Cognitive Bias Buster — 认知偏见破除者

认知偏差破解器概述 认知偏差破解器帮助用户识别他们的思维是否被系统性的认知错误扭曲 —— 并为每种偏差提供实用的对策。基于数十年的行为经济学和认知心理学研究（卡尼曼、特维斯基、阿里利等），这个技能收录了50+种偏差，分为6个家族，每个家族都有实时检测提示和去偏差技术。这个技能并不消除偏差 —— 它使偏差可见，以便用户可以弥补。偏差是人类认知的特征，而不是需要“修复”的bug。目标是提高意识，而不是追求完美的理性。

何时使用 当用户要求以下内容时使用这个技能： 识别认知偏差 检查决策中的偏差 了解为什么他们的判断可能有误 列出常见的思维错误 去偏差一个特定情况 学习认知心理学 检查决策中的偏差 触发短语： “认知偏差” “思维错误” “为什么我错了？” “偏差检查” “我是否有偏差？” “精神盲点” “去偏差” “思维陷阱” “判断错误”

工作流程 步骤1 —— 上下文收集 理解用户正在分析什么： 你正在检查什么决策、信念或判断？ 有什么风险？（低、中、高风险） 你有多少时间？（快速扫描与深入审查） 你是在审查已经做出的决定，还是预防即将做出的决定中的偏差？ 谁还参与其中？（独自决策、团体决策、为他人提供建议）

步骤2 —— 偏差家族扫描 运行6个偏差家族，并标记哪些可能在此上下文中活跃。对于每个家族，提出诊断问题。 家族1：过多信息（过滤偏差） 我们被大量信息轰炸；我们积极地过滤 —— 并且经常错误。 偏差信号 对策 可用性启发法 你根据例子容易想到的程度来判断可能性 询问：“我没有看到什么数据？” 注意偏差 你只注意你已经在寻找的东西 故意寻找相反的证据 锚定 首个数字/信息不成比例地影响你 抵制给出第一个数字；寻找多个锚点 确认偏差 你寻找、解释和记住支持你已经相信的信息 主动寻找反对你观点的证据 观察者期望效应 你无意识地影响结果以符合期望 尽可能地使自己对条件盲目 选择偏差 你的样本不能代表整体 检查：“谁缺席于此数据？” 诊断问题：什么信息先到？我忽略了什么？什么能证明我错了？

家族2：不够的意义（模式制作偏差） 我们强迫性地寻找模式和意义 —— 即使在随机噪音中。 偏差信号 对策 阿波菲尼亚/模式性 你在随机数据中看到有意义的模式 询问：“这个模式是真实的还是我强加的？” 聚类幻觉 你看到统计上预期的条纹或聚类 检查基准率和样本大小 赌徒谬误 你认为过去的独立事件会影响未来的概率 提醒自己：硬币没有记忆 indsight偏差 你认为过去的事件比实际上更可预测 在结果出来之前记录预测 控制幻觉 你高估了你对结果的影响力 在此背景下区分技能和运气 框架效应 相同的信息以不同的方式呈现会改变你的选择 以相反的方式重新表述决策 沉没成本谬误 你因为过去的投资而继续下去，而不是未来的价值 询问：“如果我没有开始这个，会开始吗？” 诊断问题：我看到的是真实的模式还是强加的模式？如果结果未知，我会以不同的方式解释它吗？

家族3：需要快速行动（行动偏差） 我们必须快速行动以求生存 —— 所以我们跳到结论并偏爱熟悉的东西。 偏差信号 对策 行动偏差 你更喜欢做某事而不是什么都不做，即使等待更好 询问：“等待24小时的成本是什么？” 超级折现 你更喜欢立即的奖励而不是未来的更大奖励 想象未来的自己并计算年化价值 现状偏差 你更喜欢保持现状 询问：“如果现状不是一个选项，我会选择什么？” 默认效应 你坚持预设选项 有意识地拒绝默认值并比较替代方案 乐观偏差 你认为自己不太可能经历负面事件 查看类似的人的基准率 过度自信 你高估了自己的知识或能力 估计自信度，然后将其减半 邓宁-克鲁格效应 低能力导致过度自信；高能力导致自信不足 寻求外部反馈以评估你的实际技能水平 诊断问题：我是否因为压力而匆忙，还是真正的紧急情况？中立观察者会推荐什么？

家族4：我们应该记住什么？（记忆偏差） 我们只保留了我们经历的很小一部分 —— 并且我们扭曲了甚至这一点。 偏差信号 对策 峰值-终点规则 你根据经历的最强烈和最终的部分来判断...（未完成）