mcpField
D
devils-advocate

devils-advocate

github.com/joellewis生产力744 次安装30 周前更新
代码仓库

关于 devils-advocate

devils-advocate 是用于压力测试提案的结构化分析技能,可揭示关键假设、失败路径和有力反方论点。它适合重视严谨审查而非早期创意或决策速度的高风险战略决策。

主要功能

  1. 01识别关键支点假设
  2. 02执行反向推演与事前复盘
  3. 03检查脆弱性和下行风险
  4. 04构建有力的反方论点
  5. 05为关键主张评定置信度
  6. 06审查偏见与敏感性

适用场景

  1. 01审查高风险的管理层建议
  2. 02检验获得团队一致支持的计划
  3. 03评估下行风险显著的项目

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/joellewis/skill-library --skill devils-advocate

安装后在 Claude Code 中输入/devils-advocate确认已加载。

详细介绍

概述

「唱反调者」是一种严谨的智力压力测试,旨在拆解论点、揭示盲点,并以最有力的方式构建对立观点。这项技能以结构化的对抗性分析取代模糊的怀疑态度,通过反向思考、脆弱性检测和概率审查,确保提案经得起严苛市场的考验。

指导原则

原则 1:始终进行反向思考(来源:Munger,《Poor Charlie's Almanack》)

要解决问题或检验计划,就思考哪些因素会导致期望结果的反面。列出计划可能失败的所有方式,比列出它会成功的理由更有效。(来源:Farnam Street,“Inversion”)

原则 2:反对结果论(来源:Duke,《Thinking in Bets》)

绝不要仅凭结果判断决策。一个「好」结果可能是「坏」过程加上运气的产物。「唱反调者」必须审查决策过程,而不只是预期结果。

原则 3:脆弱性检测(来源:Taleb,《Antifragile》)

任何依赖「一切保持不变」,或具有非线性下行风险和有限上行空间的提案,都很脆弱。策略应以「选择权」为目标,也就是从波动中获益的能力。

原则 4:以最有力的方式构建对立观点(来源:Paul Graham,“How to Think for Yourself”)

不要把反对者塑造成「稻草人」。相反,要构建最有力的反方论证。如果原提案经不起这种「最强反方论证」的检验,它在根本上就是薄弱的。

原则 5:确定性审查(来源:Duke,《How to Decide》)

我们往往会把仅仅有一定概率的事情当作「已知事实」。要求为每项关键断言标注置信度百分比。如果某项断言被认为「确定无疑」,它很可能就是一个盲点。

何时使用这项技能

  • 当某项战略提案获得一致的「群体迷思」式支持时。
  • 当分析依赖某个影响重大的单一假设(「关键支点」)时。
  • 在向董事会或高管层提出高风险建议之前。
  • 在评估下行风险显著的复杂项目时。

何时不使用这项技能

  • 在创意构思的早期阶段,批评可能会抑制创意时。
  • 对于无关紧要、风险较低的战术决策,速度比严谨更重要时。

核心流程

步骤 1:找出关键支点假设

找出整体论点中最薄弱的基础假设。

  1. 「必须为真」测试: 哪一件事一旦被证伪,就会推翻整个论证?(来源:Lafley,《Playing to Win》)
  2. 「秘密」检验: 这项提案是否建立在独特的真相之上,还是仅仅基于常识?(来源:Thiel,《Zero to One》)
步骤 2:进行反向审查

列出提案可能导致灾难性失败的所有具体方式。(来源:Munger,第 2 章)

  1. 事前验尸: 想象现在是 12 个月后,项目已经失败。具体发生了什么?(来源:Duke,《How to Decide》)
  2. 反转目标: 如果我们希望这个项目失败,会采取哪些行动?我们现在是否正在做其中任何一件事?
步骤 3:检测系统性脆弱性

评估提案如何应对波动和「黑天鹅」事件。(来源:Taleb,第 1 章)

  1. 非线性下行风险: 是否存在某个「断崖」,使输入的微小变化就会导致巨大失败?
  2. 有限上行空间: 与失败的代价相比,成功带来的回报是否很小?
步骤 4:以最有力的方式构建反方观点

构建针对核心论点的最有力反方论证。

  1. 竞争者视角: 一个聪明且资源充足的竞争者会如何使这个计划失效?
  2. 怀疑者的证据: 有哪些数据与作者的主要主张相矛盾?
第 5 步:“所以呢?”与敏感性检查

质疑结论的影响和稳健性。

  1. 关键影响检查: 即使作者 100% 正确,这会对业务产生实质影响吗?
  2. 10% 波动: 如果关键指标(转化率、成本、时间)上下波动 +/- 10%,计划还能站得住脚吗?(来源:Gil,High Growth Handbook)

框架与模型

误判检查清单(来源:Munger,Poor Charlie's Almanack)

检查提案是否受到 25 种常见心理偏差的影响,包括:

  1. 奖励超级反应倾向: 激励是否在推动错误的逻辑?
  2. 激励导致的偏差: 无论提案是否属实,作者是否都会因提案获批而受益?
  3. 一致性与承诺: 作者是否受困于先前的决定?
反向思考(Via Negativa)(来源:Taleb,Antifragile)
  1. 做减法以增强稳健性: 我们应该停止做什么,或从这个提案中删去什么,才能让它更稳健?
  2. 消除“我早就知道”的偏差: 记录当前预测,以防未来出现“事后偏差”。

跨技能调用

  • 必需子技能: mental-model-library — 使用跨领域模型(逆向思考、二阶思维)进行分析。
  • 推荐子技能: assumption-audit — 验证关键主张的证据。
  • 推荐子技能: decision-frameworks — 压力测试后,用于构建最终决策。

常见错误

  1. 稻草人谬误: 攻击对立论点的薄弱版本,让原论点显得更好。(来源:Graham,“Think”)
  2. 结果偏差: 根据提案在不同情境中的侥幸成功来评判它。(来源:Duke,第 1 章)
  3. 联合作用陷阱: 忽视多个小风险如何叠加成重大失败。(来源:Munger,第 3 章)

诊断清单

  • 我们是否找出了成功所依赖的“关键假设”?
  • 我们是否进行过“事前验尸”,找出 3 条以上具体的失败路径?
  • 我们是否针对最有力的反对意见进行了“钢人化”?
  • 这个提案是否“反脆弱”(在波动中受益或保持稳健)?
  • 我们是否为所有“确定无疑”的断言标注了置信度百分比?

来源

  • Duke,Thinking in Bets,第 1、2、3 章——反结果偏差、确定性偏差、运气被窃取。
  • Munger,Poor Charlie's Almanack,第 2、4 章——逆向思考、人类误判心理学。
  • Taleb,Antifragile,第 1、22、24 章——脆弱性、反向思考、利益攸关。
  • Farnam Street,“Inversion”和“Probabilistic Thinking”——应用心理模型。
  • Paul Graham,“How to Think for Yourself”——独立思考与从众。

评论

支持 Markdown