决策理论不只规范和描述二分-存在规定理论
前景理论四发现-损失厌恶最稳定
三大启发法各有系统性错误场景
助推通过选择架构引导行为而非强制
vNM四公理被阿莱悖论推翻独立性
理性决策与数据驱动决策基于不同认识论
决策日志是校准过度自信的唯一实证手段
决策矩阵的权重比评分更决定结果
AHP聪明在逐对比较而非直接赋权
成本效益分析贴现率决定政治倾向
情景规划目标不是预测是拓宽想象力
蒙特卡洛模拟本质是分布思维取代点估计
探索利用困境统一序贯决策抽象
柯达沉没成本是身份认同而非金钱
诺基亚触屏技术被功能固着压制
五问决策树从约束出发选择框架
过度自信确认偏误承诺升级三者串联形成组织死亡螺旋
可得性偏差让未来看起来不可能Blockbuster拒绝收购Netflix
框架效应决定调研能发现什么新可乐只问了口味没问情感
元决策是最常被忽略但质量最高的决策层次
决策质量不等于结果质量决策结果矩阵的四种组合
宽窄框架决定选项池不是认知偏差而是主动选择
DQ六标准是乘性关系任何一维为零决策质量归零
事前验尸是唯一在决策执行前系统性对抗确认偏误的工具
不决策的代价远大于决策错误的代价大脑错误编码为零成本
选项质量大于选项评估瓶颈在生成而非选择
高手建设决策系统普通人关注单次决策系统决定长期胜率
最好的决策是让自己变得不需要决策用系统自动化常规选择
VoI量化信息的价值只有超过收集成本才值得获取
三种逃避模式伪决策共同结构短期舒适换取长期选择权丧失
决策能力六维度可刻意练习从新手到大师有进阶路径
六开关框架真正决策必须同时按下所有开关少一个都是伪决策---

决策理论的三张面孔——规范理论告诉我们「应该如何」、描述理论揭示「实际如何」、规定理论搭建「可以如何」的桥梁¶

三张面孔的定义¶

面孔	回答的问题	代表	致命弱点
规范理论	「完全理性的人应该怎么决策？」	von Neumann-Morgenstern 期望效用、贝叶斯决策	人的认知能力达不到
描述理论	「真实的人实际怎么决策？」	Kahneman & Tversky 前景理论、启发法与偏差	只说「你错了」，不给改进方案
规定理论	「有限理性的人可以怎么更好地决策？」	助推 (Thaler & Sunstein)、情景规划、决策矩阵、AHP	需要在效果和自由之间权衡

规定理论是被忽视的第三极。大多数决策文献在规范-描述二分的框架内争论，但实践者真正需要的是规定理论——不是「最优解是什么」（规范），也不是「你错在哪里」（描述），而是「以你有限的认知能力，怎么决策能更好」。

从规范到描述：理性人的崩溃¶

vNM 期望效用理论建立在四条公理之上（完备性、传递性、连续性、独立性），但阿莱悖论（Allais Paradox）率先推翻了独立性公理：人在确定性和概率之间做出选择时，系统性地违背期望效用最大化。

Kahneman 和 Tversky 的前景理论系统性地刻画了这些偏离：

损失厌恶（最稳健的发现）：损失的痛苦 ≈ 等同收益快乐的 2.25 倍。这解释了柯达为什么死死抱住胶卷业务（放弃的感知痛苦 > 转型的感知收益）。
参考点依赖：决策不是评估绝对结果，而是评估相对于现状的得失——而锚定效应决定了「现状」被定义在何处。诺基亚锚定「手机必须有键盘」，让所有触屏创新的收益都被低估。
概率权重扭曲：小概率被高估（买彩票），大概率被低估（不系安全带）。
框架效应：描述同一个结果的方式（「90% 存活率」vs「10% 死亡率」）改变选择。

三大启发法（代表性、可得性、锚定与调整）构成了人类的「认知捷径工具箱」——每个启发法在特定场景下极其高效，但在其他场景下产生系统性（而非随机）错误。关键不在于「避免启发法」，而在于识别当前场景是否匹配该启发法的适用条件。

