按场景浏览

更适应环境的个体有更多后代，有利性状在种群中逐渐积累——进化不是「进步」，而是「适者生存」。

你必须不停奔跑才能留在原地——竞争对手也在进化，不进步就是退步。

不同祖先的物种在相似环境中独立进化出相似的特征——好的「设计方案」会被反复发现。

种群数量急剧减少后再恢复，基因多样性会大幅降低——少数「幸存者」的基因决定了整个种群的未来。

两个物种紧密生活在一起，互利（共生）、一方受益一方无害（共栖）或一方受益一方受害（寄生）——关系比「竞争」更普遍。

一旦形成就无法被入侵的策略：在种群中占主导后，变异策略无法入侵，是进化博弈的核心概念。

对思考进行再思考：质疑假设、评估证据、识别谬误，不盲从也不否定一切。

用已知理解未知：发现两个事物间的结构相似性，把一个领域的方法迁移到另一个领域。

从具体到一般：观察多个具体案例，总结出普遍规律或模式。

从一般到具体：从已知的前提出发，通过逻辑推理得出具体结论。

区分有意义的信号和随机的噪声：在大量信息中识别真正有预测力的模式。

实验者和被试都不知道分组：避免安慰剂效应和实验者偏见，确保结果客观。

比较实验组和对照组：除了要测试的变量外，其他条件保持一致，通过比较确定变量的因果效应。

独立重复验证研究结果：其他研究者用相同方法独立重复实验，看是否得到相同结果，是科学可靠性的保障。

先提出假设再验证：解决问题时先提出可能的答案（假设），再通过数据和分析验证假设，提高效率。

找到问题的根本原因而非表面症状：通过系统性方法挖掘问题的根本原因，从根源解决问题防止复发。

追溯到最根本的原因：不满足于表面原因，通过连续追问追溯到最根本、最本质的原因，从根源解决问题。

把决策画成树状图：从根节点开始，每个分支是一个选择或随机事件，末端是结果。

一方完全决定分配的博弈：一方拥有完全决定权，决定如何分配资源，另一方只能接受，测试公平偏好。

收益和损失的分布不对称时，决策标准不是期望值，而是「下行有限、上行无限」还是反过来。

企业的持久竞争优势：像城堡周围的护城河，保护企业免受竞争对手侵蚀。

不同拍卖方式的策略和结果：英式、荷兰式、密封第一价格、密封第二价格，四种拍卖各有特点和最优策略。

超额收益与市场收益：Beta衡量与市场的相关性（系统性风险），Alpha衡量超越市场的超额收益（选股能力）。

系统化发明问题解决：40个创新原则、矛盾矩阵、物场分析，解决复杂发明问题的方法论。

模仿生物解决工程问题：从生物的结构、功能、原理中获得灵感，解决人类的工程和设计问题。

不是「练习一万小时」就能成为专家，而是在「学习区」内有目标、有反馈、有纠错地练习。

当挑战与技能恰好匹配时，人会进入全神贯注、忘记时间、自我消失的最优体验状态。

把要记忆的信息和一个强烈的感官/空间/情绪锚点绑定，回忆时通过锚点还原信息——记忆宫殿的核心原理。

浏览→提问→阅读→复述→复习，五步阅读法——带着问题读，读完主动复述，比从头读到尾效率高得多。

《如何阅读一本书》最高层次——不是读一本书，而是围绕一个主题读多本书，让不同作者的观点对话，最终形成自己的理解。

米勒7±2法则：工作记忆只能同时处理7±2个信息单元，但通过把零散信息组合成有意义的「块」，可以大幅扩大有效容量——13818381234记不住，138-1838-1234就记住了。

