什么是高质量的AI复盘分析

不管是对于个人还是组织，复盘都是一个十分有效的系统调优行动。

一个标准的复盘通常遵循四个基本步骤：原定目标是什么？实际发生了什么？差异原因是什么？下次如何改进？

这是高效复盘的基本原则。可以看出，这个原则要求复盘的前提得有一个目标，复盘相当于一个“目标对齐”的回顾过程。

但从现实来看，不管是组织还是个人，很多目标在一开始是不清晰的，甚至是隐式的。虽然目标模糊，但我们依然可以凭直觉识别出什么是好、什么是坏，哪里混乱、哪里出了问题。因此，在现实中，复盘衍生出了许多变体，例如复盘好的行为，坏的行为，改进点。

这种复盘依然极具价值，因为它能在复盘的过程中逐渐将原始目标变得清晰和显性化。

对于我个人而言，我几乎每天都会进行复盘。久而久之，总结出了一套极简的复盘思路，主要包含三块内容：Did / Bad / Thinking。

Did：我今天做了什么（单纯的事实记录）。
Bad：我觉得做得不够好的地方（识别坏习惯）。
Thinking：我脑子里出现的任何念头（即使是没成形的思考）。

这种个人复盘本质上是跳出自我，像旁观者一样监控自己的认知过程。这就像给认知照镜子，久而久之，你自然会不断进行自我确认，从而让自己的喜好、价值观、目标以及优缺点变得越来越清晰。

AI 时代的复盘与困境

有了 AI 之后，我每天做的事情就是将复盘内容复制给 AI 进行分析。我最常用的是 ChatGPT。我发现即使不需要补充任何前置提示词，AI 也可以接住我的情绪，对我的复盘内容进行本质分析，给出可行性意见。

为了固化这个流程，我创建了一个 GPT叫做“反思助手”，提示词很简单：

“我会给出一段反思内容，请你扮演我的人生导师，先分析问题的本质，然后针对我的实际情况，给出建议。”

一般大模型产品都有记忆功能，如果长期使用一个 AI，它会保存你的记忆，提供更加个性化的高质量分析反馈。

但当我想把这套方法论分享给更多人时，我发现很多人其实不用 ChatGPT，而是喜欢用其他大模型产品，比如DeepSeek，豆包。由于不同模型内置的 System Prompt 不同，导致得到的 AI 分析复盘质量参差不齐。

比如下面这张图是用 Gemini Flash 2.5 模型调用 API，并加上“反思助手”提示词后生成的结果：
alt text

可以发现这个 AI 分析的问题在于，虽然看起来非常“深层次”，会从心理学角度讲本质（比如大脑的认知疲劳、自我调节机制不足等），但实际上非常缺乏个性化。

如果你是第一次读，可能会觉得它在通过严肃的心理学知识剖析短视频上瘾的机制，你有了得到了知识的快感；但读第二次时，你就会发现这种分析没有任何行动指向。

这些方案虽然涉及本质，但只是非常通用的解决方案。对于我自己来讲，我当然知道刷短视频太多会影响休息，这是一个坏习惯，但我还是改不掉，为什么呢？我希望高质量的AI分析可以跨越通用建议，给出解决个体深层次的本质分析和行动建议。

所以，真正高质量的 AI 复盘分析，必须具备以下特点：

痛点挖掘：给出一个可以瞬间改变你认知的、对你认知有影响、有碰撞的点。
行动导向：给出的建议必须是你当下就可以去执行的。

这两个特点只是我一开始非常浅的想法，我还需要进一步分析，给出一个相对严谨的答案，这就是这篇文章想要讨论的事情：如何定义高质量的 AI 复盘分析？

如果有了这个定义，那么使用任何一个大模型，都可以得到相对高质量的复盘分析回复，整套方法论就可以迁移。

思考问题，得到一个答案的方法有两种：

推理：给出几种可能的假设。这些假设可以依靠你的经验或者已有知识来推断，或者基于观察、模式识别和总结能力来进行推断，得到一个准确答案的过程如下：用假设进行实验验证；如果验证结果不对，再去寻找问题并分析原因；根据分析结果进行调整。通过这种不断循环的方式，最终得到一个相对准确的答案。
问一下 AI：有了 AI 工具之后，很多情况下问题不需要我们自己想，直接去问 AI 即可。AI 相当于是一个万事通，它可以回答你任何问题，至于答案的质量则是需要你来评估的。

所以通过这两种方法，我最终得出的一个“什么是高质量 AI 复盘分析”的定义是这样的。

情绪接住 (Emotional Validation)：让用户感到“被理解”而非“被审视”。（态度层）
模式识别 (Micro-Pattern Recognition)：识别出关键词和重复行为。（事实层）
概率性归因 (Probabilistic Attribution)：基于特定领域的“第一性原理”或“最佳实践模型”。（深度层）
微干预建议 (Intervention)：低阻力（容易做） + 高精准度（针对归因）。不是“宏大的长期建议”，而是“当下就能做的最小动作”或“环境调整策略”。（行动层）

结合我自己的每日复盘模板：Done、Bad、Thinking。其中 Thinking 又可以进一步拆分为四个层级：客观事实、情绪感受、洞察领悟、具体行动。在上述通用定义的基础上，我意识到还需要一层微观质量控制：
不同类型的复盘内容，对“高质量分析”的要求是不同的。

因此，每一个模块、每一个层级，都应该有各自独立的高质量判定标准，因此，就得到了一套微观质量定义矩阵。

alt text