从描述到规定：修复工具包¶

校准过度自信¶

过度自信是认知偏差中最一致、破坏力最大的（Nokia、Lehman Brothers、WeWork、Theranos 的共同病理）。决策日志是唯一经实证验证有效的校准手段：记录每次决策的背景、预期、信心水平，事后对照结果反馈——让系统 1 的直觉接受系统 2 的数据校正。

拓宽想象力¶

情景规划不试图预测未来，而是构建多个合理的、挑战性的未来情景。它的目标不是「哪个最可能」，而是「如果发生了我们从未准备过的情景，我们会怎么反应」。这是对抗可得性偏差（只能想象已经见过的）和确认偏误（只看到支持现有信念的信息）的刻意练习。

结构化决策¶

决策矩阵将多准则选择分解为备选方案 × 评估标准 × 权重。它的价值不在于「算出正确答案」，而在于可视化你的价值权衡。实践中，权重比评分更决定结果——而权重恰恰是最主观的输入。透明度是这个工具的核心美德：即使别人不同意你的权重，至少他们知道你是怎么得出结论的。

AHP（层次分析法）的核心创新是「逐对比较」而非「直接赋权」：人脑不擅长给 7 个选项直接分配权重，但擅长比较「A 和 B 哪个更重要」——然后 AHP 从成对比较矩阵中数学推导权重。成对比较的一致性检验（CR < 0.1）提供了传统决策矩阵所没有的质量检查。

分布思维¶

蒙特卡洛模拟将「确定性思维」升级为「分布思维」：不输出「预测值是 100」，而是输出「预测值的范围是 80-130，95% CI」。在不确定性下做决策时，一个分布比一个点估计更有价值——因为决策需要区分「高度不确定但均值有利」和「低度不确定但均值中性」两种完全不同的场景。

成本效益分析的隐藏价值判断¶

贴现率的选择本质上是一个政治决策：高贴现率（如 7%）意味着「未来人的福祉不如现在人的福祉重要」。这决定了气候政策、基础设施投资和公共卫生支出的优先级。成本效益分析表面上是技术性的——但贴现率暴露了它根植于价值判断。

数据驱动决策在决策理论中的位置¶

数据驱动决策（DDD）不是规范理论（数据不告诉你「应该」做什么），也不是纯粹的描述理论（数据描述已发生的行为）。DDD 是一种规定理论——它提供工具（A/B 测试、预测模型、因果推断）来帮助有限理性的人类做出更好的决策，但它不替你做价值判断。

这解释了为什么「数据驱动」不能也不应取代人类的决策权：工具帮助校准直觉、量化不确定性、揭示隐性假设——但选择哪些假设可以接受、哪些价值应该最大化，仍然是不可委托的人类判断。

追加——2026-06-29：探索利用困境与组织决策失败案例¶

探索-利用困境：所有序贯决策的统一抽象¶

探索-利用困境不是强化学习的专属概念——它是所有在不确定性下做序贯决策的问题的统一抽象。当一个公司决定「要不要试一个新营销渠道」时，它在做探索-利用决策。当一个研究员决定「要不要换一个研究方向」时，也是一样。

关键参数是剩余时间/剩余机会： - 如果你只剩最后一次决策 → 纯利用最优（没时间享受新发现的收益） - 如果你有无限次决策 → 应该侵略性地探索（长期收益压倒短期损失） - 这就是为什么初创公司应该比成熟公司更激进地尝试新方案——不是因为他们更「创新」，而是因为他们的存量更少，探索的机会成本更低

A/B 测试的隐性机会成本：每分配给探索（测试 B 版本）一个用户，就放弃了一次利用（给用户最佳已知体验）。这是 A/B 测试的隐性机会成本，而大多数实验平台不计算。ε-greedy 是简单但不是最优的策略——UCB 和 Thompson Sampling 通过量化不确定性来指导探索，比随机探索高效得多。

企业决策失败：不是没看到未来，是被身份困住了脚¶

柯达——身份沉没比金钱沉没更难放弃：

柯达不是「没看到未来」——它是发明了数码相机的公司（1975 年，Sasson），却成为了数码革命的牺牲品。金钱的沉没成本（$110 亿的胶卷产线）只是表象。更深层的沉没是身份沉没：柯达的自我认同是「我们是胶卷公司」。放弃胶卷不只是放弃 110 亿美元——是放弃「柯达是谁」这个根本问题的答案。

