Operating principles
三条运行原则
判断 → 行动 → 约束
看清现实
我很容易从具体问题里看到结构和机制。这能提高理解速度，也容易让解释形成得太快，后来看到的信息被塞进已有框架。
所以先控制结论的速度。确认发生了什么，分清事实、解释和感受，再看参与者、激励、资源、权责和限制条件。最后根据证据决定自己能说到哪一步。
1.1 区分事实、判断和情绪
情绪值得被承认，但不能直接充当事实。判断也需要说明依据。写东西或者讨论问题时，尽量知道自己说的每一句话属于哪一层。
1.2 先拆机制，再评价
面对产品、组织、技术系统或公共事件，我会先看谁在行动、激励来自哪里、资源怎样流动、权责如何分配，以及参与者受到什么约束。评价放在这些问题之后。
1.3 证据弱，就降低语气
材料只支持“可能”，就只说“可能”；只能证明局部现象，就不急着推成普遍规律。留下“不知道”和“目前看起来”通常比补齐一个完整故事更可靠。
1.4 AI 可以参与判断过程，判断责任仍然属于我
AI 很适合搜集材料、整理信息、寻找反例、检查逻辑和生成备选方案。语言流畅会让解释显得更可信，所以越是完整的答案，越要检查证据从哪里来。
给自己的检查问题
- 我现在说的是事实、解释，还是感受？
- 我知道这件事具体怎样运转吗？
- 有没有把局部观察推成整体规律？
- 现有证据最多支持我说到哪一步？
- 这个判断来自现实材料，还是我已经习惯的一套叙事？
进入现实
分析、复盘、记录和讨论很容易给我一种事情已经处理过的感觉。一个问题被解释得越清楚，这种完成感越强。
现实不会因为解释完整自动变化。一次有价值的理解，最好能改变一个判断、动作、沟通、方案或选择。能推动的部分很小也没关系，至少要知道下一步在哪里。
2.1 理解之后，至少改变一件事
一次分析结束后，我会问它改变了哪个判断、动作、沟通或选择。如果答案是什么都没有，这件事大概率还停留在认知层。
2.2 先找自己能影响的部分
当我开始怀疑一件事的价值时，先判断问题对谁成立、在什么时间尺度上成立，以及自己能推动多少。哪怕只能影响 10%，也值得先看清这个 10%。如果长期没有影响空间，再认真考虑退出。
2.3 宏观判断要回到底层细节
机制、组织和战略层面的判断只能提供方向。项目真正往前走，靠的是接口、排期、责任人、指标、资源、沟通和利益协调。
2.4 工具要有出口
知识库、自动化、提示词、AI 工作流和长期文档需要流向实际产出，比如决策、文章、项目、沟通、复盘或产品方案。一个系统如果长期只提供整理的满足感，就该检查它还有没有存在的必要。
2.5 文档要帮助下一步发生
PRD、研究方案、谈判材料和复盘文档的价值，最终体现在后续协作有没有更顺畅。看完之后仍然不知道下一步做什么，文档就还没有完成任务。
给自己的检查问题
- 这次我到底看清了什么？
- 它改变了哪个具体动作？
- 我现在在推进事情，还是只是在评价事情？
- 我能够影响的部分是什么？
- 这个系统最近产生了什么实际结果？
- 下一步究竟是什么？
管理约束
现实行动总有约束。时间、钱、家庭责任、组织权限、技术条件、健康、隐私和不确定性都会限制选择。提前看到这些限制有价值，但不断推演风险也会消耗注意力。
我需要做的是把约束变成策略：判断风险是否真实、后果能否逆转、哪些变量可以建模、哪里需要缓冲和防护，以及什么情况下应该重新评估。
3.1 风险先分级
先区分现实风险和想象风险、可逆风险和不可逆风险、能够处理的风险和只能接受的不确定性。不同风险需要不同投入，不要把它们混成一团焦虑。
3.2 可逆问题优先小步试错
如果一次选择成本有限、容易恢复，就减少过度建模。先做小规模尝试，用真实反馈更新判断。
3.3 重大决策算清边界条件
涉及大额金钱、家庭安排、职业变化或长期承诺时，尽量明确现金流、机会成本、最坏情况、可承受损失和退出条件。能算的先算。
3.4 风险感要转成防护动作
担心隐私，就做分级、脱敏、权限控制、备份或本地化；担心系统失效，就准备迁移和降级。风险感长期没有对应动作时，它多半已经开始内耗。
3.5 复杂度本身也要付成本
增加工具、流程和规则时，也增加维护、迁移和故障成本。任何长期系统都应该允许退出、简化和降级。
给自己的检查问题
- 真正限制我的条件是什么？
- 这个风险已经发生，还是只是可能发生？
- 这次选择能不能逆转？
- 我已经采取了什么实际防护？
- 继续研究还能带来新的行动吗？
- 什么情况出现时，需要重新评估原来的决定？