对每个知识点追问「为什么」——为什么是这样？为什么不是那样？为什么这个方法有效？主动追问能把新知识和已有知识连接起来，深化理解。

先理解知识的逻辑、原理和意义，再进行记忆——理解了的东西自然好记，死记硬背的东西忘得快。理解是记忆的前提，不是记忆的替代。

把相似或相反的内容放在一起对比，区分异同——对比让差异更醒目，避免混淆。越容易搞混的东西，越要放在一起对比着记。

每天进步一点点：关注微小的持续改进，相信复利效应，而非追求一蹴而就。

无干扰的专注产生高价值：在无干扰的状态下专注进行职业活动，使认知能力达到极限。

用原子化卡片构建知识网络：每条笔记一个想法，卡片之间双向链接，形成知识网络。

管理精力而非时间：精力有四个维度（身体、情感、思维、意志），通过节奏化的消耗和恢复提升效能。

用数字工具构建外部记忆系统：通过收集、组织、提炼、表达四个步骤，把信息转化为个人知识和创造力。

知识的层级结构组织：把知识按主题-分支-叶子的树形结构组织，从根到叶层层细化，建立知识体系。

用节点和连线表示概念关系：把概念作为节点，用连线和连接词表示概念间的关系，可视化知识结构。

凡是可能出错的事，就一定会出错——不是悲观，而是提醒你为最坏情况做准备。

每一起严重事故背后，有 29 起轻度事故和 300 起未遂隐患——重大事故不是偶然，是量变积累。

强者愈强、弱者愈弱——已有的优势会带来更多优势，形成累积优势的正反馈循环。

系统在部分组件失效时仍能维持基本功能的能力——关键决策前先算容错率，留足冗余和退路。

用二流零件组装出一流整体——系统的整体性能不取决于单个组件的最优，而取决于组件间的配合和架构设计。

从五个维度看行业竞争：现有竞争者、潜在进入者、替代品、供应商议价权、购买者议价权。

六个问题理清事情：What何事、Why为何、Who何人、When何时、Where何地、How如何，全面分析问题。

用户增长的五个环节：获取→激活→留存→收入→推荐，每个环节优化提升整体增长。

一个指标指引方向：找到最能体现产品核心价值的单一指标，全公司围绕它努力。

按共同特征分组追踪：把用户按注册时间或其他特征分组，追踪各组的行为随时间的变化。

用对照实验比较两个版本：将用户随机分为两组，分别使用A和B版本，用数据判断哪个更好。

用户留存随时间变化的曲线：新用户在一定时间后仍活跃的比例，是衡量产品粘性和增长质量的核心指标。

利息生利息，增长在时间维度上呈指数级加速——第八大奇迹。关键不是利率多高，而是时间多长和永不中断。

世界是不确定的，用概率而非「必然/不可能」来估计结果，并据此决策——不追求正确，追求概率上占优。

新证据出现时，用先验概率 × 证据似然度来理性更新信念，而非全盘推翻或固守。

极端表现之后通常会回到平均水平——不是因为你做了什么，而是因为极端值本来就不可持续。

样本量越大，统计结果越接近真实概率——抛 10 次硬币可能 8 次正面，但抛 10000 次会接近 50%。

无论原始分布是什么形状，大量独立随机变量的和/均值会趋近于正态分布——这是统计推断的基石。

用新证据更新信念：先有初始判断，看到新证据后，按贝叶斯公式更新概率。

既有局部聚集又有短路径：大多数连接是局部的，少数长连接大幅缩短任意两点的距离。

从数据中推断因果关系：用随机实验、自然实验、匹配等方法，区分相关和因果。

用变量预测另一个变量：建立自变量和因变量之间的数学关系，用于预测和解释。

把相似的对象分组：无监督学习方法，根据相似度把对象分成不同的簇。

用数据判断假设是否成立：提出原假设和备择假设，用统计量判断是否拒绝原假设。

模拟蚂蚁觅食的优化算法：蚂蚁通过信息素找到最短路径，模拟这个过程解决复杂优化问题。

模拟生物进化的优化算法：通过选择、交叉、变异操作，在解空间中搜索最优解，适合复杂优化问题。

剥开类比与惯例，回到最基本的不可再分的事实，从那里重新推理——别人告诉你「是什么」，你问「能是什么」。

如果多个解释都能说明同一现象，优先选择假设最少的那个——如无必要，勿增实体。

一个观念的「真理性」取决于它的实际效果——有用就是真理，能解决问题就是好理论。

对一切断言保持质疑，要求证据——不是否定一切，而是「不轻易相信，除非有充分理由」。

把复杂系统拆解成最小组成部分来理解——理解了零件，就能理解整体。

整体大于部分之和——系统的属性不能通过单独研究部分来完全理解，必须看整体和互动。

无解双向博弈死局：用自指回答让规则执行者陷入逻辑矛盾，无论如何选择都会自相矛盾。

全能者能否造出自己搬不动的石头？正反答案都会推翻「全能」设定，专门击破闭环绝对规则。

依靠已知现象和结局反向拆解背后的布局、规则与起因——从「是什么」反推「为什么」。

把时间拉长：关注长期价值而非短期得失，相信时间的复利和正确方向的力量。