对组织转型的启示：变革最大的阻力往往不是「这会亏钱」，而是「这会让我们不再是我们」。任何试图转型的组织，必须首先解决身份认同问题——不是回答「我们要去做什么」，而是回答「我们要成为谁」。

诺基亚——功能固着：数据和证据在错误的参照系中失效：

诺基亚 2004 年已有触屏技术，研发投入是苹果的 7 倍（€55 亿），专利数是苹果的 4.5 倍（23,000+）。它失败的不是技术能力，而是决策层无法突破功能固着——将「手机」锚定在「键盘 + 通话功能」上。从这个锚点出发，iPhone 的触屏和互联网体验不是进步，而是不符合「手机定义」的异类。

这对数据驱动决策有直接启示：数据和证据只有在正确的参照系中才有意义。如果你的锚点是「手机必须有键盘」，那么所有关于触屏体验的数据都会被低估或忽视——不是因为数据错了，而是因为决策者的诠释框架排斥这些数据。技术优势可以被决策偏差完全抵消。一个组织中，最危险的不是缺少数据或技术，而是所有人共享一个过时的锚点而不自知。

五问决策树——从硬约束出发选择框架¶

决策框架选择的关键不是「你想做什么决策」，而是「你的决策环境有什么硬约束？」五个问题覆盖所有关键约束：

问题	选项	→ 映射
频率	高频（秒/分）→ 低（周/月）	自动化程度
不确定性	低（数据充足）→ 高（高度不确定）	贝叶斯 vs 优化
复杂度	单目标 → 多目标 → 多参与者	AHP vs 博弈论
时间压力	<1秒 → 天级	规则引擎 vs 人工决策
可解释性	必须可解释 → 黑盒可接受	评分卡 vs 深度学习

这五个问题之所以有效，是因为它们暴露了硬冲突——「实时 + 黑盒 + 可解释」不可能同时满足。与其纠结「哪个框架最好」，不如先直面：你愿意放弃三个要求中的哪一个？

追加——2026-06-29(2)：三种偏差在企业失败中的协同机制¶

前面的柯达和诺基亚展示了单一偏差的破坏力。但雷曼兄弟的案例揭示了一个更危险的模式：偏差串联形成死亡螺旋。

雷曼——过度自信+确认偏误+承诺升级的死亡螺旋¶

CEO 富尔德在破产前 18 个月的行为展示了三种偏差如何自我强化：

过度自信→ 低估风险："房地产不会全国同时下跌"
    ↓
确认偏误→ 过滤预警：解雇发出风险警告的风险主管，忽视 Moody's 降级警告
    ↓
承诺升级→ 加仓而非减仓：杠杆率 31:1 → 32:1（安全线<15:1）
    ↓
（回到过度自信——"我已经做了这么多投入，不可能错"）

组织的死亡螺旋比个人的更危险——因为每一步都可以被合理化：过度自信 = 「对团队的信心」；确认偏误 = 「保持专注不被杂音干扰」；承诺升级 = 「坚持战略定力」。解雇发出风险警告的人是一个组织进入死亡螺旋的标志性信号——此后所有决策都建立在过度自信的反馈回音壁上。

比较富士（成功转型）和柯达（破产）：富士保持了风险团队 → 及早看到胶卷衰退 → 多元化。柯达压制预警 → 死亡螺旋 → 破产。同样的行业挑战，不同的信息处理机制 → 不同的结局。

Blockbuster——可得性偏差：最容易想起的证据塑造了对未来的判断¶

Blockbuster 2000 年拒绝 $5,000 万收购 Netflix 不是因为愚蠢——是可得性偏差让未来看起来不可能。管理层「容易想起的」证据：全美 9,000 家门店周末排长队、新片上映生意火爆。他们「难以想象的」场景：人们愿意等 DVD 邮寄、流媒体成为主流。

