
Darwinian Objectivity
- 45 installs
- 28 repo stars
- Updated April 17, 2026
- kangarooking/poor-charlies-almanack-skill
Apply mental models to improve decision-making in business and investments
About
Mental model from Poor Charlie's Almanack on objective thinking. Framework for systematic thinking and decision quality.
- Time-tested investing and business wisdom
- Cross-disciplinary mental model framework
Darwinian Objectivity by the numbers
- 45 all-time installs (skills.sh)
- +2 installs in the week ending Aug 2, 2026 (Skillselion tracking)
- Ranked #606 of 1,106 Finance & Trading skills by installs in the Skillselion catalog
- Data as of Aug 2, 2026 (Skillselion catalog sync)
npx skills add https://github.com/kangarooking/poor-charlies-almanack-skill --skill darwinian-objectivityAdd your badge
Show developers this skill is listed on Skillselion. Paste this into your README.
| Installs | 45 |
|---|---|
| repo stars | ★ 28 |
| Last updated | April 17, 2026 |
| Repository | kangarooking/poor-charlies-almanack-skill ↗ |
What it does
Apply mental models to improve decision-making in business and investments
Files
达尔文极端客观性方法
R — 原文 (Reading)
达尔文能够取得这样的成就,主要是因为他的工作方式……他总是致力于寻求证据来否定他已有的理论,无论他对这种理论有多么珍惜,无论这种理论是多么得之不易。
>
— 查理·芒格, 第一讲 哈佛学校毕业典礼演讲
查尔斯·达尔文是最成功地化解第一结论偏见的人之一。他很早就训练自己努力考虑任何有可能证伪他的假说的证据,尤其是在他认为他的假说特别出色时更是如此。
>
— 查理·芒格, 第十一讲 人类误判心理学(倾向五)
---
I — 方法论骨架 (Interpretation)
普通人形成观点后,本能反应是寻找支持它的证据。达尔文反其道而行:观点越让自己信服,就越要刻意寻找反面证据。
这不是"也要看看反面"的温和建议,而是优先级反转——反面证据比正面证据更重要。原因在于人类大脑的两种系统性行差:(1)确认偏见——自动过滤不利信息;(2)避免不一致性倾向——一旦形成结论就本能排斥与之矛盾的新信息。两者联合作用,使大多数人"早年取得成就后就越来越拒绝新的、证伪性的信息"。
达尔文方法的核心操作:一旦发现任何与已有理论不符的事实,立即记录下来,因为人脑会自动忘记不利的证据。这不是谦虚,而是系统性的对抗自己大脑的工作机制。
---
A1 — 书中的应用 (Past Application)
案例 1: 达尔文自身的实践——从"中等生"到科学巨人
- 问题: 达尔文在哈佛学校的成绩大概只能排到中等,为什么他能在科学史上取得如此巨大的成就?
- 方法论的使用: 芒格分析,达尔文的成功"主要是因为他的工作方式"——他特别强调逆向思考,总是致力于寻求证据来否定已有的理论。大多数人早年取得成就后就拒绝新的证伪性信息,但达尔文反其道而行,越珍惜的理论越要找反面证据。这种"极端客观"的态度让他成为"蒙眼拼驴尾游戏中惟一那个没有被遮住眼睛的玩家"。
- 结论: 客观性不是天生的聪明,而是一种可以通过训练获得的、系统性的工作习惯。
- 结果: 达尔文的进化论经受住了150多年的检验,成为现代生物学的基石。
案例 2: 爱因斯坦晚年的"脑梗阻"——反面教材
- 问题: 为什么巅峰时期的爱因斯坦能够推翻自己的错误理论,晚年却无法接受量子力学?
- 方法论的使用: 芒格用爱因斯坦作为达尔文方法的反面教材。处在巅峰期的爱因斯坦"非常善于摧毁他自己的思想",这符合达尔文方法。但晚年的爱因斯坦却"从没有完全接受量子力学"——这说明即使是最伟大的头脑,如果在晚年停止了对证伪性信息的开放态度,也会陷入"脑梗阻"。
- 结论: 达尔文方法必须终身坚持,否则即使天才也会退化到普通人的认知水平。
- 结果: 爱因斯坦在统一场论上耗费晚年却无所建树,而拥抱量子力学的年轻物理学家们推动了科学的飞跃。
案例 3: FDA双盲试验——达尔文方法的制度化
- 问题: 如何在科学研究中系统化地防止确认偏见?
