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
- 01识别关键支点假设
- 02执行反向推演与事前复盘
- 03检查脆弱性和下行风险
- 04构建有力的反方论点
- 05为关键主张评定置信度
- 06审查偏见与敏感性
适用场景
- 01审查高风险的管理层建议
- 02检验获得团队一致支持的计划
- 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。
- 「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》)
- 「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)
- 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》)
- 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)
- 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?
- 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。
- 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?
- 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。
- 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?
- 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:
- 奖励超级反应倾向: 激励是否在推动错误的逻辑?
- 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?
- 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)
- 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?
- 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
- 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”)
- 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)
- 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