forecast-premortem

预测事前验尸

目录

• 交互式菜单
• 快速参考
• 资源文件

核心原则：反转问题。不要问“这会成功吗？”，而要问“它已经失败了——为什么？”

---

交互式菜单

你想做什么？

核心工作流

1. 进行失败事前验尸 - 假设预测失败，并解释原因 2. 进行成功事前验尸 - 适用于悲观预测（<20%） 3. 蜻蜓之眼视角 - 从多个角度审视失败 4. 识别尾部风险 - 找出黑天鹅和未知的未知因素 5. 调整置信区间 - 量化调整幅度 6. 了解此框架 - 深入了解方法论 7. 退出 - 返回主预测工作流

---

1. 进行失败事前验尸

让我们设想预测已经失败，对它进行压力测试。

Failure Premortem Progress:
- [ ] Step 1: State the prediction and current confidence
- [ ] Step 2: Time travel to failure
- [ ] Step 3: Write the history of failure
- [ ] Step 4: Identify concrete failure modes
- [ ] Step 5: Assess plausibility and adjust

第 1 步：陈述预测和当前置信度

告诉我：

1. 你在预测什么？
2. 你当前给出的概率是多少？
3. 你的置信区间是多少？

示例：“这家初创公司将在 2 年内实现 1,000 万美元 ARR”——概率：75%，置信区间：60-85%

第 2 步：穿越到失败时刻

水晶球练习：

快进到结果确定之日。**现在是［结果日期］。事件并未发生。**这是确定无疑的。不要质疑这一点。

**你感觉如何？**意外？在意料之中？震惊？这种情绪反应能告诉你真实的置信度。

第 3 步：写下失败历程

**回溯叙事：**从失败的时刻开始，沿时间线向前倒推。写下事情是如何发展到这一步的。

提示：

• “导致这一结果的头条新闻是……”
• “第一个麻烦迹象出现在……”
• “事后看来，我们本该意识到，因为……”
• “关键错误是……”

可考虑的框架：

• **内部摩擦：**团队精疲力竭、联合创始人发生冲突、执行不力
• **外部冲击：**法规变化、竞争对手发布产品、市场发生转变
• **结构性缺陷：**单位经济效益不成立、市场太小、技术无法扩展
• **黑天鹅：**疫情、战争、金融危机、意外扰动

有关完整分类，请参阅失败模式分类法。

第 4 步：找出具体的失败模式

从叙述中提取具体、可采取行动的失败原因。

对于每种失败模式，说明：（1）发生了什么，（2）为何导致失败，（3）可能性有多大，（4）早期预警信号

示例：

失败模式	作用机制	可能性	预警信号
核心工程师离职	失去技术领导力，产品延期	15%	代码提交量下降、出现抱怨
竞争对手推出免费套餐	破坏单位经济效益	20%	大举招聘、测试版泄露
法规通过	商业模式变为非法	5%	提案立法、游说活动

第 5 步：评估合理性并调整

合理性测试：

问问自己：

• 写出失败叙事有多容易？
  • 非常容易 → 将置信度降低 15-30%
  • 非常困难，感觉荒谬 → 置信度恰当
• 你找到了多少种合理的失败模式？
  • 5 种以上的模式，各自发生概率都超过 5% → 不确定性太高，不适合给出高置信度
  • 1-2 种模式，发生概率较低 → 置信度可以保持较高
• 你发现了任何“未知的未知”吗？
  • 是，有多个 → 将置信区间扩大 20%
  • 没有，风险都已知 → 置信度恰当

定量方法： 将各失败模式的概率相加：

P(failure) = P(mode_1) + P(mode_2) + ... + P(mode_n)

如果总和大于 1 - your_current_probability，说明你的概率估计过高。

示例： 当前成功概率：75%（隐含失败概率：25%），失败模式概率之和：40% 结论： 低估了 15% 的失败风险，**调整后：**成功概率为 60%

下一步： 返回菜单或记录发现

---

2. 进行成功事前验尸

针对悲观预测——假设低概率的成功已经发生。

Success Premortem Progress:
- [ ] Step 1: State pessimistic prediction (<20%)
- [ ] Step 2: Time travel to success
- [ ] Step 3: Write the history of success
- [ ] Step 4: Identify how you could be wrong
- [ ] Step 5: Assess and adjust upward if needed

