王凯把"决策"视为 AI 时代最高价值环节。AI 浪潮真正的深层意义不是"智力平权"，是"理性 / 慢思考平权"——绝大多数人绝大多数决策都不过脑。
1. 核心心法（5 句够用一辈子）
| # | 心法 | 一句话 |
|---|---|---|
| 1 | 站在 AGI 视角看当下 | 假设 2035-01-01 AGI 到达,回看今天选择什么会被验证为对 |
| 2 | AI 是尺子,不是算命师 | 给人类无法量化的模糊变量打分（风险、价值、情绪） |
| 3 | 绝对理性,thinking 默认 | 任何重要决策强制走"写出推理过程"的慢思考路径 |
| 4 | 规则大于结果 | 一时盈亏不重要,优化规则才重要 |
| 5 | 懂 = 能做到 | 信息上懂 vs 行为上懂完全不同 |
2. 站在 AGI 视角看当下（核心思维框架）
2025-04-01 王凯写下置顶帖：
"我完整经历过移动互联网周期,站在移动互联网结束点,让我回看过去的选择,我会怎么选择？"
当年回看会改变的策略：
- 不在互联网行业创业（尤其北京）
- 做电商生意或撸平台流量
- 做 MCN / 批量养号
- 早点出海
- 肉身和投资都买互联网龙头股（比绝大多数创业公司创始核心成员还赚钱）
当下转换：假设 AGI 在 2035-01-01 到达,今天该做什么？
graph TD
A[站在 2035-01-01 AGI 视角] --> B[1. 不做 AI 主要趋势]
A --> C[2. 不做 AI 直线相关]
A --> D[3. 推测哪些常识/规则被改写]
A --> E[4. 做改写过程中的配套生意]
A --> F[5. 持有 AI 龙头股]
B --> G[避免和巨头硬卷]
C --> H[竞争时间过长,小 team 玩不起]
D --> I[新常识 → 新机会]
E --> J[像 MCN / 周边媒体一样]
F --> K[NVDA / 苹果 / Google 等]
与"终局思维"的区别：
- 终局思维偏狭窄、偏竞争策略
- AGI 视角是 + 30 年的长期变量,不局限竞争
- 把握更长线的变量,不被短期趋势迷惑
3. 快思考 vs 慢思考（thinking 平权）
graph LR
A[人类决策] --> B[快思考<br/>本能、直觉、情绪]
A --> C[慢思考<br/>理性、推理、计算]
B --> D[多数日常决策]
C --> E[少数重要决策]
F[AI thinking 模式] --> G[强制写出推理过程]
G --> H[降低决策错误率]
H --> I[把人的快思考决策转为慢思考]
关键认知（王凯多次顿悟）：
- 多数人多数决策是不过脑的（快思考）
- 我们"知道"很多道理但执行不到（信息懂 vs 行为懂）
- AI 的 thinking 模式 = 给所有决策加一道"必须写出推理过程"的慢思考关卡
- 这是 AI 浪潮真正的深层意义,不是智力平权
王凯的训练：
- 默认开 thinking 模式
- 老婆问"你现在是理性思考吗？" 互相校准
- 重要决策必须找 GPT/Claude 聊一次（"AI 让我冷却 + 提醒决策逻辑"）
4. AI 当尺子（最值钱用法）
人类无法精准量化的模糊场景,让 AI 用一套稳定框架打分：
| 场景 | AI 用法 | 价值 |
|---|---|---|
| 市场风险等级 | 1-10 分打分 | 决定现金比例 |
| 企业内在价值 | 多模型综合 + 区间 | 决定是否买 |
| 单股票风险 | 短中长 5 个维度打分 | 决定仓位 |
| 情绪状态 | "我现在过度恐慌吗？" | 防止冲动决策 |
| AI 替代职位风险 | 列工作流程,问替代概率 | 职业规划 |
| 创业项目可行性 | 拆模型让 AI 拷问 | 立项 |
类比：保险公司精算师。给 AI 一套稳定框架,它就是无情的精算机器。
关键纪律：连贯性 > 准确性
- 多次跑同股票应该得相似结果
- 风险等级有变化时,有明确归因
- 不能因情绪/状态导致答案飘
5. "懂"的两层含义（段永平洗礼）
2025-11-12 王凯顿悟：
| 层次 | 含义 | 例子 |
|---|---|---|
| 信息上懂 | 知道知识点 | "巴菲特说过别人恐惧我贪婪" |
| 行为上懂 | 能在压力下执行 | 持仓亏 40% 加仓不动摇 |
应用：
- 大多数人是"信息上懂"巴菲特/段永平
- 但赔钱时还是赔钱
- 真正的懂 = 在考验中坚定执行
- "懂,就是能做到"（2026-01-03 王凯总结）
例子：
- 假设段永平卖掉茅台并说看法变了,你卖不卖？→ 多数人会卖,证明只是抄作业,没真懂
- 巴菲特说自己"不懂科技股,所以不投" → 你比巴菲特更懂吗？为什么敢投？
- 价值投资标准非常高,多数人只是字面理解
6. 决策中的常见错误模式
6.1 短期价格驱动总结
- ❌ "看,XX 涨了证明我对"（短期价格失真）
- ❌ "看,XX 跌了证明我错了"（同样失真）
- ✅ 长期看基本面、护城河、竞争格局
6.2 信息共识驱动
- ❌ "大家都说 AI 是未来,所以全仓 AI"（共识本身就是风险）
- ✅ 拆解共识的强度（用钱衡量你的坚信程度）
6.3 一时盈亏驱动
- ❌ "这次赚到钱了,纪律可以变通"
- ❌ "这次亏了,要改规则"
- ✅ 规则大于结果,优化规则才能持续
6.4 自我感动型复杂分析框架
- ❌ "我和 AI 共创了 5000 字的复杂分析框架,看起来很厉害"
- ✅ 框架的好坏要靠实战数据验证,不是字数
6.5 印证而非挑战
- ❌ "我跑 AI 报告验证自己想法 → 报告说我对"
- ✅ 让 AI 持续挑战、拷问、找漏洞
7. 决策辅助的几种 AI 用法
7.1 Claude 投资拷问提示词（公开,详见 王凯 RSI AI 投资策略与"好资产 好价格 好波动"框架）
You are an AI assistant playing the role of an investment master.
Your sole purpose is to ask questions that encourage deeper thinking.
