AIMeticulously

#挑战100天100个GPTs 写在前面一座桥，设计成能扛 30000 磅，但你只开 10000 磅的卡车过去。多出来的那 20000 磅，就是安全边际。投资里也是同样道理：一个生意你算下来值 100 块，你只肯花 50 块买，中间那 50 块是你给”自己可能算错”留的缓冲。这套话听起来像废话，可 2026 年这一波 AI 算力狂欢里，最聪明的一批公司偏偏忘了它——五大云厂商把 2026 年资本开支推到 6350 亿到 6900 亿美元区间，是 2024 年的两倍多，可对应的 AI 推理收入增长远远没追上，亚马逊自由现金流被预测在 2026 年转负， hyperscaler 的发债规模被摩根士丹利估到超 4000 亿美元（详见文末引用）。桥造得太满、车开得太重，账面一有偏差就没缓冲，这就是安全边际缺位的代价。 安全边际（margin of safety）这个词，是本杰明·格雷厄姆（Benjamin Graham，1894-1976）在 1949 年《聪明的投资者》（The Intelligent Investor）第 20 章里立起来的。那章的标题直接就叫”安全边际是投资的核心概...

#挑战100天100个GPTs 写在前面哈佛经济学家 Sendhil Mullainathan 和普林斯顿心理学家 Eldar Shafir 做过一个让人心惊的实验：让新泽西购物中心的路人，在做一个智力测试前，先在脑子里盘算一下”如果你的车坏了、要修 1500 美元，你会怎么应对”。结果——高收入者几乎不受影响，低收入者光是被这个假设的”钱不够”触发了”稀缺心态”，智力测试的表现就掉了约 13 到 14 个 IQ 点，相当于熬了一整夜没睡。同一个团队还在印度测过甘蔗农民：同一个农民、同一套题，在甘蔗还没卖出去（缺钱）时做、和卖完拿到钱（不缺了）之后做，分数差了一大截。稀缺不只是”钱不够”那么简单——它是一种会占据你大脑”带宽”、把你的视野收窄成管子的认知状态。这就是 Mullainathan 和 Shafir 2013 年那本《Scarcity: Why Having Too Little Means So Much》的核心发现。 稀缺思维模型，讲的是”感到不够（钱、时间、人、关注）会占据你的认知带宽、让你管窥眼前、忘了长远”。它由 Mullainathan 和 Shafir 在...

#挑战100天100个GPTs 写在前面1974 年，两位以色列心理学家阿莫斯·特沃斯基（Amos Tversky）和丹尼尔·卡尼曼（Daniel Kahneman）做了一个后来成了行为经济学开山的实验：他们让受试者转一个轮盘，轮盘被动过手脚、只会停在 10 或 65。然后问他们：联合国成员国里非洲国家的比例，比刚才那个数字高还是低？再让他们估一个具体比例。结果——轮盘停在 10 的人，中位数估 25%；轮盘停在 65 的人，中位数估 45%。一个所有人都看得出是随机摇出来的、和非洲国家毫无关系的数字，硬生生把人的估计拽了过去。这就是锚定效应——人在判断一个不确定的数时，会被先看到的任意一个值”锚住”，哪怕那个值毫无意义。 锚定效应思维模型，讲的是”先出现的数字、选项、信息，会不成比例地绑架你后续的判断”。它由特沃斯基和卡尼曼 1974 年在《科学》（Science）那篇《Judgment Under Uncertainty: Heuristics and Biases》里系统提出——文中列出人在不确定下做判断常用的三种启发式：代表性（representativeness）、可得...

