01原理
反馈回路是指：系统的结果被测出来，再送回去改变下一步的动作。回路有两个方向。正反馈让偏差自我放大，多的越来越多，本书在“自催化”和“临界质量”里已经讲过。这一章讲另一种更常见、也更容易被忽视的：负反馈。偏差被测出来后，系统朝相反方向修正，把自己拉回目标。恒温器、发动机调速器、人的体温、库存补货，都是负反馈。
负反馈要好用，得同时满足三件事。第一，测的是你真正在乎的东西，传感器没有偏。第二，测到之后能尽快作用回去，时滞短。第三，每次修正的力度合适，不多也不少。任何一件出问题，回路都会失灵：传感器偏了，系统会稳稳地停在错误的位置；时滞太长或者下手太重，系统会冲过头，再反向冲过头，来回震荡。
芒格转述斯金纳时讲的，其实就是时滞。行为和结果隔得越近，大脑越容易把两者连起来；“重复有效的行为”这条自然算法，前提是“有效”的信号来得及时、来得准。对一家小公司，这句话可以翻译成三个问题：你每天的决定依据的是什么信号，这个信号要多久才回来，回来的是真实结果还是一个代用指标。
为什么成立
震荡来自时滞。控制者看到的偏差，反映的是过去某一刻的状态。在信号回来之前，他一直在加力修正；等信号终于显示“已经回到目标”，多加的那部分修正已经发生，系统就冲过了头，接着反向修正，再冲过头。时滞越长、每次下手越重，摆幅越大，严重时一轮比一轮大，系统彻底失控。所以有时滞的系统，正确做法往往是修正得更轻、等得更久，而不是更用力。
链条越长，放大越厉害。如果每一级都只看下游传上来的订单，看不到终端的真实需求，每一级又各自加一点安全余量，信息每传一级就被放大一次。另一种失效发生在传感器上：回路越强，越能把测量值推到目标，也越会找到“测量值变好、实际没变好”的捷径。一个强大的优化回路配一个有偏的评测，结果是稳定地优化错误的东西。芒格讲的喜爱与崇拜互相强化，则提醒我们，人的判断本身也身处回路之中，同样会被放大。
02芒格怎么说
芒格在 2005 年修订版《人类误判心理学》里明确用过“反馈模式”（feedback mode）这个说法：讲喜欢/热爱倾向时，他说喜爱让人崇拜对方，崇拜又反过来加深喜爱，两者在反馈模式里互相放大，后果常常走向极端。同一篇讲奖励时，他转述斯金纳的实验，把“重复有效的行为”称为自然界反复出现的通用行为算法，并强调及时的奖励比延迟的奖励更能塑造行为。他是在心理倾向里用这个概念，没有把反馈回路当成独立的物理或控制论模型展开；本章关于负反馈、时滞和震荡的部分是编者的延伸。正反馈的自我加速，见“自催化”和“临界质量”两章。
With this “feedback mode” in place, the consequences are often extreme, sometimes even causing deliberate self-destruction to help what is loved.
一旦进入这种“反馈模式”，后果往往很极端，有时甚至让人为了帮助所爱之物而故意毁掉自己。
Repeat behavior that works.
重复有效的行为。
03怎么用
- 01
先量出每个决策的回路周期
把公司里反复做的决定列出来：定价、招人、提示词和模型改动、获客渠道、功能取舍。每一项写下结果信号多久能回来：提示词改动可能是几小时，定价要等一个完整账单周期的续费，招人的好坏要几个月。调整频率不要快过信号周期；能缩短周期的地方优先缩短，比如灰度发布、按天切分的留存队列、直接读用户原始对话。
- 02
有时滞时，小步调、等信号
信号回来得慢，就把每次调整的幅度定小，并且约定调完之后至少等一个周期再判断。最常见的错误是：改了价格、一周没看到效果、又改一次，两次改动的影响叠在一起，谁也说不清发生了什么。可以在决策记录里写明“下次复看日期”，在那之前不追加。
- 03
给每个被自动优化的指标配一个反指标
凡是交给模型、代理或增长实验去“自动做高”的数字，都配一个它不该牺牲的数字和一次人工抽查：接受率配留存，评测分配人工复核，速度提升配正确性校验，转化率配退款率。指标突然大幅变好时，先当成传感器出了问题来查，再当成好消息。
- 04
让终端信号直接到达做决定的人
