case-retrospective

案件回顾与复盘技术

一个独立的、调查员觉知提升型的复盘框架。复盘的标的不是"案件是什么"，而是**"我们是怎么做的"**——聚焦调查员的能力、经验、逻辑、工作方法和 Agent 协作效能。

关键定位： 本技能不纳入案件生命周期门禁，不由阶段转换触发，仅在用户显式提出复盘要求时启动。

---

触发与前提

启动条件

复盘由用户显式提出，以下任一指令均可触发：

"复盘一下这个案件"
"做个 retrospective"
"对这个案子做一次回顾总结"
"看看我们在这个案子里做得怎么样"
"案件回顾"

前提检查

启动复盘前，AI 自动检查以下条件：

├── 案件状态
│   ├── 案件仍在进行中 → 提示："案件尚未完结，复盘建议在结案后进行。是否仍要继续？"
│   │   ├── 用户确认继续 → 以"中期回顾"模式运行
│   │   └── 用户取消 → 终止
│   └── 案件已完结或已收敛 → 继续
│
├── 必要数据源可用性
│   ├── meta.json → ✓ 读取阶段时间线
│   ├── evidence_registry.json → ✓ 读取证据链数据
│   ├── checklist.yaml → ✓ 读取门禁执行记录
│   ├── case_memory/INDEX.md（如存在）→ ✓ 读取过程记忆
│   └── final_report / intelligence_summary → ✓ 读取案情概要
│
└── 以上完成后 → 进入复盘流程

输出产物

产物	文件	说明
复盘报告	retrospective_report_YYYYMMDD.md	完整复盘
行动项	嵌入复盘报告尾部	可执行的改进计划
学习笔记（可选）	retrospective_learnings.md	可复用的经验摘要

---

复盘七维度框架

每个维度独立评分 + 定性分析，不设总分和加权平均——复盘不是打分比赛，是发现成长机会。

评分标尺

分数	等级	含义
5	Exemplary	超出预期，可作范例
4	Proficient	达到高标准，有系统的方法论支持
3	Competent	达到基本要求，可正常推进工作
2	Developing	有改进空间，部分环节出现偏差
1	Novice	需显著提升，存在方法论或执行上的缺失
N/A	不适用	该维度在当前案件中不适用（需说明理由）

---

维度 1：调查维度覆盖 (Dimension Coverage)

考察内容：调查方案是否从多维度审视案件，还是仅围绕单一角度展开。

评估要点：

• 是否分析了财务维度（资金流、账务异常）
• 是否分析了业务维度（合同流、业务逻辑异常）
• 是否分析了人员维度（人际关系、行为动机、利益冲突）
• 是否分析了系统/数据维度（系统日志、操作留痕、数据异常）
• 是否存在未覆盖但应当覆盖的维度
• 覆盖的深度是否与案件严重性成比例

参考数据源：

• meta.json → 调查范围定义
• 01_intelligence_summary.md → 初步分析的覆盖范围
• evidence_registry.json → 证据涉及维度分析

输出格式：

### 维度 1：调查维度覆盖 — 评分：[1-5 | N/A]

**覆盖矩阵**：

| 维度 | 是否覆盖 | 覆盖深度 | 盲区评估 |
|------|---------|---------|---------|
| 财务 | ✓/✗ | 深/中/浅 | — |
| 业务 | ✓/✗ | 深/中/浅 | — |
| 人员 | ✓/✗ | 深/中/浅 | — |
| 系统/数据 | ✓/✗ | 深/中/浅 | — |
| [其他] | ✓/✗ | 深/中/浅 | — |

**盲区分析**：[是否存在系统性遗漏？如存在，是资源限制还是判断失误？]

**改进建议**：[下次同类案件可如何优化覆盖？]

---

维度 2：假设推理质量 (Hypothesis & Reasoning)

考察内容：调查过程中假设的生成、检验和更新质量。

评估要点：

• 是否在 INIT 阶段生成了至少 2-3 个竞争假设
• 是否包含了反向假设（如"举报不真实"）
• 是否主动寻找证伪证据而非仅收集证实证据
• 假设更新是否及时——新证据出现后是否调整了置信度
• 推理链条中是否存在跳跃或断裂（证据→结论之间缺失环节）
• 是否存在确认偏误（Confirmation Bias）或其他认知偏差