可得性偏差 + 核心能力陷阱 = 系统性盲点：你的核心能力决定你每天看到什么数据 → 看到的数据决定什么容易想起 → 容易想起的证据决定你认为未来会怎样。Blockbuster 的核心能力（门店选址、库存管理）在新模式下变成了沉重的固定成本——正如柯达的胶卷产线。

防御方法——反向基准率：不依赖个人记忆，查行业数据。Blockbuster 如果查了 Netflix 的用户增长率（50%+/年），即使「难以想象」，数据也会要求他们重新评估。

新可乐——框架效应：调研只回答了你问了的问题¶

1985 年可口可乐花了 $4M 做市场调研，77 天后被迫恢复经典配方。调研问了「哪杯更好喝？」（60% 选新可乐），但从未问过「如果经典款被替代，你感觉如何？」。

框架效应的核心教训：调研框架 = 「口味偏好」（感官层面）；消费者的真实框架 = 「情感连接 + 身份认同」（心理学层面）。消费者对经典可乐的情感投资（童年记忆、文化符号）远超过「口味更好」的边际收益——损失厌恶（损失的痛苦 = 2.25 倍收益的快乐）解释了为什么 40 万人打电话抗议。

这直接关联到本笔记的核心论点——规定理论的本质：工具（盲测）可以告诉你「哪个更好喝」，但不能替你决定「消费者的情感连接值多少」。数据驱动决策的边界正是在这里：数据不能告诉你消费者爱什么——只能告诉你消费者在被问到的问题上选择了什么。

防御框架效应的方法： 1. 定量调研之前先做定性调研（深度访谈）——发现消费者自己会用的语言和框架 2. 用多个框架问同一个问题——「哪杯好喝？」+「如果经典款被替代你会怎样？」 3. 预判未测量的维度对结果的影响——如果口味是偏好的 10%，情感是 60%，只看口味 = 用 10% 的信息做 100% 的决策

追加——2026-06-29(3)：决策过程的结构性深化¶

元决策——三张面孔的上一层¶

规范/描述/规定理论回答了「如何决策」。但在它们之上还有一层：决定如何决策的决策——元决策（Meta-decision）。

元决策：决定用什么方法做这个决策？
   ↓
规范/描述/规定：三种决策理论
   ↓
具体方法：AHP、决策矩阵、情景规划...

元决策在大多数组织中被跳过——用默认流程（「我们一直这样做决策」）代替了对决策类型的分析。一个强启发式：可逆+低成本 → 快速直觉。不可逆+高成本 → 结构化分析。

决策-结果矩阵——将运气和能力分开¶

决策质量（过程）和决策结果（结果）是两个独立维度，构成 2×2 矩阵：

	好结果	坏结果
好决策	应得的成功	坏运气
坏决策	侥幸成功	自找的失败

决策质量影响结果约 40-60%，运气影响约 40-60%。在单次决策中用结果评价决策 = 把运气的成分归因于能力。 这导致了组织中一个有毒的文化：成功的决策者=「有远见」，失败的决策者=「判断失误」——即使过程完全相同。

防御——决策日志：在知道结果之前记录决策过程（背景、选项、预期、信心水平），事后对照。这是唯一能将运气和能力分开的方法。

宽窄框架——框架是主动选择，不是被动接受¶

新可乐案例展示了认知偏差中的框架效应（被动——呈现方式改变选择）。但决策质量中的框架选择是主动的：

窄框架	宽框架
「如何提升本月销量？」	「如何优化长期定价策略？」
选项：降价/促销	选项：差异化定价/增值服务/品牌溢价

宽窄框架的选择本身是一个元决策：可逆+低影响 → 窄框架足够。不可逆+高影响 → 必须用宽框架。一个操作检验：如果你只有 2 个选项——几乎可以确定用的是窄框架。宽框架的一个操作定义：选项数量 ≥ 3。

DQ 乘性——为什么「数据驱动决策」的口号经常走偏¶

决策质量六标准（框架/目标/选项/信息/权衡/执行）是乘性关系：

\[DQ = \text{框架} \times \text{目标} \times \text{选项} \times \text{信息} \times \text{权衡} \times \text{执行}\]