小团队最大的结构优势是链条短。别让它在内部重新变长：写提示词的人直接看失败对话和退款原因，做定价的人直接看续费和流失名单，而不是看周报里转述过的汇总。每多一层转述，就多一次放大和失真的机会。
- 05
在容易自我放大的地方预先装阻尼
招人和裁员、GPU 和库存的预订、对一条舆论的回应，都容易在情绪里越推越猛。事先定好上限、冷却期和需要两个人同意的规则，比事后靠意志力刹车可靠。
04案例
瓦特的调速器和麦克斯韦的四种扰动
1788 年，瓦特在合伙人博尔顿的建议下给蒸汽机装上离心调速器：转速一高，飞球外张，通过连杆关小进汽阀；转速一低，阀门又开大。这是工业史上最有名的负反馈装置之一。但它并不自动稳定，随着发动机越转越快，基本的瓦特式调速器容易修正过头，在开阀和关阀之间来回摆，让机器转不平稳，后来的工程师陆续加了配重、弹簧等改进。1868 年，麦克斯韦在英国皇家学会发表《论调速器》，把装了调速器的机器受到的扰动分成四种：持续增大、持续减小、振幅越来越大的振荡、振幅越来越小的振荡，指出好的调速器只能出现第二种和第四种，并把这个要求写成了数学上的稳定性条件。教训很直接：装了负反馈不等于稳定，回路的参数决定它是收敛还是越摆越大。[2][3]
帮宝适的牛鞭效应：婴儿匀速用尿布，订单却越往上游甩得越狠
宝洁的物流主管查看帮宝适的订单时发现：零售店的销量有波动，但不算大；分销商向宝洁下的订单波动大得多；宝洁再向 3M 等供应商下的原料订单，波动更大。婴儿用尿布的速度很平稳，需求信号却一级比一级失真，宝洁把它叫作“牛鞭效应”。惠普的打印机也一样：经销商的销售有起伏，经销商给惠普的订单起伏更大，打印机部门给集成电路部门的订单起伏又更大。因为看不到渠道里的真实销量，惠普只能拿经销商的订单去做预测、排产和定产能。斯坦福的 Hau Lee 等三位学者 1997 年在《斯隆管理评论》上系统分析了这个现象，列出的代价包括库存过多、预测失准、产能过剩或不足、缺货和积压、加急运输和加班。每一级都在做合理的负反馈，看着下游的订单补货，可它们看的都不是终端需求，叠在一起就成了放大器。[4]
Cursor Tab：把模型的反馈周期压到一两个小时（大公司案例）
Cursor 的 Tab 补全模型每天处理超过 4 亿次请求，用户每次按 Tab 接受或者无视建议，都是一个现成的反馈信号。2025 年 9 月，Cursor 发文介绍他们用在线强化学习训练 Tab：建议被接受给正奖励，被拒绝给负奖励，不出建议记零；按文中的例子，接受给 0.75、拒绝给 -0.25，模型就会只在估计接受概率超过 25% 时才出建议。策略梯度方法需要当前模型自己产生的新数据，所以他们一天内多次把新检查点推给用户，从上线到收集完下一步训练所需的数据要 1.5 到 2 小时。文章说这在业内已经算快，多数厂商是在静态数据上训练，几个月才发一次版本，但他们认为还能更快。新模型比旧模型少出 21% 的建议，接受率高 28%。Cursor 当时已经不是十人小团队，这里借的是思路：把回路缩短，把奖励设计成同时惩罚“乱出建议”，而不是单纯追求接受数。[5]
05误用与边界
把什么都叫“反馈回路”
两件事同时变化，不等于它们构成回路。要说是回路，得找出一条闭合的因果链：A 改变 B，B 又经过可以说清的途径回头改变 A。找不到这条链，“飞轮”“回路”就只是事后讲的故事，用它做决定会高估自己能控制的东西。
以为反馈越快、越敏感越好
缩短时滞是好事，但对噪声大的信号反应太快，会把随机波动当成信号来回调：日活掉一天就改产品，一个大客户抱怨就改定价。增益太高本身就会带来震荡。快的回路要配足够的样本量和平滑，慢的结论别用快的数据下。
只盯回路里的指标
被回路持续优化的那个数字会越来越好看，回路之外的东西却没人看守：接受率之外的代码质量，评测分之外的真实正确率，转化率之外的长期信任。优化越成功，越要定期跳出回路，用另一种方式检查真实结果。
用负反馈的直觉对付正反馈主导的局面
负反馈的世界里，耐心等待系统回到均衡通常是对的。但在网络效应、挤兑、口碑崩塌这类正反馈主导的局面里，等“自然回归”会错过唯一能干预的时间窗口。先判断此刻哪个方向的回路占上风，再决定是等还是立刻动手。
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