#挑战100天100个GPTs 写在前面一根球棒和一个球一共 1.1 美元，球棒比球贵 1 美元，球多少钱？多数人脱口而出”10 美分”，错——球是 5 美分。这道题是 Shane Frederick 2005 年设计的”认知反思测试”，连哈佛、MIT、普林斯顿的学生都有一大半答错。答错不是因为不会算，是因为大脑的快系统先甩了个”看起来对”的答案，慢系统懒得出来验算。这就是”大脑系统思维模型”最日常的发作：你以为在思考，其实快系统已经替你想完了。 大脑系统思维模型，说的是人脑子里有两套思维模式并行：系统 1（System 1）快、自动、省力、靠直觉，负责认脸、躲车、读完一句立刻懂意思；系统 2（System 2）慢、费力、有意识、靠推理，负责算税、下棋、核对合同条款。这套框架在国内常被笼统记成”卡尼曼的双系统理论”，但有两层归属必须先拆清楚。第一层，”系统 1/系统 2”这两个名字不是卡尼曼发明的，是认知心理学家 Keith Stanovich 和 Richard West 在 2000 年那篇论文里提出来的，卡尼曼 2011 年写《思考，快与慢》时借来做了书的骨架。第...

#挑战100天100个GPTs 写在前面下属来请假，说”领导，我下周三想请假，因为我有点私事”——你点头批了。换一个人来说”我下周三想请假”，你没问就皱眉。两个请求几乎一样，差的就是那个含糊到等于没说的”因为我有点私事”。一个站不住脚的理由，比没理由更容易让你放行。这就是芒格说的第 24 条心理倾向在发作：人天生尊重”看起来有理由”的东西，哪怕那理由是个废话。 理由尊重倾向（Reason-Respecting Tendency），是查理·芒格《人类误判心理学》25 条里的第 24 条：人倾向于接受、顺从一个”给了理由”的请求，哪怕那个理由空洞、同义反复、甚至完全是假的。它的学术根在 Ellen Langer、Arthur Blank 和 Benzion Chanowitz 1978 年那个著名的复印机插队实验：实验者假装在图书馆复印机前插队，只说”我能先用吗”时，60% 的人让位；加上”因为我赶时间”（真理由），94% 让位；而加上”因为我得复印点东西”（这句是废话，谁站那不是来复印的）——照样有 93% 让位。废话理由和真理由几乎一样好使。这个发现后来被 Cialdini 写进...

#挑战100天100个GPTs 写在前面一个做了十年电信运维的工程师，去年开始认真学书法，纯属兴趣。今年公司推 AI 智能体平台，要给一线写”排查话术库”，他发现自己练书法时养成的”一笔一笔看走势、看节奏”的习惯，刚好能拆解老师傅那种说不清道不明的故障直觉。这事没法规划出来——它得回头看才成立。这是”点滴串联思维模型”最典型的发作姿态：有价值的连接几乎总是事后才看得清，向前看时你只能信任。 点滴串联思维模型，看的是看似无关的经历、知识、人，在某个未来时刻能不能连成有意义的线。它讲两件事：一是连接是后见之明——当下看不出意义的点，回看时才成立；二是连接需要前置的”广撒点 + 信”，你得先去经历那些”现在没用”的东西，才有得连。最出名的表述来自乔布斯 2005 年斯坦福毕业演讲里那段 connect the dots：他大学旁听书法课，十年后这成了 Mac 漂亮字体的来源。它常被混进两种东西里——一是芒格的”思维格栅”（那是把已知的各科模型搭成框架，是结构化的整合，机理不同），二是 #063 那种”水滴石穿”式的复利积累（那是朝同一方向叠加，是定向的、靠坚持，不是靠连接）。这款 GP...

#挑战100天100个GPTs 写在前面公元前三世纪，阿基米德说了一句大话：”给我一个立足点，我将移动地球。”（原话经亚历山大的帕普斯 Pappus of Alexandria 在公元 4 世纪的《数学汇编》Book VIII 转述流传下来）。他讲的是杠杆——支点 + 长力臂，小力能撬大物。两千两百多年后，硅谷投资人、AngelList 创始人 Naval Ravikant 把这个物理原理搬到了财富上：”财富需要杠杆。商业杠杆来自资本、人力，以及复制边际成本为零的产品。”他把杠杆分成四类——劳动力（别人为你工作）、资本（钱为你工作）、代码（软件零成本复制）、媒体（内容触达百万）。前两类需要别人许可（得有人愿意跟、有钱愿意给），后两类不需要（写代码、发内容，没人能拦你）。Naval 还顺手把阿基米德那句引在他的推特风暴里——他说这是他少数愿意放进自己推文里的别人 quotes，因为它太根本。 杠杆思维模型，讲的是用更少的力撬动更大的结果，关键是找到支点和长臂。它最常被误读成两副样子。一副把它和”偷懒/走捷径”搅一起——好像用杠杆就是不肯下苦功。其实杠杆不是不努力，是把同样...

