核心用法
Sage Decision Journal 是一套隐性运行的决策捕获与回顾系统，无需主动调用即可在对话中自动识别决策信号。系统区分显性决策（用户明确陈述"我决定..."）与隐性决策（从行为描述中推断），并以标准化五字段格式存储：决策内容(WHAT)、推理依据(WHY)、备选方案(ALTERNATIVES)、情境背景(CONTEXT)、置信程度(CONFIDENCE)。
决策按技术/人员/战略/沟通四大领域分类，采用亚马逊"双向门/单向门"框架评估可逆性，并识别四种决策模式：审慎型、反应型、委托型、默认型。系统设置三级回顾机制：每周快速扫描（3个问题）、月度结果验证（追踪30天前决策的实际 outcome）、季度风格漂移分析（观察决策速度与置信度的长期变化）。
显著优点
- 零摩擦捕获：依托 sage-cognitive 的会话监听能力，用户无需额外操作即可完成记录
- 结构化反事实学习：强制记录"未选择的选项"，为后续对比分析奠定基础
- 偏见命名克制：检测到认知偏差时仅提示一次，避免说教感破坏信任
- 与行为画像双向联动：既读取 sage-cognitive 中的决策风格画像，又将验证后的模式写回核心档案
- 反完美主义设计：明确排除微决策，聚焦"有真实选项和真实 stakes"的选择
潜在局限
- 依赖主技能：必须配合 sage-cognitive 运行，无法独立部署
- 隐性推断风险：对"隐性决策"的解读可能存在归因偏差，将无意识行为误判为策略选择
- 回顾执行依赖用户： follow-up 触发后需要用户主动响应，非响应虽被记录为数据，但无法强制闭环
- 模式浮现门槛：要求至少10条记录才启动分析，冷启动期较长
- 文化敏感性："单向门"等框架源自亚马逊管理语境，跨文化适配需本地化
适合人群
- 需要向 CTO/高管层级汇报的技术管理者（系统明确提及 Bob/CTO 场景）
- 频繁做权衡决策但缺乏复盘习惯的个体贡献者
- 希望识别自身"乐观偏见""沉没成本"等系统性偏见的自我提升者
- 已使用 sage-cognitive 建立行为画像的现有用户
常规风险
- 监控感 vs 被记住感的平衡：设计文档明确警告"不要暴露机械结构"，但自动化记录仍存在被感知为 surveillance 的风险
- 决策标签的僵化：过度分类可能导致用户为了"填满字段"而人为构造决策叙事
- 后见之明偏差的放大：月度回顾中"结果与推理对比"的设计，若执行不当可能强化"结果导向"而非"过程导向"的学习
- 数据滞留：决策记录与 sage-cognitive 的三层存储（core/archive/working）交互，存在敏感决策信息长期滞留的风险