参考数据源：

• 01_intelligence_summary.md → 假设列表
• evidence_registry.json → 验证路径
• case_memory/ — hesistate 类条目，推理过程中的犹豫点

输出格式：

### 维度 2：假设推理质量 — 评分：[1-5 | N/A]

**假设演化时间线**：

| 时间 | 假设 | 置信度变化 | 关键证据/事件 |
|------|------|-----------|-------------|
| INIT | H1: ... | 50% → ... | ... |
| ... | H2: ... | ... | ... |
| REVIEWING | 最终认定 | — | ... |

**推理强度评估**：
- 竞争假设数量：[_] 个（建议 ≥2）
- 是否包含反向假设：是/否
- 证伪尝试次数：[_] 次（是否主动寻求反证）
- 证据→结论的逻辑链条是否完整：是/否

**认知偏差检查**：[是否存在偏见信号？如过早锁定单一假设、忽视矛盾证据等]

**改进建议**：[下次如何提升推理质量？]

---

维度 3：证据策略有效性 (Evidence Strategy)

考察内容：证据收集的策略性、证据链的完整性和规范性。

评估要点：

• 证据链是否从线索指向结论、逻辑完整、无断裂
• 证据类型是否多样化（书证、电子证据、言词证据等）
• 是否有"单点依赖"风险——某个关键事实仅靠一条证据支撑
• 保管链（Chain of Custody）记录是否规范完整
• 证据的可采性（Admissibility）是否被充分考虑
• 是否存在"收集了过多无效证据"的信息过载

参考数据源：

• evidence_registry.json → 证据条目、保管链、类型分布
• rules/evidence-rules.md → 可采性标准
• rules/working-paper-standards.md → 底稿规范

输出格式：

### 维度 3：证据策略有效性 — 评分：[1-5 | N/A]

**证据链分析**：[从线索到结论的证据逻辑路径，标注关键节点和薄弱环节]

**证据类型分布**：
| 类型 | 数量 | 占比 | 关键性 |
|------|------|------|--------|
| 书证 | _ | _% | 高/中/低 |
| 电子证据 | _ | _% | 高/中/低 |
| 言词证据 | _ | _% | 高/中/低 |
| [其他] | _ | _% | 高/中/低 |

**单点依赖风险**：[是否存在某个事实仅靠单一证据支撑？]

**保管链规范率**：_%（合规条目/总条目）

**改进建议**：[下次证据策略可如何优化？]

---

维度 4：工作方法适配度 (Method & Approach)

考察内容：所选调查方法是否匹配案件场景，有无更优方法未用。

评估要点：

• 所选调查方法（数据分析、访谈、文档审查、外部查证等）是否对应当前场景
• 不同阶段使用了哪些方法，方法切换时机是否合理
• 是否存在"用锤子找钉子"的倾向（固守单一方法）
• 有没有适用于本场景但未使用的方法/工具
• 外部资源（MCP 工具、第三方查询渠道）的利用是否充分

参考数据源：

• meta.json → 调查方案定义的方法集
• 各阶段产出物 → 实际采用的方法
• investigation-techniques 技能 → 方法选型决策树

输出格式：

### 维度 4：工作方法适配度 — 评分：[1-5 | N/A]

**方法使用矩阵**：

| 阶段 | 规划方法 | 实际使用 | 适配度 | 备注 |
|------|---------|---------|-------|------|
| INIT | ... | ... | 高/中/低 | ... |
| PRE_INVESTIGATION | ... | ... | 高/中/低 | ... |
| FIELDWORK | ... | ... | 高/中/低 | ... |

**未使用但可选的方法**：[列出并说明是否值得采用]

**工具利用情况**：[MCP 或其他工具的利用效率评估]

**改进建议**：[下次的方法选型策略改进]

---

维度 5：工作流组织质量 (Workflow Execution)

