跳转到内容

第 2 章 判断与论证

来自《思考与研究方法》 · 原稿更新 2026-11-09 · 服务器只读阅读视图

2.1 双向钢人:替两边找最强理由

比较方案时,先给两边都找最强理由,再找真正分歧和“什么证据会改变结论”。

图解:先比较强论点,再决定站哪边

先比较强论点,再决定站哪边(概念示意)

读图: 不要故意把不喜欢的方案讲弱。多个 AI 的一致意见也只是意见,关键分歧要回到可核实的证据。

正确理解

  • 不只列形式化的优缺点,也不故意把不喜欢的方案讲弱。
  • 审查需求矛盾:让两条规则在同一输入、同一前提下各跑一遍,一方允许、一方禁止才算冲突。没写明、不完整、需要产品决策的另列,不要自己补规则后宣布发现 Bug。

2.2 多视角会诊

产品、技术、运维、用户各自独立判断,再核对共同事实和冲突。

正确理解

  • 多个 AI 角色意见一致不等于有证据,最后仍要回到数据、代码和用户体验。

2.3 跨领域类比

只迁移机制,不迁移故事。

正确理解

  • 先把问题抽象成“输入、约束、反馈、失败路径”,再看别的领域的机制能否迁移、前提是否变了。

2.4 我反复混淆的概念

109 条学习记录里,有几类错误在不同学科反复出现。这是当时的练习记录,不是永久标签。

我踩过的坑

误区 当时的例子 该问的问题
相近概念合并 幂等 Key 当成登录 Token 或乐观锁版本号;“接情绪”当成“不能解决问题” 两者分别防什么、解决什么?
执行主体弄反 以为事件循环自己发请求、Pod 自己保证声明式状态 谁执行,谁调度或检查?
只比速度 按 Pub/Sub 和 Stream 谁快选型;秒杀先想到抢锁 能不能丢消息、超卖?
状态归属混淆 把 Redis 当数据库备份,期待自动同步 权威数据在哪,失效由谁管?
漏时间和边界 只说 ZSet 能排序、TTL 为了安全;按“省不省配置”比 Docker 和 K8s 何时发生,各方案负责哪一层?
  • K8s 声明式状态和 Agent 目标循环,我都曾理解成“发一次通知”。实际是目标持续存在,系统持续检查并逼近。
  • Docker 第一篇纠正过“镜像不等于容器”,第二篇遇到 Compose 又说混了。纠正一次不等于换场景会用。

正确理解

  • 遇到容易混的两个概念,先写四个问题:各自解决什么、谁执行、何时发生、失败会怎样,再换个新场景重讲。
  • 让 AI 记录的不只是哪句话不顺,还有“为什么分析错了”:当时先搜了哪个文件或指标、漏了什么证据、把什么当成原因。再换一个 Bug 复述“现象 → 层次 → 先搜什么 → 反证 → 怎么验收”。
  • 一次误判不代表永久不会,也不必把每条纠正升级成全局 Prompt。
原始记录

完整 109 条原话见《我的认知盲区索引》。