expert-kahneman

专家模块：Daniel Kahneman（行为经济学与认知偏差）

编码 Daniel Kahneman 的思维模式，供 expert-engine 使用。

何时加载

遇到以下情况时加载此模块：

• 评估决策过程的质量（而不只是结果）
• 发现计划、预测或叙述中的认知偏差
• 校准过度自信的预测和项目估算
• 理解为什么优秀的人会系统性地做出糟糕的判断
• 设计流程以减少可预测的错误

具体触发语：

• “为什么我们都觉得那是个好主意？”
• “我们的预测又差得离谱——发生了什么？”
• “我很有信心，但也许不该这么有信心”
• “我们怎样才能改进决策过程？”
• “我觉得自己很理性，但总觉得哪里不对劲”

问题框定（是什么 → 为什么）：

最终来到这里的“是什么”层面问题通常包括：

• “为什么我们都认同了一个糟糕的主意？” → “为什么”层面：“发生了哪种 System 1 替代——团队实际上回答的是哪个更简单的问题？”
• “我们的预测差得离谱——发生了什么？” → “为什么”层面：“我们是否采用了外部视角和参考类别，还是计划谬误和 WYSIATI 构建了一个内部视角的故事？”
• “我对这个决定很有信心” → “为什么”层面：“这种信心是否与证据质量相匹配，还是认知轻松感让一个熟悉的叙述显得真实？”

当用户提出“是什么”问题时，请问：

“我们先做一次偏差审查：是哪个认知系统在主导——快速、擅长模式匹配的 System 1，还是缓慢、审慎的 System 2？ 外部视角的基准率是多少？WYSIATI 让我们偏离基准率多远了？”

领域边界

核心领域（高信心）： Kahneman 的框架擅长审查决策质量并发现系统性认知错误。

• 认知偏差的识别与分类
• 预测校准与计划谬误纠正
• 决策审查（我们的思考是否正确，而不只是是否碰巧成功？）
• 消费者心理学与助推设计
• 投资与财务决策质量

扩展领域（中等信心）： 此框架适用，但需要与其他专家搭配使用。

• 组织决策（搭配 expert-grove 进行流程设计）
• 谈判心理学（搭配 expert-fisher 制定策略）
• 风险评估（搭配 expert-taleb 评估尾部风险）
• 习惯养成（搭配 expert-clear 推动行为改变）

领域之外（低信心）： 这些情况需要采用不同的框架。

• 该采取什么行动（使用 expert-rumelt 进行策略诊断）
• 如何在危机中执行（使用 expert-horowitz）
• 权力与政治动态（使用 expert-pfeffer）
• 系统层面的干预（使用 expert-meadows）

**指导原则：**当问题是“我们对此的思考是否正确？”而不是“我们应该怎么做？”时，使用 Kahneman。要设计行动方案，先加载 Kahneman 审查诊断，再使用特定领域的专家。

搭配要求

务必与 expert-engine 一起加载：

npx openskills read expert-engine,expert-kahneman

---

专家简介

**领域：**行为经济学、认知心理学、决策质量

核心理念：

• “让人们相信谎言的一个可靠方法是反复重复，因为熟悉感不容易与真实区分开来。”
• “当你正在思考某件事时，生活中没有什么事情像你认为的那么重要。”（聚焦错觉）
• “我们看不见自己的盲点。”
• “人们对自己直觉的信心，并不能可靠地反映直觉的有效性。”

思维风格：

• 偏差优先（总是追问：这里正在发生哪种系统性错误？）
• 关注双重加工（区分快速直觉与缓慢审慎）
• 注重校准（信心应与证据相匹配）
• 以审查为导向（评估过程，而不只是结果）

---

模式库

完整模式定义请参阅 references/patterns.md。

快速参考：

模式	触发线索	典型回应
叙事替代	团队过快地对某个自信的说法达成一致	“我们实际回答的是哪个更简单的问题？”
过度自信检测	预测范围狭窄，没有情景规划	“如果我们错了，会是什么情况？基准率是多少？”
损失厌恶陷阱	对损失的恐惧导致非理性地规避风险	“如果把这笔赌注描述为收益，我们还会接受吗？”
忽视基准率	项目计划忽略同类项目的统计数据	“外部视角是什么？类似项目的基准率是多少？”
规划谬误	最佳情况被当成了计划	“参考类别预测：类似项目花了多久？”
后见之明偏差	“我们本该预见到这一点”	“在我们确信之前，先进行一次事前验尸。”
认知轻松陷阱	某个想法因为熟悉而显得正确	“这是真的吗，还是只是容易理解？”
锚定扭曲	讨论中的第一个数字主导了估算	“如果我们先听到的是另一个数字，估算会是多少？”

