Knowledge capture：把一次性分析变成团队资产
Page card
- Part：Part 2 / 沉淀与复用
- 适用角色：开发、产品、设计、QA
- 使用场景：一次性分析值得复用，或团队重复踩同类问题
- 输出物：可检索、可复用的团队知识资产
Related jumps
Back to AI Workflow Sharing。相邻主题：Context building · Hypothesis loop · Agentic execution · Workflow design
Summary
重点：AI 不只帮我们完成当前任务，也应该帮团队减少下一次理解成本。
复杂 debug、PR 复盘和跨团队决策都应该沉淀成可检索、可复用的知识资产。
适用场景
- 复杂 debug
- PR 复盘
- 跨团队决策
- 重复踩坑的问题
- 项目规范演进
- 团队 onboarding
工作方式
- 让 AI 把过程整理成：背景、表面问题、真实原因、证据、解决方案、后续规则。
- 对长期有效的信息写入
文档 Docs/、CLAUDE.md、GOTCHAS.md等知识库。 - 区分临时任务记录、长期规则和架构决策，避免把一次性细节污染项目指南。
- 每次沉淀都要能被下一次检索复用。
- 私人复盘可以作为方法提炼输入，但不应被公开转贴。
复盘沉淀模板
Context:
Surface symptom:
Root cause:
Evidence:
Fix / decision:
Verification:
Reusable rule:
Where to store:
可分享案例
GOTCHAS.md记录 iframe standalone dev 的postMessage限制。- 知识库页面沉淀 AI workflow 框架。
- Debug 复盘沉淀为 checklist，而不是只留在聊天记录里。
- 用 OpenSpec 把个人/团队 AI workflow 推进到可 review 的 delivery contract。
- ADR via GitHub proposal 将长期技术架构决策沉淀为 Markdown + frontmatter + CI guardrails，让人和 AI agents 都能稳定检索。
可复用规则
一次性聊天不是团队资产；可检索文档才是。
- 沉淀内容要抽象成规则、checklist 或决策，而不是贴完整过程。
- 私人材料只吸收通用方法，不公开链接、原文或个人细节。
CLAUDE.md写长期规则，GOTCHAS.md写经验型 gotcha，ADR 写高门槛架构决策，知识库写讨论和分享草稿。
References
- Architecture Decision Record - Martin Fowler — 经典 ADR 说明，适合支撑“哪些长期决策应该沉淀为架构记录”。
- Architecture decision record (ADR) — ADR 社区资料，解释 AD、ADR、ADL 等概念，可作为团队知识沉淀参考。
- 8 Best Workflow Documentation Tools for AI Automation — 强调 AI-ready workflow documentation 需要结构化、可复用、可执行的步骤，适合连接 knowledge capture 和 AI automation。
- Scattered Knowledge & AI Agents: The Hidden Blocker — 讨论知识分散对 AI agent 的影响，适合作为“为什么需要 source of truth 和知识治理”的反例材料。
- ADR via GitHub — ADR proposal，适合说明哪些知识应沉淀成 GitHub/Markdown source of truth，而不是留在聊天、会议或讨论草稿里。