任何一个维度为零 → 总质量为零。这解释了「数据驱动决策」口号的危险：它隐含假设「信息是最重要的维度」，从而忽视了框架和目标的乘性作用。一个完美的预测模型（信息满分）在错误的问题框架下得出的结论，比没有模型更危险——因为它给了你虚假的信心。

实践启示：在开始任何分析之前，先检查框架和目标。如果这两个是零，停止投入其他维度的资源。

事前验尸——规定理论的强力工具¶

事前验尸（Pre-mortem）在决策执行前假想「两年后这个决策已失败」，反向推导失败原因。它之所以有效，是因为利用了框架效应来做善事：把「可能会失败」重新框架为「已经失败了」，从而绕过确认偏误和过度自信的心理防御。

事前验尸本质上是将「坏决策+坏结果」象限的因果推理训练前置到决策执行之前——你不需要真正经历失败来学习，你可以模拟失败来学习。

不决策的代价——被编码为零成本的默认选择¶

大脑对两种成本感知不对等：决策错误的代价 → 痛苦 8/10。不决策的代价 → 痛苦 0/10。但不决策就是选择维持现状——在变化的世界中，维持现状不是零成本的。这正是分析瘫痪（Analysis Paralysis）的根源：做决定的预期心理痛苦 > 不做决定的预期心理痛苦，即使前者的期望效用更高。

防御方法：显式计算不决策的代价——如果今天不做决定，6 个月后问题会恶化多少？机会成本多大？设置决策截止时间——信息收集到某一时点后，即使不完美也必须做决定。

追加——2026-06-29(4)：三重门决策系统与 VoI¶

选项质量 > 选项评估——瓶颈在生产而非选择¶

大多数人花 90% 的时间评估选项，但只花 10% 的时间生成选项——而瓶颈恰恰在生成。选项质量四维度（数量/多样性/创造性/可行性）提供了一个诊断工具：在开始评估之前，先检查你的选项池是否健康。

最常见的选项生成失败是二元陷阱——「跳/不跳」「买/不买」「做/不做」——在只有两个选项时，问题本身就被窄化了。二元选项几乎总是意味着存在未被发现的第三个选项（内部转岗、协商条件、分阶段执行等）。

这直接关联到 DQ 乘性公式：如果「选项」维度为零（只有 2 个浅层选项），即使其他五个维度满分，DQ 归零。创造性选项生成是最被低估的决策技能——一个简单的强制练习：在进入评估之前，要求团队生成至少 5 个选项，其中至少 1 个必须「荒谬」（用于打破锚定，并非真的要选）。

决策系统 vs 单次决策——系统决定长期胜率¶

单次决策运气占 40-60%；决策系统长期胜率 > 70%。 决策系统有四层：

层次	功能	典范
流程系统	标准化 SOP，降低方差	投资公司的 4 周尽职调查流程
知识系统	历史决策库，识别模式	决策日志 → 季度回顾 → 过程改进
工具系统	标准化评估工具	六标准评分表、事前验尸模板
反馈系统	追踪结果，区分运气偏差 vs 过程缺陷	偏差分析 → SOP 修改（过程缺陷）或不做改动（运气）

决策系统与决策-结果矩阵形成闭环：矩阵告诉你「不要用结果评价决策」，系统告诉你「用什么替代」——用过程质量的持续改进。反馈系统是最被忽视但最重要的一层：没有它，流程会僵化（错误不纠正），知识会过时（教训不更新），工具会退化（不校准）。

决策疲劳——自动化一切不值得消耗意志力的决策¶

决策的终极目标不是「每次都做出好决策」，而是把不重要的决策从肩上卸下来。 三类自动化策略：

策略	原理	案例
自动化	用规则替代决策	「每月 1 号定投」→ 不需要想「何时投资」
习惯化	降低认知负荷	扎克伯格穿同款 T 恤 → 不需要想「今天穿什么」
直觉化	刻意练习形成专家直觉	消防员看到烟的颜色就知道房子要塌了

决策疲劳解释了为什么决策质量随时间下降——法官在下班前比上班后更可能做出宽松判决，不是因为法官好坏，而是意志力被耗尽的系统效应。实践中，最简单的起步：列出过去一周的所有决策，问每个决策「这值得消耗我的意志力吗？」——如果不值得，设计一个规则自动处理。

