我不知道你是在做项目复盘还是在整理个人经验但“回来补记录”这个动作几乎每个人都干过。写周报的时候翻聊天记录找上周到底改了什么项目结束开复盘会大家对着结论倒推过程说得头头是道甚至你自己回头翻一个月前的日志发现当初纠结半天的决策其实早就有苗头只是当时没注意。这就是“事后聪明”英文叫 hindsight。这个词本身带着一点贬义常被说成“马后炮”。但反过来想如果我们能把“事后聪明”变成一种固定机制每次做完事都系统地回看一遍把那些当时没注意的信号、没想清楚的选择、没记录下来的理由全部沉淀下来那它就不再是马后炮而是实打实的决策资产。这个项目就叫 hindsight核心是用大模型搭一个“事后复盘助手”。它不替你做事也不接管你的工作流它只做一件事当你想复盘的时候把一个项目、一段经历、一批原始记录丢给它它帮你把时间线理清楚、把关键节点标出来、把决策和结果对照起来最后产出一份你自己都未必能写出来的复盘报告。下面我会把整个设计和实现过程拆开讲包括为什么用 Dify、复盘流程怎么建模、提示词怎么设计、实际跑起来会遇到哪些坑以及我调整过好几轮之后的一些真实体会。如果你是第一次接触这类工具可以直接照着做如果你已经在用 Dify重点看第 2 章和第 4 章那是踩过坑之后才整理出来的东西。1. 项目整体设计与思路拆解1.1 “hindsight”的核心定位不是AI助手而是复盘引擎我在动手之前先想清楚了一件事复盘这个场景到底缺的是什么市面上项目管理工具一堆Jira、飞书、Notion 都能记录任务和进度笔记工具也一堆随手记、闪念胶囊、flomo 都能留存碎片信息。但工具多了不代表复盘容易。恰恰相反信息越分散复盘越难。你要去聊天记录里翻上下文去任务列表里看状态变更去文档里找当时的方案去邮件里翻沟通结论——等把材料凑齐人已经累了复盘也就变成了走过场。所以 hindsight 的定位不是“又一个记录工具”而是“复盘引擎”。它接收的是你已经有的信息碎片输出的是结构化的复盘结论。你不需要改变任何日常习惯只需要定期把素材喂给它。这个思路参考了反思性实践reflective practice的理论框架。心理学家 Donald Schön 提过专业人士的成长靠的不是经验本身而是对经验的反思。但反思是要耗认知资源的人天生会偷懒。hindsight 要做的事情就是把这个“反思”环节外包给大模型让它在你不带情绪、不偷懒的情况下帮你把每个节点过一遍。1.2 为什么用 Dify而不是直接调 OpenAI API一开始我也纠结过这个问题。hindsight 的核心逻辑其实不复杂无非是把用户输入的素材整理成结构化文本再喂给大模型。直接用 Python 调 API 也能做几十行代码的事。但我做了个思维实验如果我希望这个工具不仅我自己能用团队里其他几个不太会写代码的人也能用而且能快速调整提示词、能可视化地看运行中间结果那直接写代码就不够看了。Dify 解决的是三个具体问题第一可视化编排。我用流程画布把“输入素材→清洗分段→时间线抽取→关键节点识别→生成复盘报告”这个链路拖出来每一步的输入输出都能看到。传统代码开发的调试成本在这里大幅下降。第二上下文管理。复盘最怕的是上下文丢失。一次复盘可能要处理几千字甚至上万字的原始素材而模型的上下文窗口有限。Dify 里内置了知识库和变量管理机制我可以把素材切片、缓存中间结果不会出现“聊着聊着模型忘了前面说了什么”的情况。第三应用发布和访问。Dify 做完的应用可以直接发布成对话表单页面不需要单独写前端。团队其他人只需要拿到链接就能用这个门槛几乎为零。当然如果你只是自己用、不需要可视化编排也不在乎团队协作直接用 API 写脚本完全没问题。我选择 Dify 的原因就是“低成本试错、高速度迭代”这跟我做项目的习惯是一致的。1.3 三个核心模块的划分整个 hindsight 拆成三个模块这也是任何一套复盘系统都绕不开的三步整理素材、识别节点、生成结论。整理素材模块把用户输入的原始内容聊天记录、周报、任务清单、随手记切分、去重、按时间排序。这个环节看似不起眼实际上决定了整个复盘的质量。