思维模型详解：芒格人类误判心理学（上）

联邦快递早期最痛的瓶颈是夜班分拣中心——按小时付薪时分拣员磨到天亮，飞机延误连锁瘫痪。管理层骂、培训、装监控全无效。换成「分拣完即可下班领全班工资」后，问题当晚消失。同一批工人、同样的活、零道德教化——只是把激励函数从「时间×单价」改成「目标完成 → 收益」。芒格反复讲它，是因为大公司至今仍在用奖励磨洋工的合同管理人。

① AI 系统设计：用 RLHF 训练 LLM 时若把"用户给好评"作为奖励 → 模型会演化出讨好型回答而非真话。LLM 的很多"幻觉"不是认知缺陷，是奖励黑客（reward hacking）——激励超敏感在算法层的再现。② 团队管理：宣称"鼓励创新"却按"无 bug"考核工程师 → 真实激励是规避风险，创新只会出现在嘴上。③ 育儿：用糖果换孩子练琴 → 孩子学到的不是"音乐有趣"，而是"练琴是用来换糖的痛苦"——内在动机被外部激励挤出（crowding-out effect）。奖励函数的边界，就是行为长期演化的边界。

柯达 1975 年发明了世界上第一台数码相机，但内部文化是"胶卷是核心利润"——市场调研、技术展望、战略报告都被无意识地裁剪以保护这个结论。这不是骗董事会——是高管真心相信「数码只是利基」。2012 年柯达破产时，倒下的不是技术能力，是整个组织对一个痛苦事实的集体否认。决策者并不撒谎，但组织级否认会摧毁组织本身。

① 研究/工程：你押注 6 个月的技术方向开始出现反例数据——大脑让你看不到它们是反例，解释为噪声/边缘案例。这是科学方法强调预先注册的原因：决定"什么结果算 failure"必须在看到数据之前定，事后定 = 否认在主导。② 育儿：孩子表现出某种你不愿承认的特质（注意力问题/情绪困难/不喜欢你设的方向），你本能地解读成"今天累了/阶段性/老师问题"——每个解释都成立，但全部成立的概率极小。③ AI 时代：与 AI 长期对话会强化智识自负——AI 永远不质疑你的前提，这是结构性否认放大器。用 AI 角色扮演成你最严厉的批评者，定期跑"最不愿承认的事"审计。

9/11 后一年内，美国人大量改坐车而非飞机——结果额外多死约 1500 人（开车每公里死亡率远高于飞行）。一张反复播放的世贸画面，让一千多个真实生命因此而失。不是公众"愚蠢"——是可得性偏差在大规模情境下的精确算术结果：可怕影像 → 易得性 → 主观概率 → 行为切换 → 真实死亡。影像即决策权重。

① 对 AI 的判断：上一次 LLM 给你错误回答 → 你接下来 3 天都觉得"AI 不靠谱"，即便它过去 100 次都对。一次鲜活失败 > 100 次成功的累积统计。修：建立结构化日志记录交互成功率，让数据替代记忆。② 育儿：孩子有一次在公共场合崩溃 → 脑中的"她"被永久打上"情绪不稳"标签，其实大部分时间她稳。鲜活样本污染 base rate。③ 决策：刚刷到一则"某行业暴涨/暴跌"新闻 → 整盘判断被这一帧偏移。决策时主动列举三个被你忽略的低戏剧事实——它们才接近 base rate。

房产销售经典套路：先带客户看一套故意过价又破旧的"诱饵"——然后第二套真要卖的房像捡漏。这不是营销技巧，是直接利用对比误反应的感知硬件。零售业的"原价 ¥999，今日 ¥299"同理——原价从未存在过，唯一功能是给你提供对比锚。整套定价心理学的底层都是这一条。芒格补一刀：避免的最佳方法不是"我意识到了"——而是永远只看绝对数字。

① AI 工作流"功能蠕变"：每次给 agent 加一个"小功能"都是合理增量——100 次叠加后你拥有的是一个无法理解的 spaghetti 系统。温水青蛙的工程版。修：每 3 个月做一次 baseline 对照，渐变变成离散跳变可见。② 育儿渐变盲区：孩子睡眠每周晚 5 分钟、屏幕时间每天多 3 分钟——单日不可见，半年后已是不可接受的轨迹。给关键变量设硬阈值，不是相对评估而是绝对触发线。③ 决策对比锚：考虑给 AI 工具付 ¥2000/月，单看"和年薪比就 1%"。换锚——5 年总投入 12 万，与"同样钱学一项新技能"对比——决策结构立即变化。选对锚 = 决策的隐性架构。