- 方法论的使用: 芒格指出FDA效仿达尔文的做法,要求新药研究必须采用反确认偏见的"双盲试验"方法。双盲试验的本质就是制度化地防止研究者(和被试)的确认偏见影响结果。这是达尔文"特别关注反面证据"方法在社会制度层面的应用。
- 结论: 当一种对抗认知偏差的方法被制度化为标准流程时,其效果远超个人意志力。
- 结果: 双盲试验成为现代医学研究的金标准,极大降低了错误结论的风险。
---
A2 — 触发场景 (Future Trigger) ★
用户会在什么情境下需要这个 skill?
1. 形成了强烈的观点/结论后,在付诸行动前需要检验其可靠性 2. 发现自己开始排斥与已有观点矛盾的信息,或只寻找支持性证据 3. 团队决策中,所有人都认同某个方向,没有人提出反面论证
语言信号 (用户的话里出现这些就应激活)
- "我觉得这肯定是对的/不可能错"
- "有什么证据能反驳我的判断?"
- "大家都同意这个方案"
- "我越是想越觉得有道理"
- "反面意见我都不想听了"
与相邻 skill 的区分
- 与
inversion的区别: 逆向思维是"先研究如何失败"的推理策略,达尔文方法是"先找反面证据"的验证策略。前者用于构建解决方案,后者用于检验已有结论。两者互补但阶段不同。 - 与
dual-track-analysis的区别: 双轨分析同时运行理性轨道和潜意识轨道,达尔文方法专注于理性轨道内部的"反面证据优先"策略。双轨是广角镜头,达尔文方法是聚焦镜。
---
E — 可执行步骤 (Execution)
1. 列出你的核心假设 — 明确写出你当前判断所依赖的1-3个核心假设。完成标准:每个假设都可以被事实证伪(如果假设不可证伪,说明它太模糊)。 2. 系统性搜索反面证据 — 针对 each 核心假设,刻意寻找并记录至少3条可能证伪它的证据或论据。特别关注你最不想看到的证据——那往往是最有价值的。完成标准:列出的反面证据中有至少一条让你感到不舒服的。 3. 压力测试并重新评估 — 问自己:"如果我找到的最强反面证据是真的,我的结论是否还站得住?"如果答案是"站不住"或"不确定",则必须修正结论。只有当你穷尽了所有能想到的反面证据后,结论仍然成立,你才有权持有这个观点。完成标准:要么确认结论经受住了压力测试,要么明确修正了结论。
---
B — 边界 (Boundary) ★
不要在以下情况使用此 skill
- 紧急决策场景——当你只有几分钟做出判断时,系统性地搜索反面证据不现实
- 在信息收集的早期阶段——当你还没有形成任何观点时,不需要证伪
- 当你用它来"证明自己很客观"——如果你搜索反面证据只是为了展示自己"考虑过"然后忽略它们,这比不搜索更危险
作者警告的失败模式
- "确认偏见"——大多数人搜索证据时本能地只看支持性的一面
- "第一结论偏见"——快速形成的第一个结论会被避免不一致性倾向锁定,之后很难改变
- 爱因斯坦晚年"脑梗阻"——即使曾经善于自我颠覆的人,也可能在晚年丧失这种能力
- 社会科学院系长期坚持错误范式——制度化的确认偏见比个人的更顽固
作者盲点/时代局限
- 芒格假设理性客观的态度可以通过训练获得,但性格因素(他自己也承认)有很大先天成分
- 对"检查清单"方法可以系统性地避免确认偏见的假设——但清单本身的设计和执行也受偏差影响
- 在高噪声环境中(如金融市场),反面证据和随机噪声难以区分,达尔文方法可能导致过度修正
- "立即记录反面证据"的操作建议在信息爆炸时代可能需要更精细的筛选机制
容易混淆的邻近方法论
- "逆向思维"是构建解决方案的策略(从失败出发推导成功),达尔文方法是验证已有结论的策略(找反面证据)。方向相反但互补。
- "避免不一致性倾向"的防范是达尔文方法要对抗的核心心理障碍,但它本身不是方法论,而是需要克服的偏差。
---
相关 skills (阶段 3 填充)
- contrasts-with:
inversion-thinking— 逆向思维在构建解决方案时使用(从"怎么失败"推导"怎么成功"),达尔文方法在验证已有结论时使用(刻意寻找反面证据)。两者看似都涉及"反面",但阶段不同:先用逆向思维构建方案,再用达尔文方法验证方案。 - composes-with:
dual-track-analysis— 双轨分析提供广角镜头(理性+潜意识两条轨道并行),达尔文方法在理性轨道内部提供聚焦工具(系统性地搜索反面证据)。先用双轨分析检查整体判断质量,再用达尔文方法对理性结论做深度压力测试。
---
审计信息
- 验证通过: V1 cross-domain / V2 predictive-power / V3 exclusivity
- 测试通过率: 待定
- 蒸馏时间: 2026-04-15
{
"skill": "darwinian-objectivity",
"version": "0.1.0",
"source_book": "《穷查理宝典》— 查理·芒格",
"darwin_compatible": true,
"test_cases": [
{
"id": "should-trigger-01",
"type": "should_trigger",
