forecast-premortem

预测事前验尸

目录

• 什么是预测事前验尸？
• 何时使用此技能
• 交互式菜单
• 快速参考
• 资源文件

---

什么是预测事前验尸？

预测事前验尸是一种压力测试技巧：假设你的预测已经失败，然后倒推构建其失败经过。这有助于揭示盲点、尾部风险和过度自信。

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

重要性：

• 迫使你设想失败，从而克服过度自信
• 找出你此前未曾考虑的具体失败模式
• 将模糊的疑虑转化为具体的风险变量
• 适当扩大置信区间
• 揭示“未知的未知”

**起源：**改编自 Gary Klein 的“事前验尸”技巧，用于概率预测

---

何时使用此技能

在以下情况下使用此技能：

• 信心很高（>80% 或 <20%）——这时最容易过度自信
• 感觉很确定——在预测中，确定感是一个危险信号
• 预测很重要——利害关系重大，需要确保预测稳健
• 完成内视分析之后——你考虑了具体细节，但可能忽略了全局
• 敲定预测之前——做出承诺前的最后检查

以下情况请勿使用：

• 信心已经较低（约 50%）——你本来就不确定
• 无关紧要、利害关系很低的预测——不值得花费时间
• 纯粹基于基准率的预测——事前验尸用于调整内视分析

---

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 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

让我们通过设想预测已经失败，来对它进行压力测试。

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

步骤 1：说明预测内容和当前信心

请告诉我：

1. 你要预测什么？
2. 你目前估计的概率是多少？
3. 你的置信区间是多少？

示例：“这家初创公司会在 2 年内达到 1,000 万美元的 ARR”——概率：75%，CI：60-85%

步骤 2：穿越到失败的未来

水晶球练习：

跳到事件的结算日期。**现在是[结算日期]。事件并未发生。**这是确定的。不要反驳。

**感觉如何？**意外？预料之中？震惊？这种情绪反应会告诉你真实的信心水平。

步骤 3：写下失败经过

**回溯叙事：**从失败发生的时间点出发，沿时间线倒推。写下我们如何走到这一步。

提示：

• “导致这一结果的头条新闻是……”
• “最初的麻烦迹象出现在……”
• “事后看来，我们本该知道，因为……”
• “关键错误是……”

可参考的框架：

• **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：**监管政策变化、竞争对手推出产品、市场发生转变
• **结构性缺陷：**单位经济模型行不通、市场太小、技术无法扩展
• **黑天鹅：**疫情、战争、金融危机、意外的颠覆性变化

完整分类请参阅失败模式分类。

步骤 4：识别具体的失败模式

从你的叙述中提取具体、可采取行动的失败原因。

针对每种失败模式：（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%	大规模招聘、测试版泄露
法规通过	使商业模式违法	5%	提出法案、开展游说

步骤 5：评估合理性并进行调整

合理性测试：

问问自己：

• 写出失败叙述有多容易？
  • 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
• 你识别出了多少种合理的失败模式？
  • 5 种以上，且每种可能性都 >5% → 不确定性太高，不适合给出高置信度
  • 1-2 种，可能性低 → 置信度可以保持较高
• 你是否发现了任何“未知的未知”？
  • 是，且有多个 → 将置信区间扩大 20%
  • 否，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)