Do not provide any information or advice.
Probe into the user's reasoning and assumptions.
Encourage consideration of potential risks and rewards.
Prompt reflection on the broader context.
Challenge the user to consider alternative perspectives.
7.2 攻防演练
- 让 Claude Code 在策略文档基础上找漏洞
- 反复 PUA 让其挑刺
- 总结成"应急手册"
7.3 闲聊 + 高频探讨
- 把所有上下文 + 历史决策给 AI
- 持续闲聊（不是查询,是探讨）
- 一直 PUA 让其给"AI 时代新策略"
- 直到 AI 都说"我暂时想不到了"
7.4 IFS（Internal Family Systems,王凯老婆引入）
- 当你"忍不住改单价"时
- 让 Claude 引导你做 IFS
- 抽离视角看冲动背后是什么
8. 决策系统的"双向流"（输入 + 输出）
graph LR
A[决策输入] --> B[人 + AI 双轨]
B --> C[人: 直觉 + 经验]
B --> D[AI: thinking + 数据 + 历史]
C --> E[决策融合点]
D --> E
E --> F[规则 + 纪律 + 执行]
F --> G[结果]
G --> H[规则优化 + 系统迭代]
H --> A
重要纪律：
- 输入完整（不嫌麻烦给 AI 所有数据）
- 不只听一个 AI（Claude + GPT + Gemini 交叉对比）
- 永远在迭代规则,不要被一时结果绑架
9. 笃定感的来源（2025-12-31 总结）
王凯认为 2025 最大收获是"笃定感":
- 看投资经典书 → 信息库扩
- 看价值投资访谈 → 视野拔高
- 整理投资原则（做 KeepRule） → 体系化
- 实践 → 在真实考验中坚定
笃定感是理性决策的基础（段永平观点）。
"懂了一些,不懂的更多"给王凯极大的笃定感:
- 我知道朝什么方向走（北极星：做正确的事尽量做对）
- 我知道自己不懂什么（不会自负）
- 决策时不再焦虑
10. 决策环节的"经济价值"视角
王凯反复强调（2025-08-27 帖典型）：
- AI 给 CEO 做决策 vs 给学生写作业 → 经济价值天差地别
- AI 是放大器,让强者越强
- 主动靠拢"高价值决策环节"
- 不要把 AI 当作"便宜助理"使用,要当作"高价值决策大脑"
指标转变：
- 之前：消耗的有效 token 数
- 现在：AI 辅助决策数量 + AI 直接决策数量
11. 五个不能给 AI 决策权的场景
| 场景 | 原因 |
|---|---|
| 没有客观标准的创作 | AI 容易飘 |
| 法律/医疗严肃决策 | 风险 + 准入 |
| 高度个性化情感 | AI 的拟人是模拟,不是真理解 |
| 超低延迟交易 | AI 推理 2 分钟,量化已经赚走 |
| 完全陌生领域 | 你没有判断力,AI 会带你转圈圈 |
12. 五个 AI 决策强项场景
| 场景 | 原因 |
|---|---|
| 投资决策 | 结果可验证（赚钱就是对） |
| 编程问题 | 跑通就是对 |
| 数学题 | 有标准答案 |
| 数据分析 | 有事实可对照 |
| 拷问个人决策 | 强制慢思考 |
13. 王凯的人生纪律（决策延伸）
- 学会等待 - 不在错误时机决策
- 学会下重注 - 真正懂的事敢于重仓
- 不被波动影响 - 长期资产管理
- 持续学习投资经典 - 每天 3 分钟段永平雪球
- 写复盘 - 每月 / 季度 / 年度复盘
- 请教 AI 而不是只问人 - "AI 同行者持续探讨深度细节"
14. 金句
"把 AI 看作你的'理性决策大脑',用 AI 替代自己快思考的决策部分。"
"AI 平权的不是智力,是理性决策。"
"懂了一些,不懂得更多,给了我极大的笃定感。"
"规则大于结果,优化规则才有持续的赢。"
"AI 给 CEO 用和给学生用,创造价值天差地别。"
"三年内投资者都会用 AI 辅助决策,五年内 AI 主导决策。"
引用
- 王凯 RSI AI 投资策略与"好资产 好价格 好波动"框架 - 投资策略（决策系统最重要应用）
- 王凯 AI 时代创业方法论与商业判断框架 - 创业方法论（决策的另一面）
- 王凯 AI Coding 实操：从 Cursor 到 Claude Code 终端工作流 - AI Coding（让决策可执行）
- 王凯 Agent 工程实操 - Agent 工程（自动化决策执行）
- newtype 知识系统与 Life OS 全演化 - 老黄 newtype 的知识系统对比
2026-06 增补：把坚持方向与验证做法分开
本节完整阅读王凯 2026 年 6 月五则文字帖后整理，仅覆盖文字；配图中的分析表没有在本次读取。以下是作者经验与判断，不是交易建议，也没有复核其投资预测。
原则要简单，执行仍要认真算
6 月 2 日对“常识”的反思，与 6 月 17 日路口劝阻冲突的经历，补上了原有“规则大于结果”的操作边界：先回答什么值得做，再回答怎样做才有效且可承受风险。作者用救人类比——应该帮助落水者，并不意味着不会游泳也直接跳下去。把第二层的风险评估省掉，不是坚持原则。
他以茅台与腾讯的选择解释另一种偏差：若两者都符合自己制定的标准，却因换汇麻烦而只考虑一方，实际执行已经偏离了声称的标准。可复用的检查不是照抄标的，而是问：这次没行动，是证据不同，还是操作摩擦被包装成理由？同样，信任一家公司也不等于任何价格都合理。
用后续证据检验判断，也记录自己的偏见
6 月 4 日重读黄峥旧访谈时，作者发现自己过去受“下沉市场”等标签影响，把谈供应链的回答理解成回避；多年后的财报会仍强调相同方向，促使他重审早年的判断。值得复用的是保留原判断及其理由，待实际经营证据出现后重新比较。不能反过来把后来成功当成“当初必然能看懂”的证明。