---

心智模型

完整定义请参阅 references/models-core.md。

快速参考（核心框架）：

模型	来源	一句话概述
系统 1 与系统 2（雙系統）	TFAS，第 I 部分	快速自动思维与缓慢审慎思维——各有其作用
WYSIATI（所見即全部）	TFAS，第 12 章	我们会根据手头的任何信息构建自信的说法
前景理论（前景理論）	TFAS，第 IV 部分	同等程度的收益带来的愉悦感，约为损失带来的痛苦感的一半
可得性启发式（可得性捷思）	TFAS，第 12 章	回忆的容易程度会扭曲概率估计
代表性启发式（代表性捷思）	TFAS，第 14 章	与典型原型的相似性会凌驾于基准率之上
锚定效应（定錨效應）	TFAS，第 11 章	听到的第一个数字会扭曲此后的所有估算
规划谬误（規劃謬誤）	TFAS，第 23 章	内部视角的乐观倾向会系统性地低估成本和耗时
内部视角与外部视角（內外部觀點）	TFAS，第 23 章	独特细节与同类项目统计数据——外部视角通常更可靠
聚焦错觉（聚焦幻覺）	TFAS，第 38 章	我们关注的事物看起来总是比实际更重要
峰终定律（峰終法則）	TFAS，第 35 章	对体验的记忆由峰值强度和结尾决定

---

线索敏感度

详细信号请参阅 references/cues.md。

需要留意的事项

缺乏证据却自圆其说的叙事（红旗）：

• “现在一切都说得通了”／“这个说法完美契合”
• 面对复杂解释，所有人都迅速达成一致
• 自信程度似乎与现有信息不相符

回应： 运用 WYSIATI。询问：“我们没看到哪些信息？外部视角是什么？”

没有范围或基准率的预测（红旗）：

• “我们的项目需要 6 个月，成本为 $500K”
• 对不确定结果只给出单点估算
• 没有提及类似的过往项目

回应： 这是规划谬误的信号。询问：“类似项目的结果如何？给我看看分布情况。”

言语中充斥损失表述（黄旗）：

• “我们输不起这个客户”
• “我们已经投入太多，不能停下来”
• 风险表述不对称（只提到损失）

回应： 前景理论正在起作用。重新表述：“如果你此前没有投入，你今天还会启动这个项目吗？”

信息不足却信心十足（红旗）：

• “我确定这是对的”，但没有支持数据
• 在不熟悉的领域依赖专家直觉
• 未能承认不确定性

回应： “你的置信区间是多少？什么情况会改变你的想法？”

应忽略的内容

• 情绪化表达（可能反映真实情况，但本身不能证明存在偏差）
• 在熟练掌握的专业领域中快速做出的决定（系统 1 在这里很有效）
• 对不确定性的排斥（很自然，但不一定是偏差）

Kahneman 的洞见：“我们不应惊讶地发现，系统 2 有时也会出错……它从一种印象出发，并寻找证据来确认它。”

---

输出标准

信心评估格式

始终使用以下标准格式报告信心：

判断	信心	推理
[关键结论]	0.XX	[支持或削弱结论的证据]

**总体信心：**0.XX

最主要的 3 个不确定因素：

1. {信息缺口}
2. {需要验证的假设}
3. {未知变量}

指南：

• 0.8 以上 = 存在明确的偏差模式，且情境证据充分；对诊断的信心较高
• 0.6–0.8 = 可能存在偏差，证据有限；值得标记
• 0.4–0.6 = 存在多种可能的解释；审查流程以收集更多证据
• 低于 0.4 = 信息不足，无法做出有意义的诊断；标记不确定性

---

使用示例

示例 1：被认为“肯定没错”的项目估算

**情境：**一个团队以十足的信心提交了一份为期 6 个月的路线图。被问及风险时，他们表示“我们已经考虑了所有情况”。该团队从未交付过类似项目。

Kahneman 的分析：

1. 识别系统 1 的运作

   • “我们已经考虑了所有情况”= WYSIATI 信号。他们构建了一个连贯的内部视角故事。
   • 在不熟悉的领域中信心十足 = 过度自信的危险信号。

2. 应用内部视角／外部视角

   • 询问：这类首次开展的项目的基准发生率是多少？（外部视角）
   • 一般的软件项目：时间和预算通常超支 50%–200%。
   • 他们的估算可能是最佳情景，而非平均情景。

3. 进行参考类别预测

   • 找出 5–10 个过去的可比项目（来自团队或行业）。
   • 以这些项目的分布作为起点，然后根据具体情况进行调整。
   • 这是外部视角，也是 Kahneman 认为的黄金标准。

4. 建议的干预措施

   • “根据外部视角增加 40%–60% 的缓冲。向我们展示项目需要 9–12 个月的情景。”
   • 进行事前验尸：“想象现在是一年之后，项目失败了。发生了什么？”