如果该总和大于 1 - your_current_probability，则你的概率过高。

**示例：**当前成功概率：75%（意味着失败概率为 25%），失败模式概率总和：40% **结论：**低估了 15% 的失败风险，**调整后：**成功概率为 60%

**下一步：**返回菜单或记录调查结果

---

2. 进行成功事前验尸

适用于悲观预测——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

步骤 1：陈述悲观预测

告诉我：（1）你预测的低概率事件是什么？（2）你为何如此缺乏信心？

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

步骤 2：穿越时空，来到成功之后

**现在是 2030 年。聚变能源已可商业使用。**这件事已经发生，千真万确。它是如何实现的？

步骤 3：写下成功历程

**回溯这件不太可能发生的事：**要实现这一结果，必须发生什么？

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

步骤 4：找出你可能出错的地方

挑战你的悲观判断：

• 你是否过度受当前限制因素的影响？
• 你是否低估了指数级进步？
• 你是否忽略了并行推进的方案？
• 你是否受过去失败的偏见影响？

步骤 5：评估，并在必要时上调概率

如果成功叙述出乎意料地合理，就提高概率。

**下一步：**返回菜单

---

3. 蜻蜓眼视角

从多个相互冲突的视角看待失败。

蜻蜓的复眼能同时从多个角度观察事物。我们通过采用截然不同的观点来模拟这一点。

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

步骤 1：怀疑者

**切换到最严厉批评者的视角。**你是一位做空者、一名竞争对手、一位悲观主义者。为什么这件事必定会失败？

**保持极端：**假设情况最糟，指出所有缺陷，不予宽容，不给任何有利推定

**输出：**从怀疑者视角列出失败原因

步骤 2：狂热信徒

**切换到最坚定支持者的视角。**你是创始人的母亲、一位狂热信徒、一位乐观主义者。为什么失败绝不可能？

**保持极端：**假设情况最好，突出所有优势，最大限度地宽容并保持乐观

**输出：**从乐观视角列出成功原因

步骤 3：无利害关系的观察者

**切换到中立分析师的视角。**结果与您毫无利害关系。你正在运行模拟，冷静地分析数据。

**保持分析性：**不带任何情绪倾向，纯粹依据统计推理，参考类别思维

**输出：**附带推理的平衡概率估计

步骤 4：综合各方观点

找出重合点： 哪些失效模式出现在全部三个视角中？

• 怀疑者提到了它
• 即使是狂热支持者也无法否认它
• 观察者通过统计识别出了它

这些就是稳健的失效模式——最有可能实际发生的那些。

步骤 5：提取稳健的失效模式

综合结果：

失效模式	怀疑者	狂热支持者	观察者	稳健？
市场太小	肯定	有争议	基准发生率表明是	是
执行风险	肯定	不可能	五五开	也许
技术无法扩展	肯定	已经解决	未知	需要调查

调整重点，关注在所有视角下都经受住检验的稳健失效模式。

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

步骤 1：定义什么属于“尾部风险”

标准： 低概率（<5%）、高影响（会彻底改变结果）、超出常规规划范围、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

步骤 2：系统枚举

使用 PESTLE 框架，全面覆盖各个方面：

• 政治： 选举、政变、政策变化、地缘政治变局
• 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

对于每个类别，思考：“什么低概率事件会使这项预测彻底失败？”

详细类别请参阅失效模式分类。

步骤 3：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： 高影响事件，即使其概率极低

步骤 4：设定终止标准

为每项主要尾部风险定义“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套餐，概率将降至 20%”
• “如果法规通过，概率将降至 0%”

重要性： 这样你就有了明确的监测指标

步骤 5：监测预警信号

为每项终止标准找出早期预警信号：

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
竞争对手发布产品	大规模招聘、测试版泄露、专利	每月
法规	提案法案、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

量化事前验尸应在多大程度上改变你的区间范围。

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

步骤 1：说明当前置信区间

当前置信区间： 下限：%，上限：%，宽度：___ 个百分点

步骤 2：评估事前验尸结果

从以下维度为事前验尸打分（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. 失效模式数量——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. 发现的未知未知因素——1 = 没有意外，所有因素都已知，5 = 揭示了许多盲点
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效模式

总分： __ / 20

步骤 3：计算宽度调整值

调整公式：

Width multiplier = 1 + (Score / 20)

示例：

• 分数 = 4/20 → 乘数 = 1.2 → 将 CI 扩宽 20%
• 分数 = 10/20 → 乘数 = 1.5 → 将 CI 扩宽 50%
• 分数 = 16/20 → 乘数 = 1.8 → 将 CI 扩宽 80%

当前宽度： ___ 点，调整后宽度： 当前值 × 乘数 = ___ 点

步骤 4：设置新的上下限

方法：围绕当前估计值对称扩宽

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），分数：12/20，乘数：1.6，新宽度：32，新 CI：54-86%

步骤 5：记录推理过程

记录：（1）哪些失败模式促使了此次调整，（2）哪个视角最有启发，（3）发现了哪些未知的未知，（4）今后会进行哪些监控

下一步： 返回菜单

---

6. 学习框架

深入了解此方法。

资源文件

📄 事前验尸原则 - 人们过度自信的原因、后见之明偏差和结果偏差、逆向思考的力量、事前验尸有效性的研究

📄 回溯预测法 - 结构化回溯预测流程、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、可预防与不可预防的失败、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

事前验尸准则

1. 假设失败已成定局 - 不要争论是否会失败，要讨论为何失败
2. 具体明确 - 模糊的风险没有帮助；具体机制才有用
3. 采用多个视角 - 怀疑者、狂热者、观察者
4. 量化失败模式 - 估算每种失败模式的概率
5. 设定终止标准 - 明确哪些情况会改变你的想法
6. 监控预警信号 - 跟踪早期预警信号
7. 扩大 CI - 如果事前验尸做起来太容易，说明你过度自信

一句话总结

假设你的预测已经失败，写下它是如何失败的，并据此找出盲点、调整信心。

与其他技能集成

• 之前： 在进行内视角分析后使用（你需要有内容可供压力测试）
• 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
• 输出至： 监控系统和自适应预测

---

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？从上方的菜单中选择一个数字。