VoI——完成 DQ「信息」维度的闭环¶

DQ 六标准中，「信息」维度的被忽视子问题：收集信息本身是一个决策——而且这个决策可以用同一个 DQ 框架来评估。

VoI (Value of Information) 提供了精确的停止条件：

\[继续收集信息 \iff EVSI(\text{下一批数据}) > \text{收集成本}\]

其中 EVSI（样本信息价值）= EVPI（完全信息价值）× 信息准确度。EVPI 是上限——如果你能完全消除不确定性，决策能改善多少？

VoI 是「分析瘫痪」的精确解药。分析瘫痪不是因为「分析不好」——是因为缺少停止分析的条件。VoI 把模糊的直觉（「数据还不够」）量化为一个可计算的阈值：如果下一批数据最多改善决策 ¥0.1M，但收集它要花 ¥0.5M——停止收集，现在就做决定。

四个影响因素：不确定性越大 → VoI 越高；决策影响越大 → VoI 越高；信息准确度越高 → VoI 越高；信息成本越高 → 净 VoI 越低。实践中，要求团队回答「如果你能完全消除不确定性，你的决策会改善多少？」——往往暴露了「其实不确定性对决策影响不大」或「其实现在就该做决定」。

追加——2026-06-29(5)：逃避决策的心理机制与决策能力的刻意练习¶

逃避决策——三种伪决策模式的共同结构¶

大多数人以为自己是在决策，其实是在逃避。三种逃避模式共享一个结构——用短期舒适换取长期选择权的丧失：

逃避模式	心理机制	短期收益	长期代价
习惯代替决策	决策 = 认知成本，习惯 = 零成本	省事	失去选择权（如：10 年用老技术→被优化）
他人代替决策	责任转移——「不是我选的」	免责	失去自我（从未做出过真正属于自己的选择）
拖延代替决策	暂时不用面对决策焦虑	缓解焦虑	机会成本 + 焦虑累积

关键区分：逃避（洞察 1）vs 自动化（洞察 9）——表面行为相似（都不需要「主动决策」），但底层动力相反。逃避是放弃选择权，自动化是优化选择权的分配。判别问题：「你是主动决定这个决策不值得消耗精力，还是被动地让习惯/他人/拖延替你做了决定？」

决策能力刻意练习——六维度框架¶

决策能力可以像音乐或体育一样通过刻意练习提升。六维度框架将看似模糊的「决策能力」拆解为可训练的子能力：

维度	核心练习	进阶路径
框架能力	问题重定义（每天用 3 种方式重新定义一个日常问题）；假设挑战（每周列出所有假设并逐个攻击）	接受框架 → 识别错误 → 重构框架 → 预见演变
选项生成	5 个选项强制训练；跨界借鉴（其他行业怎么解决？）	2 个选项 → 5+ → 高质量 → 新选项类型
信息处理	信息四分类（决策/背景/确认/噪音，只收集第一类）；EVSI 计算	过度收集 → 适度 → 精准收集高价值 → 少量信息做决策
风险评估	事前验尸 + 概率校准	忽视风险 → 识别但高估 → 准确评估 → 化为机会
情绪管理	情绪日志 + 冷静期训练	被情绪左右 → 意识到 → 管理 → 利用情绪信息
复盘学习	决策日志 + 月度复盘	不复盘 → 流于表面 → 深度复盘 → 系统智慧

刻意练习的最佳实践：每次聚焦一个维度 90 天，测量进步，切换下一维度。大多数人试图「全面提升」→ 每个维度都练了一点点，没有一个突破进阶线。

六维度与 DQ 六标准形成双环：DQ 六标准评估的是决策的质量（框架/目标/选项/信息/权衡/执行），六维度训练的是决策者的能力。高质量决策要求每个维度都强——而刻意练习提供了逐个加强的路径。