"prompt": "我研究这个行业三个月了,越看越觉得自己的判断是对的,反面意见我都不想听了,有什么证据能反驳我吗?",
"expected_behavior": "应激活 darwinian-objectivity, 并帮助用户系统性搜索反面证据——语言信号'反面意见不想听'恰恰说明确认偏见已开始作用",
"notes": "命中 A2 语言信号: '反面意见我都不想听了' + '有什么证据能反驳' + 确认偏见迹象"
},
{
"id": "should-trigger-02",
"type": "should_trigger",
"prompt": "我们团队讨论了一下午,所有人都同意这个方案,觉得肯定没问题,准备明天就拍板执行",
"expected_behavior": "应激活 darwinian-objectivity, 并指出'所有人都同意'是确认偏见的群体表现——没有人提出反面论证本身就是风险信号",
"notes": "命中 A2 场景: 团队决策中所有人都认同,没有人提出反面论证 + 语言信号'大家都同意'"
},
{
"id": "should-trigger-03",
"type": "should_trigger",
"prompt": "我觉得这个投资逻辑不可能错,行业趋势明确、管理层优秀、估值又低,简直完美",
"expected_behavior": "应激活 darwinian-objectivity, 并引导用户列出核心假设后系统搜索反面证据——'不可能错'和'简直完美'是确认偏见的高危信号",
"notes": "命中 A2 语言信号: '我觉得这肯定是对的/不可能错' + '我越是想越觉得有道理'"
},
{
"id": "should-trigger-04",
"type": "should_trigger",
"prompt": "我正在写一篇分析报告,已经收集了很多支持我观点的数据,但总觉得不够严谨,想看看有没有反面证据",
"expected_behavior": "应激活 darwinian-objectivity, 并帮助用户针对核心假设逐条搜索证伪证据——用户主动寻求反面证据正是达尔文方法的核心操作",
"notes": "命中 A2 场景: 形成强烈观点后需要检验可靠性,且主动寻求反面证据"
},
{
"id": "should-not-trigger-01",
"type": "should_not_trigger",
"prompt": "达尔文的进化论和自然选择学说是怎么发展出来的?他对科学的贡献有哪些?",
"expected_behavior": "不应激活, 因为这是关于达尔文本人的历史/科学知识查询,不是在应用达尔文的客观性方法来检验自己的判断",
"notes": "诱饵: 提及'达尔文'但完全是学术知识查询"
},
{
"id": "should-not-trigger-02",
"type": "should_not_trigger",
"prompt": "帮我收集一下新能源汽车行业的数据,市场规模、增长率、主要玩家",
"expected_behavior": "不应激活, 因为 B 段指出在信息收集的早期阶段——还没有形成任何观点时,不需要证伪",
"notes": "诱饵: 涉及研究分析但处于信息收集阶段,用户尚未形成观点"
},
{
"id": "should-not-trigger-03",
"type": "should_not_trigger",
"prompt": "服务器突然宕机了,客户在催,我需要立刻判断是数据库问题还是网络问题",
"expected_behavior": "不应激活, 因为 B 段明确排除紧急决策场景——系统性地搜索反面证据不现实",
"notes": "诱饵: 需要做判断但属于紧急场景,不是方法论检验的合适时机"
},
{
"id": "edge-01",
"type": "edge_case",
"prompt": "我看了三篇都说AI要替代90%工作的文章,我觉得这肯定是危言耸听,不可能的",
"expected_behavior": "可激活但方向反转, 用户已形成强烈观点('不可能'),需要用达尔文方法检验这个判断——但有趣的是用户站在'否定'的一面,同样需要证伪",
"notes": "边界: 用户对负面预测持否定态度——否定性结论同样需要达尔文方法的检验"
},
{
"id": "edge-02",
"type": "edge_case",
"prompt": "我对比了五个方案,列了各自的优缺点,但就是拿不定主意选哪个,你帮我看看",
"expected_behavior": "不应激活, 因为用户还在比较方案阶段,尚未形成强烈观点或结论。犹豫不决≠确认偏见",
"notes": "边界: 表面涉及'决策'和'评估',但用户尚无结论,不存在需要证伪的已有观点"
}
],
"minimum_pass_rate": 0.8,
"notes": "至少3条should_trigger+2条should_not_trigger+1条edge_case。全部should_not_trigger必须通过。"
}