核心用法
Decide 是一个自适应决策记忆系统，通过观察-模式识别-确认-存储的闭环，让 AI 助手逐步学习用户的决策偏好。用户无需显式编程，系统从交互中自动捕获规律，在积累足够信心后主动提案确认，经用户明确授权后才写入记忆库。
关键机制：
- 被动观察：在日常对话中自然捕获决策信号
- 分级置信：通过
confidence.md管理确认/模式/锁定等信任层级 - 条件触发：仅当同一情境出现 2+ 次一致选择后才提案
- 上下文检索：任务启动时按需加载匹配类别，避免上下文膨胀
- 例外机制：通过
exceptions.md保留人工复核的逃生通道
存储格式高度结构化：context: preference (level) [notes]，支持快速检索与版本追踪。
---
显著优点
1. 零摩擦积累：无需 upfront 配置，从真实使用中自然生长
2. 渐进式授权：信任随一致性证明而提升，避免过度承诺
3. 可解释性：每项偏好附带来源层级（pattern/confirmed/locked），便于审计
4. 规模友好：原子化条目 + 按需加载，支持数百条偏好而不拖慢响应
5. 双向安全：既防止 AI 擅断（必须确认），也防止过度询问（自动应用已确认项）
---
局限性与风险
| 问题 | 说明 |
|------|------|
| 冷启动期 | 初期无记忆，需重复确认同一类决策 |
| 隐性偏好盲区 | 用户未明确表达的价值观可能被忽略或误捕 |
| 模式固化风险 | 早期偶然一致可能被误判为规律，需用户主动修正 `Never` 区 |
| 上下文漂移 | 同一词汇在不同情境含义可能变化，依赖用户及时更新 |
| 锁定后的僵化 | `locked` 级偏好若环境变化（如技术栈迁移），可能产生负向惯性 |
---
适合人群
- 高频重复决策者：产品经理、Tech Lead、设计师等需在多项目中保持决策一致性的角色
- 团队规范制定者：需将个人偏好沉淀为可迁移的协作规则
- AI 工作流优化者：希望减少与助手"讨价还价"时间，聚焦创造性工作
- 控制型用户：既想要自动化便利，又要求保留每个决策的否决权和审计轨迹
---
常规风险提醒
> ⚠️ 确认疲劳的反面：部分用户可能因"总是确认"而点击惯性同意，导致低质量偏好入库。建议定期审阅 Never 与 locked 区。
>
> ⚠️ 隐私边界：决策记忆可能暴露用户组织内部的技术选型、供应商偏好等敏感信息，在共享上下文场景需谨慎。
>
> ⚠️ 版本幻觉：AI 可能混淆相似历史情境，应用过时偏好。关键决策建议保留显式复核机制。