STEP 0
锁定判断
别想封装"专家的一切"。选一个高频 × 高价值 × 他能稳定做对的判断。
原则：先挑结构化够强的判断（智能密度高的先做）。
STEP 1 ★ 最难最值钱
萃取 · 让隐性变显性
专家知道的远多于他能说出来的。别问"标准是什么"，要逼。用这四种手法，记录你逼出来的真规则。
案例对比法
给成对案例（好/坏），让他选 + 说为什么。人在比较时才暴露真实标准。
出声思考
让他边做边说、录下来。抓实际决策路径，不是事后总结。
追问到底
每个判断追问"为什么"，直到触底（价值观/第一性）。
边界案例
问"什么情况下你会改判断"。边界最暴露规则。
STEP 2 ★ 核心产出
结构化 · 直觉变判断框架
把零散规则组织成：判断由哪几个维度构成、每维度的标准、维度间的权重。（你的九宫格、价值评估表，本身就是这一步的产物。）
维度判断标准（好坏看什么）权重
STEP 3
上下文装填
喂系统专家"默会的那些"。决定精度的常常不是规则，是上下文的丰富度——专家厉害在见得多。
STEP 4–6
封装 · 验证 · 进化
封装：把框架+上下文做成可调用形态（提示词/工作流/Agent），最简能复现即可。验证：盲测对齐——系统和专家同判新案例，不一致处补回第 1–3 步（验证即再萃取）。进化：每次使用都是新案例，越用越准。
产出 · 把方法变成机器
两个能直接用的 AI 提示词
① 萃取助手：丢给 LLM，它用四手法帮你/你的专家把隐性规则逼出来。
② 判断封装：把你建好的判断框架，变成一个能复现专家判断的系统。
认知工程七原则：萃取"做"不萃取"说" · 不问标准给案例 · 先搭结构再堆规则 · 上下文决定精度 · 验证即再萃取 · 封装最简即可 · 越用越准才是终点。