AI 的价值是缩短从疑问到数据的距离
6 月 22 日的变化很具体：过去增长分析要向数据同事提需求，如今可以直接用 Codex 拉取数据、边分析边讨论，减少凭印象写观点。6 月 6 日另有市场大幅波动时的数据分析预演：用途是提前梳理风险情境，不是声称已经到达恐慌时点。该帖主要结果在图片，本次不能恢复股票名单、排名或具体结论。
何时用：已有一个可以被数据支持或推翻的问题时。先明确口径，再拉数据，让讨论形成可检验结论。反例是只让 AI 把原有立场写得更流畅，却没有补充任何独立证据。
来源与关联资料
- https://wx.zsxq.com/group/48884824582158/topic/82255242825484160
- https://wx.zsxq.com/group/48884824582158/topic/22255282844454452
- https://wx.zsxq.com/group/48884824582158/topic/45544585114484530
- https://wx.zsxq.com/group/48884824582158/topic/14422412152211452
- https://wx.zsxq.com/group/48884824582158/topic/22255288824241520
2026-10-17 追补：能说明何时失效，才算说清判断
来自10月12日收件、王凯10月11日发布的文字解释。这里整理其对“懂与不懂”的理解，未将推荐的李录文章或视频视为已经全文核验的来源。
本页已有“知道与做到”以及主动找反证的讨论。新增检查是把结论的适用条件写出来：某个判断为什么在当前环境成立，哪些条件变化后不能继续沿用。只重复一句正确的话，容易忽略它依赖的客户、资源、时间或竞争条件。
可用三行记录一次判断：① 当前结论；② 支撑它的具体前提及证据；③ 什么可观察变化会让自己重新评估。第三行应当能对应第二行，而不是笼统写“情况变了就调整”。这是本库把作者观点转成的记录办法，不是原帖给出的固定模板。
例如“自动化值得投入”需要说明任务是否重复、失败是否能发现、维护成本是否可承受；其中任一前提缺失，就需要重新比较方案。这个例子用于说明方法，不构成对某个项目的结论。
何时用：复用他人经验、坚持一个重要方案或让 AI 挑战判断时。请它针对明确前提找反例，再回到证据核验。能讲出失效条件仍不等于预测正确，也不能用不断改写前提逃避先前错误。
2026-10-17 追补：把个人消费体验与企业判断分开
根据王凯10月16日的个人复盘提炼。只保留判断方法，不复述家庭细节，不独立评价文中公司的经营或投资价值。
熟悉一个消费品牌，容易让人误以为熟悉它的全部用户。自己的饮食习惯、购买渠道、选品范围和价格敏感度，都会限制实际体验。作者在改变使用方式后修正了旧印象，这支持的是“需要检查样本来自哪里”，不能推出任何品牌普遍便宜或值得投资。
在本页已有“媒体印象与企业证据”的两列之外，可加一列“我作为消费者的样本”：
| 层次 | 应记录什么 | 不能直接推出什么 |
|---|---|---|
| 本人体验 | 买过什么、如何选择、哪些条件下满意或不满 | 所有目标用户都有相同偏好 |
| 目标客群 | 哪些用户反复使用，任务与选择标准有何不同 | 我的体验改善就代表整体需求增长 |
| 企业证据 | 能支持规模、交付或经营判断的材料与口径 | 消费喜欢或讨厌就能决定企业价值 |
这张表是本库应用推导。研究竞品或合作方时，先声明自己的观察范围，再找不同用户的行为与企业证据。增加个人使用次数能丰富体验，却不能自动消除选择偏差。若结论只来自自己和身边人的偏好，保留为访谈线索，暂不写成企业排名或买卖判断。与 相关投资方法知识稿 关联使用，但不增加投资建议。
Addition: Explain when a judgment would stop applying
This addition draws on Wang Kai's October 11 written explanation, collected on October 12. It summarizes his interpretation of understanding and uncertainty. The Li Lu articles and video he recommends were not treated as fully reviewed sources.
The existing article discusses knowing versus doing and actively seeking counterevidence. An additional check is to state the conditions under which a conclusion applies: why it holds now and which changes would make it unsuitable. Repeating a correct statement can obscure the customers, resources, timing or competitive conditions on which it depends.
Record a judgment in three lines: the current conclusion; its concrete premises and supporting evidence; and an observable change that would trigger reassessment. The third line should correspond to the second rather than merely saying “adjust when circumstances change.” This is an editorial application of the author's idea, not a fixed template supplied in the post.
