思维模型实战：第一性原理
第一性原理思维，是把一个问题拆到你确信为真的东西——物理极限、真实成本、实际需求——再从这些出发往上推理，而不是从这个问题通常怎么解决开始。它慢、费力，所以只值得用在惯例可能出错、而且事关重大到值得花这番功夫的地方。
「思维模型实战」系列之一：一个关于经典方法、以及怎样把它们用在你自己材料上的短系列。
类比与第一性原理
大多数推理是类比，这没问题：「我们上次就是这么做的」「同行都是这么定价的」。类比快，而且通常是对的。
当让旧答案成立的条件已经变了——而没人注意到，因为这个答案是继承来的而不是推导出来的——类比就会失灵。第一性原理就是用来检查一个继承来的答案，是否还能从任何东西推出来的方法。
这个想法很古老：亚里士多德把第一原理描述为一事物借以被认识、而自身不由任何别的东西推出的那些命题。现代的、实用的版本没那么宏大：这里面哪些部分是真正必需的，哪些只是习惯？
怎样做
- 写下现有的答案，以及通常给出的理由。
- 给每个理由贴标签。 它是约束（一条法规、一个物理极限、一项硬成本）、需求（用户真正需要的东西），还是惯例（向来如此）？
- 把惯例放到一边。 不是删掉——是放到一边。
- 只用约束和需求来重建。 能满足它们的最简单的东西是什么？
- 和现有答案比较。 两者不同的地方，要么是惯例里藏着一个你漏掉的理由（贴好标签放回去），要么就是机会所在。
一个完整的示例
问题： 一个小研究组每年要花两周，为新生准备一份阅读书单。
通常的理由： 每个学生都需要一份权威书单；书单必须覆盖整个领域；必须由一位资深成员来挑选。
贴上标签： 「必须覆盖整个领域」是惯例——学生需要的是开始干活，而不是综述这个领域。「必须由资深成员挑选」只对定下框架的前五篇论文是需求。真正的约束，是学生第一个月的时间。
重建： 由一位资深成员挑五篇奠基论文，再加一个组里自己做过批注的阅读文件夹，学生自己往里扩充。两天而不是两周，而且书单会自己保持更新。
用 AI 来做
AI 在第 2 步有用，因为它擅长发现一个「必须」其实是习惯；在第 4 步也有用，因为它能很快生成几个重建的答案。它较弱的地方是判断你的哪些约束是真的——它不知道你的预算、你的监管方、你的用户。把这些明确告诉它。
在 MindMax 里，第一性原理是画布上内置的「深挖」类技能之一。把它施加到一张装着问题的卡片上，最好附上你的笔记或文档，它会剥掉类比和惯例，从剩下的东西往上推理，一步一条分支。把它对准一张卡片里的某一行，就能只处理一个假设，而不打扰其余部分。
哪里会出问题
- 什么都被标成惯例。 有些惯例里装着来之不易的教训。如果你说不出一条惯例为什么存在，在丢掉它之前先弄清楚。
- 用在了类比就够的地方。 对大多数决定来说，「上次管用的做法」已经够好了。把它留给那些可能不够的决定。
- 重建的答案从没被检验过。 一次推导只是一个假设。先试它最小的版本。