每次都要重新解释
你的背景、项目、偏好、表达风格和判断标准，AI 总是记不住。
Judgment Compiling · 判断编译
让 AI 不再每次都从零认识你。
AgentMind.me 是一套把你的判断和上下文，整理成 AI 能长期理解、调用和校准的方法。
不是多写几个 Prompt——提示词给 AI 的是你的话，这套方法给 AI 的是你的判断。
你的资料项目状态判断标准工作方式
AgentMind.me
判断编译个人上下文系统把判断变成 AI 能持续理解和调用的结构ResearchWritePlanReview / Build
The Problem
AI 很聪明，
但它没有你的长期上下文。
它不知道你是谁、正在推进什么、如何判断好坏，也不知道项目走到哪一步。所以它每次都只能基于这一轮输入回答——你解释得再多，值钱的部分它还是拿不到，因为你最值钱的判断，你自己都说不出来。这件事在信里说透了 →
资料很多，但 AI 用不上
文章、笔记、聊天记录、项目文档散在各处，没有变成 AI 可以调用的上下文。
AI 什么都同意
你说什么它都觉得有道理。没有你的判断标准，它不会替你说“不”，也就不敢真的替你做事。
What It Is
AgentMind.me 是你的
个人判断与上下文系统。
五个模块，一个核心：判断标准是灵魂，其余四个都是它的容器。
判断标准
你如何判断好坏、取舍、风格和质量——写成“当什么情况，选什么，因为什么”，AI 才能调用。
知识
你长期积累的文章、笔记、资料和经验。
项目
你正在推进的事情、背景、状态和下一步。
目标
你真正想完成什么，以及阶段性优先级。
工作方式
你习惯如何研究、写作、计划、复盘和交付。
AI 缺的从来不是信息，是你的判断。
How Compiling Works
一条“说不清的感觉”，
怎么变成 AI 可以使用的判断。
判断编译不让你凭空总结一套漂亮的方法论。它从真实做过的决定开始，找到当时没有说出口的标准，再放进真实任务里验证。
以下为方法示意，不是真实客户案例。
INPUT
回到真实决定
不问“你重视什么”，先找一个你真的接过、拒绝过、坚持过或推翻过的决定。
“这个客户三次改变目标，最后我没有接。”
EXTRACT
追问选择依据
追问是哪一个信号改变了决定、排除了什么选项，以及这种标准从哪次经验里长出来。
转折点：对方始终无法定义“什么算交付完成”。
ATOM
写成判断原子
把模糊的感觉压缩成 AI 能调用、本人能纠正的三要素：当什么情况，选什么，因为什么。
当目标反复变化且没有验收标准时，先澄清，不进入正式交付。
AXIOM
提炼非谈判项
对照更多真实决定，寻找反复出现的标准和例外。能够真正否掉选项的，才进入公理层。
非谈判项：没有验收标准，不承诺完整交付。
COMPILE
编译并持续校准
让 Agent 在真实任务中识别边界、主动追问或拒绝；结果回来后，再把纠正和例外写回去。
v0.1 → v0.2：补充适用边界、反例与新的行为证据。
Research Lineage · 方法依据
判断编译是一套新模型，
但它面对的不是一个新问题。
专家如何形成判断、隐性经验如何被提取、个人知识如何成为组织资产、判断如何接受现实检验——这些问题已经被研究了几十年。
01创业者判断
Saras D. Sarasvathy
UVA Darden 创业学教授 · Effectuation 创立者
“在我们能够控制未来的范围内，就不需要预测未来。”
“To the extent that we can control the future, we do not need to predict it.”
出处：What Makes Entrepreneurs Entrepreneurial ↗02专家经验
Gary Klein
认知心理学家 · 自然情境决策研究先驱
“直觉，是我们把经验转化为行动的方式。”
“Intuition is the way we translate our experience into action.”
出处：The Power of Intuition ↗03知识外化
Hirotaka Takeuchi
哈佛商学院教授 · 组织知识创造研究者
“人拥有默会知识，而更高阶的默会知识就是智慧。”
“Humans have tacit knowledge and the higher order of tacit knowledge, which is wisdom.”
出处：Harvard Business School Working Knowledge ↗04判断校准
Philip E. Tetlock
沃顿商学院与宾夕法尼亚大学教授 · 判断与预测研究者
“信念是等待检验的假设，不是需要守护的珍宝。”
“Beliefs are hypotheses to be tested, not treasures to be guarded.”
出处：Superforecasting / Good Judgment ↗研究已经支持：人的判断存在于真实实践中，可以通过具体事件被提取、外化，并通过反馈持续校准。
AgentMind 提出的组合：用“当／选／因为”表达判断，再把它编译成 AI 可以调用、拒绝和修正的工作能力。
How Compiling Works
判断是怎么被编译的。
提取
采访 + 观察你的真实工作。只认具体事例，不认自我描述：人做出来的比说出来的可靠。
原子
每条判断写成三要素：当什么情况 · 选什么 · 因为什么。缺一不可。
公理
反复出现的判断提炼成你的非谈判项。检验标准：它敢毙掉什么？
编译
变成按你的方式工作的 Agent 能力：研究、写作、审稿、决策。
校准
编码永远不会一次完成。你每纠正一次，它就更像你一点。
Workflows
这些判断会进入真实工作。
上下文整理好之后，研究、写作、计划、复盘和交付不再从空白开始。重点不是拥有更多 Agent，而是让每一种工作都带着同一套判断标准。
Research Agent
研究
根据你的问题边界、资料来源和判断标准，整理可行动的研究结果。Write Agent
写作
沿着你的表达风格、主题脉络和受众，帮助你把想法讲清楚。Plan Agent
计划
理解你的目标、项目状态和限制，把下一步拆得更具体。Review Agent
复盘
记录过程、发现模式，把一次工作变成以后能复用的方法。Build Agent
交付
按照你的流程、材料和标准，协助把想法推进成真实产出。How It Works
从最小的一步开始。
- 提取你的判断从你最近做过的三个真实决定开始，把背后的标准写下来。
- 喂给它你的材料笔记、文章、项目文档，变成可调用的上下文。
- 在真实任务里校准让 AI 干一件真活，你纠正它，把纠正写回去。
这套方法我正在公开实验 → 实录
Content Map
三条入口，各司其职。
Build Reviews
案例会写成搭建复盘，而不是成功学广告。
第一批案例会从真实搭建复盘开始：展示一个人如何把自己的知识、项目和判断标准整理成 AI 能使用的上下文系统。每个案例都记录背景、问题、材料、设计、结果和下一步还要补什么上下文。去看实录 →
Build Together
如果你也不想让 AI
每次都从零认识你。
这个实验刚刚开始。如果这些想法戳中了你——你在自己或团队身上也看到了“判断锁在脑子里”的问题，写信告诉我你的场景。我会挑一些做成公开复盘。