核心用法
decision-log 是一款专注于重要决策记录与自动复盘追踪的 AI 技能。用户通过自然语言触发词（如 "record decision"、"made this decision"）即可激活记录流程，系统将自动解析决策标题、理由、备选方案及预期结果，并以标准化 Markdown 格式保存至 memory/decisions/YYYY-MM-DD-{slug}.md。
关键特性包括：
- 结构化记录：强制包含决策内容、核心 rationale、备选方案对比、正负向预期结果四大模块
- 30天自动复盘：通过 cron 集成，到期自动比对预期与实际结果、提取经验教训、生成同类决策洞察
- 事件总线集成：记录时自动发布 JSON 事件文件，便于外部系统订阅处理
显著优点
1. 决策质量闭环：强制预留"预期结果"字段，30天后自动触发复盘，有效克服人类决策常见的事后合理化偏差
2. 组织知识沉淀：标准化格式便于检索与模式识别，个人/团队可建立可查询的决策数据库
3. 低摩擦使用：自然语言触发，无需记忆复杂命令，输出格式专业可直接归档
潜在局限
- 自动化依赖：30天复盘依赖外部 cron 系统，若执行环境不支持则核心功能失效
- 结果录入盲区："实际结果"模块需人工补充或外部数据源接入，纯自动化填充存在信息质量风险
- 适用范围边界：更适合中高风险、可明确预期结果的战略/战术决策，不适合高频微决策
适合人群
- 产品经理、创业者：需要追踪关键产品决策的假设验证
- 投资者、交易员：记录投资/交易逻辑并强制复盘
- 研究者、咨询顾问：建立可审计的决策档案
- 任何希望减少"当时为什么这么做"困惑的知识工作者
常规风险
- 数据持久化风险：文件系统存储需定期备份，单点故障可能导致决策历史丢失
- 隐私泄露：决策内容可能含敏感商业信息，需确保
memory/decisions/目录访问控制 - 过度自信强化：若复盘机制流于形式，结构化记录反而可能固化错误决策模式