见问题
经验萃取 Agent 和普通 AI 总结工具有什么区别？
普通 AI 工具拿到访谈文本后第一反应是总结，产出一份读起来很顺但没法被别人复用的摘要。经验萃取 Agent 会先回答另一个问题：这些材料够不够？它对素材做结构化评分，不达标就不允许进入萃取阶段，而是生成追问清单要求补充访谈。区别不在于总结得快不快，而在于有没有质量把关这一步。
什么是经验萃取中的「质量闸门」（Quality Gate）？
质量闸门是工作流中的一个强制判定环节：系统根据素材评估结果决定能否进入正式萃取，而不是让用户自己判断。不合格时，Agent 会指出已经获得了什么、还缺什么、为什么缺、下一轮重点追问什么，并自动生成下一轮深度追问清单。多轮材料合并后重新评分，直到通过为止。
为什么访谈素材要先评估、再萃取？
因为萃取质量的上限由素材质量决定。如果关键场景没讲清楚、判断依据没问出来、失效条件没覆盖，再强的模型也只能生成一份漂亮但无法复用的摘要。素材不够时正确的做法是回去补访谈，而不是让 AI 用有限信息硬写。
经验加工的完整链路是什么？
访谈素材 → 事实（Facts）→ 关键事件（Critical Incidents）→ 行动（Actions）→ 判断（Reasoning）→ 规则（Rules）→ 知识点（Knowledge）→ 可复用经验资产。核心是从大量故事和描述中，识别出能脱离原始故事、被其他人学习和调用的知识。
什么是垂直领域工作流 Agent（Vertical Workflow Agent）？
指有明确任务目标、流程状态和质量控制机制的 Agent，区别于「什么都能聊」的通用 Chatbot。它的前台交互可以非常简单——一个对话窗口，但后台运行着项目状态管理、策略生成、质量评估、闸门判定、多轮材料累积与成果导出。用户感受到的是 Chatbot，真正的产品价值在 Agent。