跨域链接¶

→ 概念笔记「机器学习失败金字塔」：预测 → 因果 → 决策三个技术层（「会发生什么？」→「如果我做了 X 会发生什么？」→「我应该做什么？」）——混淆这三个层是 ML 和决策项目失败的根本原因。决策理论提供「应该做什么」的答案，ML 提供预测，因果推断提供反事实识别，三者各司其职
→ 概念笔记「贝叶斯与频率学派分歧」：贝叶斯决策理论是规范理论的数学核心——最大化期望效用的公式 $a^* = \arg\max_a \int U(a, \theta) P(\theta|D) d\theta$ 是规范决策的形式化表述
→ 概念笔记「因果推断方法阵营」：因果方法的选择本身是规定决策的一个实例——给定研究问题、数据结构和假设强度，你应该选择哪种因果方法？方法阵营对比笔记提供了这个决策所需的选项矩阵
→ 概念笔记「频率推断核心张力」：α = 0.05 不是统计公理——它是决策规则。选择 α 的值本质上是选择假阳性和假阴性的相对成本——一个决策理论问题，而大多数研究者从未用决策理论的术语思考过它
→ 概念笔记「概率分布选择」：分布选择的本质是决策框架问题——你必须根据数据生成过程（DGP）选择分布族，这是规范决策理论在统计建模中的投射
→ 桥接笔记「预测因果决策是三个不同技术层」：三面孔框架中的规定理论对应三个技术层的最顶层（决策），而规范理论为「应该做什么」提供数学基础
→ 桥接笔记「贝叶斯决策理论从概率信念到最优行动」：贝叶斯决策理论是三面孔框架中规范理论的数学核心——$a^* = \arg\max_a \int U(a,\theta) P(\theta|D) d\theta$
→ 概念笔记「策略互动的数学语法」：多主体决策理论是决策理论的核心分支之一。博弈论是规范决策理论在多主体环境中的自然延伸。
→ 概念笔记「度量选择是元决策」：C7 的「度量选择是元决策」正是 C8 所说的元决策层次的实例化。
→ 桥接笔记「因果推断诊断检验本身是假设检验」：诊断检验的可靠性直接影响「信息质量」维度，对应 DQ 六标准中的信息充分性标准。
→ 桥接笔记「信用分配是强化学习与因果推断的共同根」：时序决策的探索-利用困境与信用分配共享 RL 基础。
→ 概念笔记「实验设计与在线对照实验」：实验是规定决策工具包的核心——A/B 测试通过对照实验为有限理性决策者提供因果证据，将规范决策理论中的「最优选择」问题转化为可操作的实验设计问题。
→ 概念笔记「自适应实验与多臂老虎机」：探索-利用困境是序贯决策的统一抽象，而多臂老虎机提供了从固定样本检验到动态最优分配的完整数学框架，是贝叶斯决策理论在序贯决策中的实例化。
→ 概念笔记「关联不等于因果——可交换性是分界线」：决策理论的核心输入是"关于行动后果的知识"——因果推断（而非预测模型）提供这种知识。可交换性是从预测到因果的关卡，通过了才能为决策提供可靠输入。
→ 概念笔记「网络科学——从个体交互到集体涌现的结构性规律」：网络中的策略互补性——个体的最优决策取决于网络中邻居的选择——将决策理论从个体层面扩展到网络层面。阈值决策模型和网络效应均衡是网络环境中的规定决策理论实例：给定邻居采用比例，个体的最优选择由效用比较决定。

追加重写——2026-06-30：三面孔框架的终局验证¶

以下追加记录概念笔记——而不是文献笔记——的连续重写/扩展，以 200 字以内保留每次变更的增量论证。原始稳定论点见「核心论点」章节。

注：此为常青笔记的更新而非重写。核心三元框架（规范/描述/规定）经 6 轮追加无结构性变动。

32 源：六开关——决策完整性的日常检验¶

六开关框架（01-the-nature-of-decision-v2.md）将 DQ 六标准翻译为日常用户界面：谁决策/要什么/有哪些选项/知道什么/什么环境/真做吗。其中开关 5（环境感知——确定性/风险/不确定性三态）在原 DQ 六标准中没有显式对应，弥补了三面孔框架中「规定理论」的一个盲点：规定理论通常假设正确的环境已知，但现实中「用确定性方法处理不确定性问题」是系统性错误。六开关提供了一个 30 秒的决策完整性检查——这是规定理论从学术概念到日常实践的关键桥梁。