考察内容：案件推进过程的规范性、门禁执行情况和资源分配效率。

评估要点：

• 阶段转换是否按框架执行（INIT → PRE_INVESTIGATION → FIELDWORK → REVIEWING）
• 门禁（checklist）是否真正把关，还是变成了形式化的勾选框
• 各个阶段的耗时是否合理——是否存在在某阶段过长或过短的情况
• 资源分配是否合理——时间和精力是否用在了最关键的地方
• 是否有"跳跃"现象——在不满足前置条件的情况下跳过了某个阶段
• 跨阶段的文件流转是否顺畅

参考数据源：

• checklist.yaml → 门禁执行记录
• meta.json → 阶段时间线、SLA
• 各阶段产出物 → 交付质量

输出格式：

### 维度 5：工作流组织质量 — 评分：[1-5 | N/A]

**阶段效率表**：

| 阶段 | 开始日 | 结束日 | 耗时 | 门禁通过率 | 门禁执行质量 |
|------|--------|--------|------|-----------|------------|
| INIT | — | — | _天 | _% | 认真/形式化/未执行 |
| PRE_INV | — | — | _天 | _% | 认真/形式化/未执行 |
| FIELDWORK | — | — | _天 | _% | 认真/形式化/未执行 |
| REVIEWING | — | — | _天 | _% | 认真/形式化/未执行 |

**异常分析**：
- 是否存在不合理的时间偏移：是/否（说明）
- 是否存在阶段跳跃：是/否（说明）
- 是否存在门禁形式化问题：是/否（说明）
- 是否存在回头/返工：是/否（说明）

**改进建议**：[下次流程管理如何优化？]

---

维度 6：AI/Agent 协作效能 (AI Collaboration)

考察内容：调查员与 AI 及子代理的互动质量。

评估要点：

• Agent 的调用是否在合适的时机、为合适的任务而调用
• 给 Agent 的指令（Prompt）是否清晰、结构化、含必要的上下文
• AI 产出的利用率——调查员是否验证并使用了 AI 的输出
• 是否存在把 AI 当作了替代思考的工具（而非辅助思考的工具）
• 交互中的修正和迭代是否有效
• 是否有显著的提示工程优化空间

参考数据源：

• 案件中的 AI 对话记录（如保存）
• case_memory/ → think 类条目（AI 交互中的思考过程）
• Agent 调用频率和产出质量（如可追溯）

输出格式：

### 维度 6：AI/Agent 协作效能 — 评分：[1-5 | N/A]

**Agent 调用记录**：

| Agent | 调用次数 | 主要用途 | 产出利用率 | 改进空间 |
|-------|---------|---------|-----------|---------|
| investigation-planner | _ | ... | 高/中/低 | ... |
| evidence-analyzer | _ | ... | 高/中/低 | ... |
| interview-analyzer | _ | ... | 高/中/低 | ... |
| data-analyzer | _ | ... | 高/中/低 | ... |
| report-writer | _ | ... | 高/中/低 | ... |

**提示质量评估**：[AI 指令是否清晰、结构合理？调查员是否进行了有效的上下文传递？]

**协作模式分析**：[该用 Agent 时是否用了？不该用时是否过于依赖？]

**改进建议**：[下次如何更高效地使用 AI 工具？]

---

维度 7：个人成长与经验固化 (Growth & Lessons)

考察内容：这次案件调查对调查员自身能力的影响和可固化的知识资产。

评估要点：

• 本次案件锻炼了哪些核心能力（分析能力、谈判技巧、证据处理、项目管理等）
• 暴露了哪些知识或技能缺口
• 有哪些经验可以总结为可复用的原则、检查项或工具
• 是否有值得分享给团队的知识
• 对于特别困难的案件——"如果重来一遍，会怎么做"