素材没理干净后面所有分析都是空中楼阁。识别节点模块让模型从素材中找出关键事件、决策点、转折点、遗漏点。这相当于让模型带着“复盘视角”重读一遍你的记录它的任务是标注而不是总结。生成结论模块把识别出的节点组织成一份复盘报告包括事实回顾、问题发现、规律总结、下一步行动。这一步我们花了最多时间调提示词后面会具体讲。这三个模块不是顺序执行的简单流水线它们之间有信息回流。比如生成结论时发现素材里某个关键决策没有对应结果数据系统会反向提醒你补充材料。这个“反馈回路”是 hindsight 最让我满意的设计之一。2. 复盘应用的核心细节解析与实操要点2.1 复盘的Prompt工程怎么让模型写出“像人话”的复盘Prompt 是整个 hindsight 的灵魂。我在这个环节迭代的次数最多从最初的“请总结以上内容”进化到现在的结构化模板效果差别非常大。先说一个常见误区很多人觉得提示词写得越细越好于是塞了一大堆规则结果模型反而不知道该听哪条。我的经验是提示词要分两层第一层固定角色和输出目标第二层给输出框架。第一层让模型进入状态第二层约束输出的形状。两层之间必须用分隔符明确区分不然模型容易串。hindsight 的核心提示词我大致写成这样你现在是一名有十年经验的项目复盘顾问。你需要根据用户提供的素材产出结构化复盘报告。报告必须区分“事实”和“推断”事实部分严格引用素材内容不得添加素材中不存在的信息推断部分必须标注不确定度。输出格式时间线摘要按时间顺序列出主要事件每条控制在50字以内。关键决策点列出3到5个影响走向的决策每个包括决策内容、当时背景、备选方案如有。被忽略的信号找出素材中未被充分重视但可能重要的信息。结果对照将预期目标与实际结果对比指出差距及可能原因。复盘结论用3条以内的话概括本次复盘最重要的发现。下一步行动给出2到3条可执行的建议建议必须基于素材事实不得凭空生成。这个模板背后有几个设计意图区分事实和推断是防止模型一本正经胡说八道。复盘报告如果混入了幻觉比没有复盘更有害因为你可能会基于错误信息调整行动。让模型列出“被忽略的信号”这是从认知偏差的角度设计的。人有证实偏差会下意识记住那些印证自己判断的信息忘掉反例。模型没有这个心理包袱它反而能找出你没注意到的点。要求给出结果对照和行动建议是避免复盘沦为“流水账总结”。没有行动计划复盘就是空谈。2.2 素材输入的预处理这一步做不好后面全白搭素材输入是用户最不会认真对待、但影响最大的一步。Dify 应用的用户经常直接复制粘贴一大段聊天记录就点提交如果模型输出质量差他们第一反应是“提示词不行”实际上是输入素材太脏。我在预处理环节做了这几件事第一文本清脏。用户粘贴的内容通常带有时间戳、昵称、表情符号、重复行这些在复盘场景里绝大部分是噪声。我写了一个清洗节点把这些东西过滤掉。这里的经验是过滤规则宁可保守不要激进。比如“时间戳”看起来是噪声但复盘恰恰需要时间信息来串联事件顺序所以我会提取时间戳然后单独存到结构化字段里而不是直接删除。第二事件切分。把长文本按照“一次完整交流”“一个任务周期”等天然边界切成段落。如果素材本身没有分段就按字数切片每片保持大致500字以内宁可切碎了再合并也不要一块超过上下文窗口导致关键信息被截断。第三素材分类标签。让模型给每条切片打标签比如“任务进展”“决策讨论”“问题反馈”“闲聊”然后过滤掉占比过高的闲聊内容。这个设计是后来加的因为实际使用时我发现如果复盘的内容是一周的工作记录闲聊能占到三成以上不滤掉会严重稀释报告的信息密度。2.3 记忆和上下文管理不要让模型“失忆”复盘和普通对话不一样。普通对话只需要关注最近几轮复盘却需要模型“记住”整段素材的前因后果。我在 Dify 里专门设计了上下文管理策略核心思路是“分段处理、分步汇总”。具体做法是素材切片后先逐个切片做局部信息抽取把每片的关键事件、决策、风险点抽出来再将所有切片的抽取结果合并喂给模型做全局分析。这样中间结果始终控制在小规模模型每一步读到的内容都是高度浓缩过的有效信息。