01原理
这条规则只有一句话：对自己已经相信的东西，把主要精力花在找反例上，而不是找更多支持。达尔文在自传里写，多年来他坚持一条“金科玉律”：凡是遇到和自己总体结论相冲突的已发表事实、新观察或新想法，马上、无一例外地记下来，因为他发现这类东西比有利的证据更容易从记忆里溜走。芒格看重的正是后半句：问题不在于人不讲理，而在于大脑会悄悄替你删掉不合意的信息。
芒格把它和“避免不一致倾向”放在一起讲。人一旦得出结论，尤其是公开说过、投入过代价的结论，就会本能地把新信息往旧结论上靠。他在 1986 年那篇演讲里引用作家菲利普·怀利的话形容这种人：在他们已经知道的和永远学不会的东西之间，连一枚硬币都塞不进去。达尔文的做法之所以被芒格称为“倒过来的一拧”，是因为它故意对着这种本能用力：越喜欢的假设，越要拿最硬的反例去敲。
对 10 人以内的 AI 公司，这条规则的价值在于小团队几乎没有天然的反对派。创始人的判断就是公司的判断，没有董事会质询、没有平行团队竞争，演示里跑通的几个例子很容易被当成“已经验证”。反证不会自己找上门，得有人专门去收、去记、去在决策会上念出来。
为什么成立
第一层是信息的不对称处理。心理学家沃森 1960 年的 2-4-6 实验显示，很多人检验自己的猜想时只找能确认它的例子，不去找能排除它的例子。确认性的例子可以一直得到肯定答复，信心越来越高，猜想却可能一直是错的。支持性证据在逻辑上很便宜，一百个例子也证明不了规律；一个可靠的反例却足以让你改主意。
第二层是记忆和组织的过滤。达尔文观察到，不利的事实比有利的事实更容易被忘掉；组织里也一样，坏消息往上传要付出社交代价，汇总报告时最先被删掉的是“异常值”。所以这条规则的关键动作是“立即记下来”，把反证从脑子里搬到一个不会选择性遗忘的地方，再定期拿出来面对。芒格在《人类误判心理学》里点名的对应做法也都是制度：法庭必须听对方完整陈词，新药必须做双盲试验，J&J 要求回头把旧收购的预测和实际结果对照。
02芒格怎么说
芒格至少在三个场合专门讲过这件事。1986 年哈佛学校毕业演讲里，他说达尔文成绩平平却成就非凡，很大程度上靠的是一种工作方法：总是优先关注可能推翻自己理论的证据。2005 年修订的《人类误判心理学》里，他把达尔文列为对抗“第一结论偏差”最成功的人，并说这种做法的反面今天叫确认偏误；在讲“易得性误判”和讲 J&J 复盘旧收购时又两次提到它。2007 年南加州大学法学院演讲，他把它归入“客观性维护”的日常功课，和检查清单并列。“达尔文的金科玉律”这个标签是本书用的，出自达尔文自传里“golden rule”的说法，不是芒格的原话。
he always gave priority attention to evidence tending to disconfirm whatever cherished and hard-won theory he already had.
他总是优先关注那些可能推翻自己已有理论的证据，不管这个理论多么珍爱、多么来之不易。
He trained himself, early, to intensively consider any evidence tending to disconfirm any hypothesis of his, more so if he thought his hypothesis was a particularly good one.
他很早就训练自己，认真考虑任何可能推翻自己假设的证据；越是觉得某个假设特别好，就越这样做。
Darwin paid special attention to disconfirming evidence, particularly to disconfirm something he believed and loved.
