← 交付方法总览
方法论可泛化原则
决策与证据体系（Decision & Evidence System）
真相质量学习
让每个关键决定都能被追溯：当时依据什么证据、做了什么判断、前提是什么。它解决的是长期项目里最贵的一类问题——没人记得为什么当初这么定，于是要么不敢动，要么盲目推翻。
什么时候需要它
- 面对一个看起来奇怪的既有设计，不确定能不能改
- 同一个问题被反复讨论，每次都从零开始
核心内容
它决定什么
公开的是判断与判据。客户口径、私有阈值和内部示例不在其中。
决定要连着证据存
只记结论不记依据，等于把这个决定变成不可复核的黑箱。证据可以是 Probe 结果、访谈确认、实测数据或明确的业务裁定。
前提要写清楚
大多数决定都成立于某些前提之下。写下前提，才能在前提变化时知道该重新评估哪些决定。
历史决策不是当前最佳实践
一个当时正确的决定，在数据源、模型能力或业务口径变化之后可能已经不成立。默认沿用而不复核前提，是长期项目退化的主要途径。
分歧要有升级路径
证据不足以裁定时，要明确谁来拍板、以什么为准，并把这个人工决策同样记录下来。悬而未决比决定错了更贵。
证据来源要可回溯
访谈说法、系统实测、文档记载三者可信度不同。标注来源类型，才能在冲突时按可信度排序。
怎么判断它真的到位
- 任取一个关键设计，能在十分钟内找到它的依据与前提
- 有至少一条决定因为前提变化而被主动复核
- 未决分歧有明确的责任人和裁定方式
常见误区
- 只在聊天记录里做决定，三个月后无人能复原当时的依据
- 把过去的决定当成不可动摇的约束，不复核前提
- 把访谈里的说法直接记作已验证事实
这套方法怎么落到你的项目
这是我们交付生产级 AI Agent 的公开、脱敏方法骨架。真正落地时，从 AI Agent 生产就绪审查与路线图 入手，或先用 生产上线前深检 定位薄弱环节。