有人可能会问现在模型上下文窗口不是已经很大了吗直接全塞进去不就行了上下文窗口大不代表模型能有效利用所有信息。长文本里存在“lost in the middle”现象模型对开头和结尾的内容记忆更深中间部分容易被忽略。分段抽取再汇总的做法本质上是通过“外挂记忆”来规避这个模型短板。我在实际测试中发现分段处理还有一个额外的好处中间结果可以作为调试依据。当最终报告质量不佳时看一眼每段的抽取结果能快速定位问题到底出在素材本身还是模型理解偏了。3. 在 Dify 上从零搭建 hindsight 的实操过程3.1 第一步创建应用并配置模型Dify 的操作面板比较简单登录后选择“创建空白应用”应用类型我选的是“聊天助手”虽然 hindsight 的最终形态更像一个“一次输入、一次输出”的批处理工具但聊天助手的消息输入框对用户更友好而且后续想加追问能力也方便。模型配置方面我最初的考虑是对话模型选 GPT-4o 级别的深度分析确实需要强推理能力。但后来发现不是所有环节都需要最强模型于是做了分层素材清洗和切片用轻量模型速度快、成本低。事件抽取和初步标注用中等模型。最终复盘报告生成用最强模型。实际操作中我在 Dify 里建了三个不同模型配置的节点每个节点指定不同的模型。这样总成本大约能节省 40% 到 50%而质量几乎没有下降。如果你自己部署建议至少区分“清洗”和“报告生成”两档算力没必要所有环节都上最贵的大模型。3.2 第二步搭建工作流画布Dify 的工作流画布是可视化的我按照模块划分搭了四个节点每个节点之间用连线传递数据。这里说下流程细节免得你搭的时候踩坑。第一个节点是“输入处理”接收用户的原始素材和可选的补充信息比如项目目标、开始时间、结束时间。这个节点里我做了一个校验如果输入素材少于200字直接返回提示让用户补充材料。因为素材太少时复盘报告基本就是重复输入内容没有分析价值。第二个节点是“清洗与切片”。我在这个节点里跑了清洗规则并且把清洗后的文本按500字左右切块。Dify 节点里支持 Python 代码我在这写了一个简单的分段逻辑优先按照换行符分段如果一段超过500字才强制切割避免把讨论内容拦腰截断。第三个节点是“信息抽取与标注”。这一步让模型对每一块文本输出结构化数据包括时间、事件、涉及人员姓名我会脱敏处理、事件类型、情绪倾向。这里用到了一个技巧让模型输出 JSON然后 Dify 里用变量提取把 JSON 字段拆出来存成数组。这样后面生成报告时模型读到的不是原始文本而是已经结构化好的事件列表。第四个节点是“报告生成”。这个节点最关键的操作是组装 prompt。我会把前面三个节点的输出按照固定格式拼成一段“复盘素材包”再加上项目背景信息然后发给大模型。这里有个细节项目背景信息是单独放在系统提示词里的不会随着每次输入变化它是整个应用的“常驻背景”。3.3 第三步提示词模板与迭代调优提示词模板的迭代我建议从“能跑通”开始而不是从“完美”开始。第一版不必考虑太复杂让模型自由输出哪怕格式不稳定也没关系。跑几轮之后你会清晰地看到问题集中在哪格式乱、信息遗漏、还是内容假大空再针对性地改。我自己的迭代路径是这样的第一版只有角色设定和问题清单。输出结果能用但格式不统一有时候没有“被忽略的信号”这一节有时候结果对照写得很敷衍。第二版增加了严格的格式要求要求模型必须完全按照六个板块输出不允许缺项。结果格式稳定了但出现了一个新问题模型为了满足格式要求开始编造素材里不存在的信息比如“被忽略的信号”里硬凑三条。第三版对“被忽略的信号”增加了约束要求该部分必须引用原文出处如果找不到就直接写“未发现明显信号”。同时对全篇做了事实/推断分离的加强约束。三版之后报告质量已经比较稳定了。这个过程大概持续了两天中间跑了大约60次测试。我强烈建议你在沉默中完成这个过程因为调 prompt 是一个体力活但是后面每天用它会超级省心。3.4 第四步发布应用与日常使用方式Dify 应用配置好后发布非常快。聊天助手可以直接生成一个访问链接放在浏览器里用也可以嵌入到团队内部系统里。我在团队内部分享时用的是链接考虑到安全性我设置了输入限制非授权邮箱无法访问。