达尔文特别注意反面证据，尤其是能推翻他所相信、所钟爱的东西的证据。
03怎么用
- 01
建一个“反证日志”，而不是只看仪表盘
在团队文档里开一页，专门记录和当前主要判断（目标客户是谁、哪个功能是核心、定价对不对）相冲突的事：一次流失访谈、一条差评、一个不按预期使用产品的大客户。规则照搬达尔文：看到就记，当天记，不先判断它重不重要。每两周开会时先读这一页，再看增长曲线。
- 02
评估 AI 功能时，先抽失败样本
不要用演示里最顺的几个例子判断模型够不够用。每次改提示词或换模型，从真实日志里随机抽一批对话，专门标出答错、答非所问、该拒绝没拒绝的条目，统计比例。成功案例只能说明“可能行”，失败样本才能告诉你“在哪里不行”。
- 03
上线前写下“什么结果会让我改主意”
做实验或推新功能之前，先写一句：如果某个指标在某个时间点低于某个值，就承认假设错了并停掉。事先写好的门槛，能防止事后把任何结果都解释成“方向是对的，只是还需要时间”。
- 04
在决策会上指定反方
芒格建议雇一些能把相反观点讲清楚的怀疑者。小团队雇不起专职反对派，可以轮流指派：每次重要决策，指定一个人只负责准备最强的反对理由和反面数据，并且这件事计入他的工作，而不是被看成不合群。
04案例
达尔文：把反例写进书里，还专门留一章
达尔文 1838 年读马尔萨斯时想到自然选择，到 1859 年《物种起源》出版隔了二十多年。他在自传里说，正因为多年坚持随手记下不利事实，书出版后别人提出的反对意见，几乎没有一条是他没注意到并尝试回答过的。《物种起源》第一版第六章就叫“理论的难点”，他在里面自己承认，说眼睛这样精巧的器官由自然选择形成，乍看“荒谬到了极点”，还写明了什么情况能推翻他：只要能证明有一种复杂器官不可能通过大量连续的微小变化形成，他的理论就“彻底崩溃”。先替对手找到最硬的反例，是这本书经得起攻击的原因之一。[4][5]
挑战者号：只画了出过事的航班
发射前一晚的电话会上，承包商 Thiokol 的工程师建议，O 形圈温度低于 53°F（此前最冷一次发射的温度）就不要发射；而当时预报发射时刻只有 26°F 左右。罗杰斯调查委员会后来指出两处问题。一是证据只看了一半：管理层比较温度时，只列了 O 形圈出过热损伤的航班，在这张图上看不出温度规律；把没出问题的航班也放进来，规律就很清楚：66°F 及以上的二十次飞行只有三次出现损伤，63°F 及以下的四次全部出现。二是举证方向被倒过来：工程师博伊斯乔利作证说，那次会上不是要他们证明可以飞，而是要他们拿出确凿证据证明不能飞。最后 Thiokol 管理层在内部讨论中改了口，工程师的反对没有传到最终拍板的人那里。[6][7]
沃森的 2-4-6：每次都对，规则却猜错了
实验者告诉受试者，“2, 4, 6”符合某条规则，让他们自己写三个数来试探，实验者只回答符合或不符合。真实规则比大多数人想到的都宽，实验特意设计成：只找支持性例子，几乎一定会得出错误结论。29 名受试者里，只有 6 人第一次宣布就答对；13 人先错了一次，9 人错了两次以上，1 人没给出结论。沃森发现，错两次以上的人恰恰是不能或不愿去检验自己假设的人。论文标题就叫“未能排除假设”。[8]
METR 的随机试验：开发者觉得快了 20%，实测慢了 19%
非营利评测机构 METR 找了 16 位熟悉大型开源仓库的开发者，把他们手上 246 个真实任务随机分成“允许用 AI”和“不许用 AI”两组，主要工具是 Cursor Pro 配 Claude 3.5/3.7 Sonnet。开发者事前预计 AI 会让自己快 24%，做完之后仍然估计快了 20%，但计时结果是用 AI 的任务多花了 19% 的时间。这项研究的价值不在于结论本身，METR 也明确说它不代表 AI 对多数开发者都没有帮助，并在后来的更新里标注这些结果已不反映现在的工具。它的价值在于展示了一个小团队最容易忽略的反证来源：自我感觉和计时数据可以方向相反。对一个靠“我们用 AI 效率翻倍”来做排期和招聘决策的小公司来说，花一周做一次简单的对照计时，比再多十个“感觉很快”的例子更有用。[9]
Rechat 的 Lucy：从“感觉不错”到逐条看失败日志
房地产软件公司 Rechat 给经纪人做了一个 AI 助手 Lucy。据参与项目的顾问哈梅尔·侯赛因在 2024 年 3 月的文章里记述，早期靠改提示词进展很快，团队主要靠“感觉检查”判断效果；功能面扩大后效果停滞，修好一种错误又冒出另一种，提示词越写越长。转折点是把反证系统化：为每个功能写断言式测试，记录全部对话轨迹，做一个能一眼看完一条对话上下文的内部审阅工具，让人逐条标好坏，再用标注结果校准模型评审。文章的核心建议是去掉“看数据”的一切阻力，而且永远不能停止看数据。这里的反证不是某个惊人的发现，而是每天成百条被记下来的失败样本。[10]
05误用与边界
把反证当成否决票
重视反证不等于见到一条反例就推翻一切。达尔文记下难点，是为了回答它们，而不是每遇到一个就放弃自然选择。要分清这条反证是打中了核心假设，还是只说明边界条件需要修正。一个客户的差评可能说明产品有洞，也可能只说明他不是目标客户；先查清楚，再决定改什么。
只对别人的观点用这条规则
最常见的走样是把它变成辩论武器：对同事的方案拼命找反例，对自己的方案照样只看好消息。芒格强调的是“自己的”“珍爱的”假设。检验办法很简单：最近一个月你记下的反证里，有多少条是针对你自己提出的判断？
无限收集反证，迟迟不做决定
小公司的时间和现金都有限，总能再找到一条反面信息。反证的作用是在行动前暴露致命风险、行动后尽早发现错误，而不是给拖延找理由。事先写下“什么证据会让我改主意”，同时也写下“到什么时候必须决定”。
06检查清单
下次做相关决策前逐条过一遍。勾选只保存在你的浏览器里。
08来源
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10