#挑战100天100个GPTs 写在前面一个项目上线效果不佳，团队做了复盘，写了几页总结，存进文档库。三个月后下一个项目，同样的坑又踩了一遍——复盘报告躺在那儿，没人再翻开过。这种事每个组织都在重演，原因不在复盘本身，而在复盘没沉淀成可以被下一个项目调用的东西。真正的学习需要两步走完：把一次性经验提炼成可复用的原则，再建一个机制确保这些原则真的被应用。少走任何一步，复盘就只是把痛苦又经历了一遍。 系统回顾思维模型，看的就是这件事——怎么把”回顾”从项目结束的一次性仪式，变成一个固定周期、有结构、能落到原则、能被下次调用的机制。它有三个咬死的东西：周期性（日/周/月/季/年固定做，不靠心情触发）、结构化（同一套问题反复问，不让回顾漂成闲聊）、行动导向（回顾为改未来，不为评判过去）。最出名的两个源头都在组织学习这条线上：一个是美军 1970 年代在国家训练中心搞出来的 After Action Review（AAR，行动后回顾），海湾战争时士兵在散兵坑和装甲车边自发聚在一起复盘上一仗，AAR 才真正传开并被制度化；另一个是戴明带回日本、把休哈特...

#挑战100天100个GPTs 写在前面2024 年 1 月，香港一家跨国工程公司的财务员工收到 CFO 邮件，要他办几笔”保密转账”。他第一反应是怀疑诈骗，所以没急着打钱。可紧接着一场视频会议开了起来——屏幕上的 CFO、财务总监，还有四位熟面孔同事，声音、长相、习惯性小动作都对得上。会议一结束，他放心地分 15 笔转出 2560 万美元。事后查证：那场会议里没有一个是真人，全部是 AI 换脸合成的。这是 AI 时代一起典型的”Lollapalooza 式”翻车。没有任何单一心理力量足以让一个训练有素的财务人员转出 2560 万美元，可权威服从、社会证明、稀缺紧迫、承诺一致、喜欢熟悉几张力在同一个视频会议里同时压下来，人就崩了。 查理·芒格把他《The Psychology of Human Misjudgment》里前 24 条心理倾向放在一起，给了一条压轴收口：当多条倾向朝同一个方向同时发力，结果不是叠加，而是引爆。他称之为 Lollapalooza Tendency（Lollapalooza 倾向），是 25 条里的第 25 条，也是整个清单的”总结算”。这条最反直觉的地...

#挑战100天100个GPTs 写在前面一家三甲医院的夜班护士接到一个陌生”医生”的电话，让她给某床病人注射一种药，剂量是药盒上标明最大日剂量的两倍。22 个护士里有 21 个拿起针筒就去执行，没人核对处方、没人质疑身份。这不是电影桥段，是 1966 年 Hofling 在真实精神科病房做的现场实验。把”医生”这个身份的分量去掉，同样一条指令，几乎没人会照做——权威在场，常识就让位。 这就是权威误影响倾向最日常、也最危险的发作姿态。查理·芒格在《The Psychology of Human Misjudgment》25 条心理倾向里把它列为第 22 条 Authority-Misinfluence Tendency，原话大意”人对权威人物的判断会过度服从，哪怕权威错了”。他举了个狠例子：飞行模拟器里，机长故意做一个连菜鸟副驾都看得出会让飞机坠毁的动作，副驾里有四分之一的人就这么眼睁睁看着飞机”摔下去”也不出声纠正——因为机长是权威。这款 GPT 是个权威审计陪练：你给它一个”听谁的”的决定，它不替你拍板，逼你想清”我是被理由说服，还是被身份说服”，把权威从指令里剥出来单独过秤。...