关于 thinking-debiasing
thinking-debiasing 是一种推理技能,用于在长期决策中检查沉没成本、确认偏误和过度自信,尤其适合已有路线正被坚持的情况。它不建议常规审查,只在出现相关模式时进行针对性自检。
主要功能
- 01检查沉没成本式坚持
- 02寻找可能推翻假设的证据
- 03依据证据重新评估信心
- 04假设从头开始重新考虑决策
- 05未出现相关模式时跳过审查
适用场景
- 01重新评估长期项目路线
- 02为偏好的假设寻找反面证据
- 03证据有限时审视判断信心
- 04判断既有投入是否应影响后续选择
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ tjboudreaux/ cc-thinking-skills --skill thinking-debiasing安装后在 Claude Code 中输入/thinking-debiasing确认已加载。
详细介绍
认知偏差纠正
通常不需要。当前模型在常规表述下已经能避免教科书中提到的认知偏差,因此默认不要运行此清单——它只会增加阻力,不会带来提升。只有一种特殊情况值得使用:在长程轨迹中,你早早选定了一种做法,之后却在为坚持它找理由(沉没成本),或只收集能佐证它的证据(确认偏误)。除此之外,都跳过。
触发卡片
只有当你在早早选定路径的长程轨迹中,注意到以下某种模式时,才使用此技能:
| 你注意到的模式 | 自检 |
|---|---|
| “我们已经投入/花费了很多,所以应该继续” | **沉没成本:**如果今天从头开始,不考虑已经完成的工作,我还会选择这条路径吗?如果不会,就改变方向。 |
| 你不断找到支持当前假设的依据,并忽视反面证据 | **确认偏误:**哪一条证据能证明我是错的?我有主动寻找过它吗? |
| 证据不足却异常自信 | **过度自信:**扩大估计范围;说明如果我错了,预期会看到什么。 |
如果自检没有改变决定,就到此为止。不要只给偏差命名,却不采取行动。要预判风险,请使用 thinking-pre-mortem;要分析权衡,请使用 thinking-opportunity-cost;要加快决策,请使用 thinking-reversibility。
何时不要使用
- 常规的单步推理——偏差风险本来就很低;不要为了偏差审查而给答案增加冗余。
- 没有需要捍卫的既有承诺的短期任务——此时还不适用沉没成本/确认偏误。
- 作为装点,让自己看起来更严谨——只给偏差命名,却不改变决定,只是作秀。
- 已有具体框架适用时(风险用 thinking-pre-mortem,权衡用 thinking-opportunity-cost,决策速度用 thinking-reversibility)——改用该框架。
概述
本技能基于 Daniel Kahneman、Dan Lovallo 和 Olivier Sibony 关于认知偏差的研究。以下各节是一份更完整的清单;对于自主 Agent,应将其视为上述特殊情况的参考资料,并用作自检(而非分配给团队成员的角色)。
决策质量 12 点检查清单
批准任何重要建议之前,请评估:
利益偏差
1. 是否存在利己动机?
- 推荐者是否会从这项决定中获益?
- 如果激励因素不同,他们还会提出同样的建议吗?
- 是否存在利益冲突?
2. 是否存在情感依附(情感启发式)?
- 团队是否已经爱上了这项提案?
- 他们是否太快地否定了疑虑?
- 是否把批评当成了针对个人?
单一路径锁定
3. 我是否真正探索过其他方案,还是锚定了第一个方案?
- 是否评估了竞争方案,还是把它们歪曲成易于反驳的观点?
- 在否定对立观点之前,我是否真诚地为其辩护过?
- 是否有压力(截止日期、先前表态)在推动我选择某个答案?
4. 我是否锚定了问题最初的表述方式?
- 换一种初始表述方式,结论会改变吗?
- 我是否独立重新推导了估计值,还是只调整了最初看到的数字?
模式识别错误
5. 我们是否过度依赖单一类比(显著性偏差)?
- 是否有一个“这和 X 一模一样”的说法主导了思考?
- 我们是否寻找过能否定该类比的其他类比?
- 我们是否在挑选对比案例?
6. 我们是否锚定在初始数字上?
- 最初的估计值是怎么来的?
- 换一个起点,结论会改变吗?
- 我们是否从头重新估算过?
确认偏误
7. 是否认真考虑过可信的替代方案?
- 我们是否探讨过至少 2–3 个真正的替代方案?