第 1 步：陈述悲观预测

告诉我：（1）你预测的低概率事件是什么？（2）你为什么如此缺乏信心？

示例：“核聚变能源将在 2030 年实现商业化”——概率：10%，理由：技术挑战过于艰巨

第 2 步：穿越时间，来到成功之时

**现在是 2030 年。核聚变能源已可供商业使用。**这已经发生了。这是真的。是怎么做到的？

第 3 步：写下成功历程

**逆向推演这件低概率事件：**要实现这一结果，必须发生什么？

• “突破发生在……”
• “我们对 [assumption] 的判断是错的，因为……”
• “关键的促成因素是……”
• “事后看来，我们低估了……”

第 4 步：找出自己可能出错的地方

挑战你的悲观判断：

• 你是否过于受当前限制因素影响？
• 你是否低估了指数级进步？
• 你是否忽略了并行推进的方案？
• 你是否受到过去失败的偏见影响？

第 5 步：评估，并在必要时上调

如果成功叙事出乎意料地合理，就提高成功概率。

下一步： 返回菜单

---

3. 蜻蜓眼视角

从多个相互冲突的视角审视失败。

蜻蜓的复眼能同时从许多角度观察事物。我们通过采用截然不同的视角来模拟这一点。

Dragonfly Eye Progress:
- [ ] Step 1: The Skeptic (why this will definitely fail)
- [ ] Step 2: The Fanatic (why failure is impossible)
- [ ] Step 3: The Disinterested Observer (neutral analysis)
- [ ] Step 4: Synthesize perspectives
- [ ] Step 5: Extract robust failure modes

第 1 步：怀疑论者

**代入最严厉的批评者。**你是做空者、竞争对手、悲观主义者。为什么这件事一定会失败？

**尽可能极端：**假设最坏情况，指出所有缺陷，不留情面，不给任何好处

**输出：**从怀疑论者视角列出的失败理由

第 2 步：狂热信徒

**代入最坚定的支持者。**你是创始人的母亲、狂热拥护者、乐观主义者。为什么失败绝无可能？

**尽可能极端：**假设最好情况，突出所有优势，最大限度地宽容和乐观

**输出：**从乐观视角列出的成功理由

第 3 步：无利害关系的观察者

**代入中立分析师。**你对结果没有利害关系。你正在运行模拟，以冷静的态度分析数据。

**保持分析性：**不带感情色彩，只依据统计推理，并参考同类案例

**输出：**附有推理依据的平衡概率估计

第 4 步：综合各方视角

**找出交集：**哪些失败模式在三个视角中都出现了？

• 怀疑论者提到了它
• 就连狂热信徒也无法否认它
• 观察者通过统计分析识别出了它

这些是稳健的失败模式——最有可能实际发生的那些失败模式。

第 5 步：提取稳健的失败模式

综合分析：

失败模式	怀疑者	狂热者	观察者	是否稳健？
市场太小	毫无疑问	有争议	基准率表明是	是
执行风险	毫无疑问	不可能	五五开	也许
技术无法扩展	毫无疑问	已经解决	未知	进一步调查

重点调整那些经受住所有视角审视的稳健失败模式。

下一步： 返回菜单

---

4. 识别尾部风险

找出黑天鹅和未知的未知因素。

Tail Risk Identification Progress:
- [ ] Step 1: Define what counts as "tail risk"
- [ ] Step 2: Systematic enumeration
- [ ] Step 3: Impact × Probability matrix
- [ ] Step 4: Set kill criteria
- [ ] Step 5: Monitor signposts

第 1 步：界定什么属于“尾部风险”

标准： 概率低（<5%）、影响大（会彻底改变结果）、不在常规规划范围内，通常由外部因素引发

示例： 疫情、战争、金融危机、监管禁令、关键人物去世、自然灾害、技术颠覆

第 2 步：系统地枚举

使用 PESTLE 框架，全面梳理：

• 政治： 选举、政变、政策变化、地缘政治局势变化
• 经济： 经济衰退、通货膨胀、货币危机、市场崩盘
• 社会： 文化变迁、人口结构变化、社会运动
• 技术： 突破性发明、颠覆、网络攻击
• 法律： 新法规、诉讼、知识产权挑战、合规要求变化
• 环境： 气候事件、疫情、自然灾害

针对每个类别，思考：“什么低概率事件会让这一预测落空？”

详细类别请参阅失败模式分类法。

第 3 步：影响 × 概率矩阵

绘制尾部风险：

High Impact
│
│  [Pandemic]        [Key Founder Dies]
│
│
│  [Recession]       [Competitor Emerges]
│
└─────────────────────────────────────→ Probability
  Low                              High

重点关注： 影响大，即使概率极低也要关注

第 4 步：设定终止标准

为每个主要尾部风险定义“终止标准”：

格式：“如果发生[事件 X]，概率将降至[Y]%”

