思考快与慢
Thinking, Fast and Slow · 2011
Kahneman 咬住一个主流理论绕过去的事实：人的判断错误不是随机噪声，而是有方向、可复现、几乎人人一致的系统性偏差。
主流经济学预设一个「理性行为人」——偶尔因情绪或分心出错，但错误随机、会互相抵消，长期看人还是理性的。Kahneman 和 Tversky 几十年的实验把这个假设拆了：给一群人看同一道题，他们不是各错各的，而是朝同一个方向一起错。
一个经典锚点是「Linda 问题」：先描述一个关心社会正义、参加过反核游行的女性，再问她更可能是「银行出纳员」，还是「银行出纳员且积极参与女权运动」。绝大多数人选后者——可后者是前者的子集，概率必然更低。这不是笨，是聪明人也一起掉进去的代表性启发：用「像不像典型」偷偷替换了「概率有多大」。
真正的难点在这里：明知偏见存在，也消不掉。 Kahneman 坦承自己研究了一辈子，照样犯同样的错。所以旧问题「人到底理不理性」是问偏了；该问的是——这些错误，是从哪一台机器里被稳定生产出来的？
Kahneman 的回答是一套心智双系统架构，外加一台制造偏误的引擎。
系统1：快、自动、省力、全天候在线。识别人脸、读出语气、感到危险、算出 2+2——它不需要你「决定」去想，答案自己就冒出来了。
系统2：慢、费力、带宽极窄，负责需要专注的运算（试试边走路边算 17×24）。它自以为是这台心智的理性主人。
关键不在「有两套系统」这个标签，而在两者的分工与失灵：系统2 本该是审核员，复核系统1 递上来的每一个直觉——但它天生懒惰。只要系统1 给出一个「看起来合理」的答案，系统2 就欣然盖章放行，根本不去验算。这种懒不是意志薄弱，是带宽的硬件限制，Kahneman 称之为「认知吝啬」。
偏误的引擎叫属性替换：碰到一个难问题（「这家公司会成功吗？」），系统1 悄悄把它换成一个容易回答的问题（「创始人的故事顺不顺、够不够动人？」），然后回答后面这个，而系统2 浑然不觉，替这次偷换盖了章。锚定效应、可得性启发、代表性，全是这一次次偷换的产物——锚定是抓住第一个数字当地基，可得性是用「能想起几个例子」替代真实频率。
替换之所以骗得过系统2，靠的是 WYSIATI（你所见即全部）：系统1 只用手头现有的信息拼出一个最连贯的故事，对缺失的信息毫不标注。于是信息越少，故事反而越顺、你反而越自信——这是全书最反直觉的一刀。
这台机器也定义了「价值」怎么被扭曲。前景理论指出：人不在「财富总量」上算账，而在「得失变化」上算；而损失厌恶让丢 100 块的痛，约等于赚 250 块的爽（≈2.5 倍）。它解释了为什么人赚钱时落袋为安、亏钱时反而死扛。到了幸福层面机器再骗一次：经验自我 vs 记忆自我——你记住的不是体验的积分，而是被峰终定律（峰值 + 结尾）定义的摘要。旅行最后一天淋雨，能毁掉整段回忆。
刺激 / 难问题
│
▼
系统1：秒出直觉（自动·全天候·省力，永不下班）
│
│ ⟍ 属性替换（旁路）：难问题偷换成易问题
│ 「会成功吗?」→「故事顺不顺?」
▼
系统2：该复核吗？（慢·费力·带宽窄，天生懒）
│
├─ 默认：盖橡皮章 ──────► 带系统性偏误的判断
│
└─ 被清单/规则/统计叫醒 ─► 经复核的判断
WYSIATI 贯穿全程：只拼手头信息，信息越少、故事越顺、人越自信
f(x) · 怎样回应这个世界
接受这台机器，处理判断的方式要整个反过来。
别再靠意志「更理性」。 系统2 的懒是硬件级的，喊口号、打鸡血叫不动它。管用的是在传送带上预埋关卡：重大决策走清单、查统计 base rate、强制自己先写一条反面假设——让系统1 的直觉必须先过这道闸，而不是指望临场把审核员叫醒。
把「故事太顺」当成警报，而不是信心来源。 下次你觉得「肯定是这样」，先按 WYSIATI 反问一句：我手里这点信息是「全部」，还是只是「我看得见的那点」？越是天衣无缝、找不到反例的解释——阴谋论、带节奏的标题、完美的商业叙事——越可能是缺口被系统1 忽略了，而不是它真的成立。
在风险决策里，先认出损失厌恶在放大哪个「丢」字。 死守亏损仓位、不肯认沉没成本、为消除小概率损失付荒谬保费——这些不是纪律问题，是那 2.5 倍的音量在扭曲你。解药同样不是「心态好」，是用事先定好的规则替代临场的直觉裁决。
评价体验时，先分清你在服务哪个自我。 当你用峰值和结尾给一段旅行、一个项目、一段关系打分，你优化的是记忆自我，不是那个真正活过每一分钟的经验自我。看清这层冲突，才谈得上决定为哪一个而活。
Kahneman 交到你手里的不是「如何做出更好决策」的技巧，而是对自己判断的一种永久的、健康的怀疑——觉察消不掉偏见，但能让你为绕过它，去设计更靠得住的系统。