日常使用时我一般采取“每周一复盘”的节奏周末把这一周散落在各个工具的素材汇总粘贴到 hindsight几分种后拿到一份复盘报告。然后用报告里的“下一步行动”作为下一周的开始这样每次复盘不是结束而是给下一轮行动埋线索。有一个使用习惯我强烈推荐每次复盘完把报告存回到自己的文档系统里并且用年月日加上项目代号命名。这样过三个月再翻你会看到一份“复盘的复盘”——你能看出哪些结论当时对了、哪些结论当时错了这种二次反思的价值比单次复盘还大。4. 常见问题与排查技巧实录4.1 典型问题速查输出质量、格式与成本问题我在使用和分享中总结了一张问题速查表这里列几个高频项问题现象可能原因排查方向报告内容与素材不符出现编造信息模型推理时上下文过长关键信息被忽略或模型被迫“补全”拆分输入长度、检查切片逻辑、加强事实约束输出格式不稳定有时缺板块提示词约束不足或模型版本差异在提示词中增加格式示例用 JSON 强制输出后转 Markdown处理时间太长超过1分钟模型推理链路过长或输入素材过大分阶段处理、先用轻量模型做预清洗、对输入上限做约束成本超预期每个节点都用高性能模型按环节区分模型等级报告生成这步再用强模型报告像在“复述素材”提示词缺少分析指令模型默认做摘要在提示词中强调“分析和推理”并要求输出结论性内容4.2 复盘质量变差时从哪几个方向排查如果你用了一段时间后感觉报告质量在下降一般不是模型变笨了而是输入素材的结构变了。排查顺序我建议是先看素材再看预期最后看提示词。看素材是指检查这次输入的素材是不是比以往更碎片化、更多闲聊、更多无关内容。大模型对低密度文本的分析能力有限如果素材本身信息量低你给它再好的提示词也白搭。解决方法是先让模型做一轮“素材摘要”把有效信息提炼出来后再喂给复盘模型。看预期是指检查你在输入时设定目标是否清晰。我做过一个实验同样的素材一个用户写“目标是提升项目交付质量”另一个用户什么都不填输出的报告质量差很多。目标不明确时模型只能做通用分析所有结论都会变得平庸。所以我把目标字段设成了必填项而且要求目标必须是可衡量的比如“两周内把客户投诉率从5%降到3%”不能只是“提升满意度”。看提示词是指检查你的提示词是否被输入内容污染。Dify 新手容易踩这个坑用户输入内容可能会覆盖掉系统提示词的某些指令改变模型行为。建议把不可变的系统指令放在“系统提示词”区把用户输入直接绑到“用户提示词”区的变量里两边物理隔离避免互相干扰。4.3 几个亲测有效的使用技巧最后分享几个我实际用下来觉得价值最高的技巧。第一个是“两遍复盘法”。第一遍先不做任何干预直接跑出来报告第二遍把第一份报告作为新的输入要求模型进行批判性审查专门挑出报告里逻辑不成立的地方。这个做法的效果非常惊艳因为大模型“自我批判”时往往比“一次生成”时更严格。代价是算力翻倍但复盘这种低频率操作完全值得。第二个是“给模型一个反向角色”。我在团队内部使用时发现如果让模型扮演“一个经验丰富但有点刻薄的项目总监”输出的复盘意见会尖锐很多经常能指出实际执行中的漏洞。这不是玄学而是角色设定改变了模型的风险偏好——关注负面信号时模型会更多地挖掘风险点。当然如果你团队氛围比较敏感可以调整为温和角色。第三个是“积累复盘模板库”。你会发现不同类型的项目复盘的侧重点完全不一样。项目类复盘侧重时间线、里程碑、风险控制决策类复盘侧重备选方案、决策依据、结果对照个人成长类复盘侧重行为模式、情绪反应、习惯变化。hindsight 的提示词模板不应该是一成不变的我后来维护了一个脚本按项目类型自动切换不同的复盘提示词。这个做法让复盘质量和用户满意度都上了一个台阶。写在最后的话做 hindsight 这个项目最大的感受是复盘本身的价值不需要被证明但复盘的工具需要被精心设计。好的复盘工具不会替代你的思考它只是帮你把注意力放在真正值得看的地方。我在这套系统上投入的时间每一分钟都在后续的项目决策里找回了回报。如果你也想搭一套建议不要一开始就追求完美先用最简版本跑起来然后在一次一次真实的复盘中让它长成你要的样子。