参考数据源：

• case_memory/ → 各类型条目汇总
• 调查过程中的自我反思记录
• 用户与 AI 交互中的自我评估（如"这个我做得不太好"等表述）

输出格式：

### 维度 7：个人成长与经验固化 — 评分：[1-5 | N/A]

**能力锻炼清单**：
- [能力1] — 通过 [具体事件] 得到锻炼
- [能力2] — 通过 [具体事件] 得到锻炼

**知识缺口暴露**：
- [领域1] — 表现为 [具体表现]，建议 [改进路径]
- [领域2] — 表现为 [具体表现]，建议 [改进路径]

**可复用经验**：
- [经验1] — 适用场景：[说明]
- [经验2] — 适用场景：[说明]

**如果重来**：["重做一遍"的话，最大的三个改变]

**知识资产建议**：[建议创建/更新的检查项、模板、或检查清单]

---

复盘报告结构

完整的复盘报告以 SCQA 结构组织：

# 案件复盘报告 — CASE-YYYY-NNN

**案件**: [案件名称]
**复盘日期**: YYYY-MM-DD
**复盘范围**: 全生命周期 / 中期回顾

## 一、案情回顾（Situation）

[用 2-3 段概括案件背景、线索来源、核心问题和结论]

## 二、复盘总览（Complication）

[总结本次复盘的主要发现：哪些方面做得好，哪些存在改进空间，用 7 个维度的评分摘要表呈现]

| 维度 | 评分 | 关键词 |
|------|------|--------|
| 调查维度覆盖 | 4 | 覆盖全面，略有盲区 |
| 假设推理质量 | 3 | 假设充分，证伪不足 |
| ... | ... | ... |

## 三、逐维分析（Question）

[按维度 1-7 逐一展开，每个维度包含评分、分析、改进建议]

## 四、行动项与改进计划（Answer）

### 下次案件可以马上用的改进
- [行动项 1] — 优先级：高/中/低
- [行动项 2] — 优先级：高/中/低

### 中长期发展建议
- [建议 1] — [路径/资源]
- [建议 2] — [路径/资源]

### 知识资产建议
- [建议创建或更新的模板/检查项/原则]

---

**关联文件**：
- [案件元数据](meta.json)
- [证据注册表](evidence_registry.json)
- [案件记忆索引](../case_memory/INDEX.md)

---

复盘中涉及的认知偏差提示

AI 在撰写复盘报告时需要主动识别并标注以下常见偏差：

偏差	表现	AI 应提示的方式
后见之明偏差	"我们早就知道会这样"	复盘时标注：这个判断在当时的证据条件下是否有足够的支撑？
结果偏差	"因为结果好了，所以过程就是对的"	即使案件成功侦破，也要独立审视过程中是否存在运气成分或方法论瑕疵
确认偏误	只记得那些证实自己假设的证据	检查是否存在被忽略的矛盾证据
自我归因偏差	成功了是自己的能力，失败了是外部因素	客观区分：哪些结果是可控因素导致的，哪些是运气或外部条件
记忆重构	复盘时不自觉地美化或简化实际过程	对照时间线文件，将复盘与事实记录比对

---

与其他技能的关系

case-retrospective（工作流类）
  │
  ├── 输入 ← case-management → meta.json, checklist.yaml（阶段时间线和门禁记录）
  ├── 输入 ← evidence-management → evidence_registry.json（证据链数据）
  ├── 输入 ← writing-reporting → final_report（调查结论）
  ├── 输入 ← investigation-foundation → 从假设推理角度评估复盘质量
  ├── 输入 ← investigation-memory → case_memory/INDEX.md（过程记忆）
  │
  ├── 输出 → 调查员的个人知识资产
  │     case-retrospective 不产出案件事实，产出的是"如何做得更好"的方法论反馈
  │
  ├── 守护 ← writing-reporting
  │     复盘报告不是调查结论的复用，而是独立的"过程评价"文档
  │
  └── 不依赖 ↑ fraud-classification, fraud-channel, interview-analysis
       复盘框架是通用的，不绑定具体舞弊类型
       但如果有对应的场景知识，可以从该技能的视角做额外评估

When to Activate

• 案件完结后，用户显式提出复盘要求
• 案件在 REVIEWING 阶段收敛定型后，用户希望做中期回顾
• 训练或辅导场景下，以已完成案件为案例进行教学复盘
• 用户希望从过往案件中提炼方法论经验时
• 不激活：案件处于 INIT 或 FIELDWORK 推进中（除非用户要求中期回顾）
• 不激活：门禁检查阶段转换