X 用户 Svwang1 5 月 26 日发了一条整理自己与 Claude 的对话，主题是”如何从决策错误中加速学习”。他把对话里被认为最有价值的三个点提炼出来：建立快速反馈机制、用书面 pre-mortem 防止事后自我合理化、主动搜寻警示信号。这条帖子在工程师圈里被转了两万次，原因是它把一个偏心理学的话题用工程语言落了下来。
“反思最难的是诚实。事前写下你预期会发生什么、为什么这样判断，事后回看一眼——这个动作能把人对自己的滤镜砍掉一半，比任何复盘模板都有效。”
pre-mortem 这个工具不是 AI 时代发明的
书面预测决策结果的做法在认知心理学里叫 pre-mortem，Gary Klein 在 2007 年 HBR 一篇短文里把它推广开，他在《Sources of Power》和后续论文里反复论证：人类对自己过去判断的记忆系统性偏向”我当时其实知道”，这种现象叫 hindsight bias（事后偏见），后果是错误决策很难被认真复盘。把预期写下来是对抗 hindsight bias 最便宜的方式。
Daniel Kahneman 在《思考，快与慢》里专门讨论过这个工具，他的描述被 Svwang1 的帖子在评论区反复引用：
“事前写下你预测的失败原因，比事后做任何复盘都更接近真相，因为那时你还没有为自己辩护的动机。”
把这套工具搬到与 AI 的对话里有什么意义
Svwang1 这条帖子的真正价值不在于提出了新方法，而在于演示了一种日常用法——把对话模型当成”自我反思的脚手架”。模型不会忘记你上周写下的预测，可以追问你”上次你判断这个项目六个月会出结果，现在两个月过去了，进展如何”。Claude Projects 把上次预测固定在上下文里，避免每次重新粘贴，这是对反思流程的一种工程化简化。这种问法是教练才会做的，过去普通人没有教练，但现在每个人都可以让 AI 充当这个角色。写下真实预期才是最难的一步——比 AI 是否聪明难得多。
参考链接