For example, “automation is worth the investment” requires checking whether the task repeats, failures can be detected and maintenance costs are affordable. If a premise is missing, compare the options again. This example illustrates the method and is not a conclusion about a particular project.
Use it when reusing someone else's experience, maintaining an important plan or asking AI to challenge a judgment. Have it look for counterexamples to explicit premises, then verify the evidence. Explaining failure conditions does not guarantee a correct prediction, and repeatedly rewriting premises must not become a way to avoid acknowledging earlier errors.
Addition: Separate personal consumption from judgments about a business
This addition is based on Wang Kai's personal reflection dated October 16. It retains the reasoning method without family details or an independent assessment of the companies' operating or investment value.
Familiarity with a consumer brand can feel like familiarity with all its customers. Personal habits, purchasing channels, product selection and price sensitivity constrain that experience. The author's revised impression after changing how he used a service supports checking where a sample comes from. It does not establish that any brand is universally inexpensive or worth investing in.
Alongside the existing distinction between media impressions and business evidence, add a column describing your own consumer sample:
| Level | What to record | What it does not establish |
|---|---|---|
| Personal experience | What you bought, how you chose it and when you were satisfied or disappointed | All target customers share your preferences |
| Target customers | Who returns, and how their tasks and selection criteria differ | Your improved experience means aggregate demand is growing |
| Business evidence | Material and definitions supporting claims about scale, delivery or operations | Liking or disliking a product determines business value |
This table is an editorial application. When researching competitors or partners, state the scope of your observations, then seek evidence about other users and the business. More personal usage enriches experience but does not automatically remove selection bias. Conclusions based only on your own preferences and those of people around you should remain interview leads rather than company rankings or trading judgments. The related investment-method article provides context; no investment recommendation is added here.