示例：

• “如果 FDA 否决我们的药物，概率将降至 5%”
• “如果关键工程师离职，概率将降至 30%”
• “如果竞争对手推出免费层级，概率将降至 20%”
• “如果法规通过，概率将降至 0%”

重要性： 现在你有了明确的监测指标

第 5 步：监测预警信号

针对每项终止标准，识别早期预警信号：

终止标准	预警信号	检查频率
FDA 否决	II 期试验结果、FDA 反馈	每月
工程师离职	代码产出速度、满意度调查	每周
竞争对手发布	大量招聘、测试版泄露、专利	每月
法规	拟议法案、游说活动、听证会	每季度

设置监测： 日历提醒、新闻提醒、自动化跟踪

下一步： 返回菜单

---

5. 调整置信区间

量化事前验尸应如何调整你的区间范围。

Confidence Interval Adjustment Progress:
- [ ] Step 1: State current CI
- [ ] Step 2: Evaluate premortem findings
- [ ] Step 3: Calculate width adjustment
- [ ] Step 4: Set new bounds
- [ ] Step 5: Document reasoning

第 1 步：说明当前置信区间

当前置信区间： 下限：%，上限：%，宽度：___ 个百分点

第 2 步：评估事前验尸结果

按以下维度为事前验尸评分（每项 1–5 分）：

1. 叙事可信度 - 1 = 失败情形显得荒谬，5 = 失败情形显得不可避免
2. 失败模式数量 - 1 = 只有 1–2 种不太可能的模式，5 = 有 5 种以上合理的模式
3. 发现的未知因素 - 1 = 毫无意外，全部已知，5 = 揭示出许多盲点
4. 蜻蜓综合分析 - 1 = 各视角完全分歧，5 = 所有视角都认同这些失败模式

总分： __ / 20

第 3 步：计算区间宽度调整值

调整公式：

Width multiplier = 1 + (Score / 20)

示例：

• 得分 = 4/20 → 倍数 = 1.2 → 将置信区间扩大 20%
• 得分 = 10/20 → 倍数 = 1.5 → 将置信区间扩大 50%
• 得分 = 16/20 → 倍数 = 1.8 → 将置信区间扩大 80%

当前宽度： ___ 个百分点，调整后宽度： 当前宽度 × 倍数 = ___ 个百分点

第 4 步：设定新边界

方法：围绕当前估计值对称扩大区间

New lower = Current estimate - (Adjusted width / 2)
New upper = Current estimate + (Adjusted width / 2)

示例： 当前值：70%，CI：60-80%（宽度 = 20），得分：12/20，乘数：1.6，新宽度：32，新 CI：54-86%

第 5 步：记录推理过程

记录：（1）哪些失败模式促使你做出调整，（2）哪个视角最有启发性，（3）发现了哪些未知的未知，（4）今后将进行哪些监测

下一步： 返回菜单

---

6. 学习框架

深入了解该方法。

资源文件

📄 预演原则 - 人类过度自信的原因、后见之明偏差和结果偏差、逆向思维的力量、关于预演效果的研究

📄 回溯预测方法 - 结构化的回溯预测流程、时间推理技巧、因果链构建、叙事式与定量回溯预测

📄 失败模式分类法 - 全面的失败类别、内部与外部失败、可预防与不可预防失败、用于尾部风险的 PESTLE 框架、终止标准模板

下一步： 返回菜单

---

快速参考

预演准则

1. 假设失败已成定局 - 不要争论是否会失败，而要争论为何失败
2. 具体说明 - 模糊的风险没有帮助；具体的机制才有用
3. 采用多个视角 - 怀疑者、狂热者、旁观者
4. 量化失败模式 - 估算每种模式的概率
5. 设定终止标准 - 明确什么情况会改变你的想法
6. 监测信号 - 跟踪预警信号
7. 扩大置信区间 - 如果预演太容易，说明你过度自信

一句话总结

假设你的预测已经失败，写下失败经过，并借此识别盲点、调整信心。

与其他技能集成

• 之前： 在完成内视角分析后使用（你需要有待压力测试的内容）
• 之后： 使用 scout-mindset-bias-check 验证调整
• 配套： 与 bayesian-reasoning-calibration 配合进行定量更新
• 用于： 监测系统和自适应预测

---

资源文件

📁 resources/

• premortem-principles.md - 理论与研究
• backcasting-method.md - 时间推理流程
• failure-mode-taxonomy.md - 全面的失败类别

---

准备好开始了吗？从上面的菜单中选择一个数字。