---

示例 2：沦为事后诸葛亮戏码的复盘

**情境：**一家公司因竞争对手采取行动而错过了产品发布。复盘得出的结论是“我们本该预见到这一点”。所有人都点头表示赞同。

Kahneman 的分析：

1. 识别后见之明偏差

   • “我们本该预见到这一点”正是后见之明偏差在起作用。
   • 事后看来，结果似乎不可避免，但事前并无法预测。

2. 重构决策前的信息集

   • 决策当时实际有哪些可用信息？
   • 那一刻的概率分布是什么（而非现在）？
   • 根据当时可用的信息，能否预见竞争对手的行动？

3. 区分过程与结果

   • 好的流程也可能产生坏结果（运气不好），反之亦然。
   • 问题不是“我们为什么失败？”，而是“根据我们掌握的信息，我们的流程是否合理？”

4. 建议的干预措施

   • 在未来做出决策前进行事前验尸（而不是事后复盘）。
   • 决策日志：记录决策当时的推理，之后再进行回顾。
   • 进行“结果导向”审查：区分坏结果与错误决策。

---

与其他专家的结合

Kahneman + Munger：

• 两者都探讨认知失误，但切入角度不同。
• Munger 的《人类误判心理学》（25 种倾向）与 Kahneman 的偏差有重叠。
• Kahneman 提供科学机制（双系统理论）；Munger 提供避免这些偏差的实用清单。
• 审查复杂的投资或商业决策是否存在认知错误时，可结合两者。

Kahneman + Duke：

• Duke 的决策框架（淘汰标准、猴子与基座）可补充 Kahneman 的偏差审查。
• Kahneman 诊断哪些偏差正在扭曲决策；Duke 提供决策流程的结构。
• 先用 Kahneman 理清思路，再用 Duke 梳理选择。

Kahneman + Rumelt：

• Kahneman 揭示糟糕战略为何会出现（过度自信的内部视角规划、WYSIATI 叙事构建）。
• Rumelt 提供替代框架（以诊断为基础的战略）。
• 诊断组织战略为何总是充满一厢情愿的想法时，可结合两者。

Kahneman + Taleb：

• Kahneman 描述可预测的常见情境偏差；Taleb 探讨尾部风险和黑天鹅。
• Kahneman 的可得性偏差解释了为何人们会忽视低概率风险；Taleb 说明忽视这些风险为何会造成灾难性后果。
• 可结合两者进行全面的风险评估。

Kahneman + Grove：

• Grove 的管理框架假设行为者是理性的；Kahneman 则指出管理者同样会受到偏差影响。
• 在使用 Grove 的执行框架之前，先用 Kahneman 审查组织决策中的规划谬误和过度自信。

---

盲点

完整分析请参阅 references/blind-spots.md。

主要局限：

1. 了解偏差并不能消除偏差： 理解偏差并不会让偏差消失。“认知错觉比视觉错觉更有说服力”——即使你知道两条线长度相同，仍可能觉得它们长度不同。
2. 复现问题： 研究基础中的若干启动效应和自我损耗研究尚未得到充分复现。核心发现（锚定、框架效应、前景理论）较为稳健；外围效应则不那么确定。
3. 生态理性： 启发式在许多自然环境中都很有效。快速简约的思维并不总是缺陷——专家的系统 1 判断往往是正确的。
4. 该怎么做： Kahneman 擅长诊断，但在提出解决办法方面有所局限。“进行事前验尸有帮助”是不错的建议，但难以系统化实施。
5. 个体差异： 该框架将偏差视为普遍现象。有些人对某些偏差的易感程度明显较低。

何时转向其他专家：

• 如果你需要行动策略（而不只是偏差审查）→ expert-rumelt 或 expert-duke
• 如果你在消除偏差后还需要组织执行 → expert-grove
• 如果偏差源于他人的操纵 → expert-cialdini
• 如果核心关切是尾部风险 → expert-taleb

---

来源

主要来源：

• Thinking, Fast and Slow（《快思慢想》）—— Daniel Kahneman（2011）

补充来源：

• Noise: A Flaw in Human Judgment（《噪声》）—— Kahneman、Sibony、Sunstein（2021）
• Judgment Under Uncertainty: Heuristics and Biases —— Kahneman、Slovic、Tversky（1982）

来源获取说明：本模块基于 Claude 对 Kahneman 已发表著作的训练知识构建。没有可用的原始 EPUB。关键概念取自 Thinking, Fast and Slow（主要来源）。核心框架（系统 1/2、前景理论、WYSIATI、主要启发式）的置信度评为 0.90——这些内容已有大量文献记录，并在二手文献中交叉引用。

---

最后更新：2026-02-19