- 是否公平地评估了这些替代方案?
- 还是把它们塑造成稻草人,只为证明首选方案合理?
8. 我们是否只在寻找支持性证据?
- 什么证据会推翻这一论点?
- 我们是否主动寻找过反证数据?
- 我们是否在为矛盾证据找借口?
规划谬误
9. 基准情景现实吗?
- 这是否比类似的过往项目更乐观?
- 类似努力的成功率基准是多少?
- 我们是否针对“这次不一样”的想法做了调整?
10. 最坏情景是否足够糟糕?
- 最坏情景是否只假设有一件事出错?
- 如果多种风险同时发生会怎样?
- 我们是否考虑过尾部风险?
11. 我们是否恰当地看待沉没成本?
- 如果从头开始,我们还会做这个决定吗?
- 我们是否因为“已经投入太多”而继续?
- 一个毫无过往包袱的局外人会怎么决定?
光环效应
12. 我们是否假设成功可以迁移?
- 我们是否因为团队或方法过去取得过成功,就对其深信不疑?
- 过去的成功是否发生在类似情境中?
- 我们是否把成功归因于能力,而忽略了运气的作用?
快速去偏技巧
针对锚定效应
- 在看到他人的数字之前,先给出估算
- 问:“如果真实数字是这个数的 2 倍或 0.5 倍,会怎样?”
- 使用多个相互独立的估算者
针对确认偏误
- 本着诚意,亲自为相反立场辩护
- 问:“什么情况会证明这是错的?”然后去寻找证据
- 对反证的重视程度至少不低于支持性证据
针对过度自信
- 扩大置信区间(通常区间太窄)
- 使用参考类别预测(基准率)
- 问:“类似的预测有多少次是正确的?”
针对沉没成本
- 问:“如果今天知道了我们现在知道的一切,我们还会启动这个项目吗?”
- 评估未来回报时,忽略过去的投入
- 考虑继续下去的机会成本
针对单一路径锁定
- 在做决定之前,为替代方案提出最有力的论据
- 尽可能公正地陈述你正在否决的选项
- 将“证据表明什么”与“我已经得出的结论”分开
决策质量审计模板
# Decision Quality Audit: [Decision Name]
## Recommendation Summary
[Brief description]
## Bias Checklist
### Self-Interest & Emotion
- [ ] Self-interest checked: [Notes]
- [ ] Emotional attachment assessed: [Notes]
### Single-Path Lock-In
- [ ] Opposing position argued in good faith: [Notes]
- [ ] First framing/anchor questioned: [Notes]
### Pattern Recognition
- [ ] Multiple analogies considered: [Notes]
- [ ] Anchoring effects checked: [Notes]
### Confirmation Bias
- [ ] Alternatives genuinely evaluated: [Notes]
- [ ] Disconfirming evidence sought: [Notes]
### Planning Realism
- [ ] Base case reality-checked: [Notes]
- [ ] Worst case severe enough: [Notes]
- [ ] Sunk costs ignored: [Notes]
### Halo Effects
- [ ] Success transfer questioned: [Notes]
## Red Flags Identified
[List any concerns from checklist]
## Mitigations
[How will identified biases be addressed?]
## Decision
- [ ] Proceed as recommended
- [ ] Proceed with modifications
- [ ] Requires more analysis
- [ ] Reject recommendation
验证清单
- 已确认这是特定情形(漫长的推进过程 + 正在为某条路径辩护),否则跳过此技能
- 已完成相应的自我检查(沉没成本/确认偏误/过度自信)
- 已找出一项具体证据,若出现便能证明当前路径有误
- 已假设今天从头开始做决定,并忽略先前投入,重新作出判断
- 检查确实改变了决定(或基于明确理由确认了决定),而不只是给偏误贴上标签
关键问题
- “要满足什么条件,这个判断才会是错的?”
- “我有多大把握?是什么支撑着这种把握?”
- “一个全新的局外人会得出什么结论?”
- “我是否在推理过程中,试图得出一个自己早已想要的结论?”
- “类似决策的成功率基准是多少?”
- “如果我错了,我会如何发现?何时会发现?”
Kahneman 的警示
“我们可能看不见显而易见的事物,也看不见自己的盲点。”
仅凭意志力无法消除偏误。请使用清单、流程和外部视角,发现直觉遗漏之处。