资料盘点与解读计划
Materials Inventory & Reading Plan
创建时间: 2026-06-25 | 版本: 1.5
最后更新: 2026-06-29 (决策理论著作启动，6 篇新文献笔记，概念笔记 #4 和 #5 追加案例深化)
一、盘点总览
当前项目已收集的资料分为 5 大类，总计 ~200 份独立材料。
| 类别 |
数量 |
总规模 |
深度 |
| 📖 自有文档 (docs/) |
81 篇 |
~1.1 MB / 48K 行 |
浅-中（概述为主） |
| 📚 外部翻译 (external-docs/) |
27 篇 |
~430 KB 文本 + 21 MB PDF |
中（中英对照摘译） |
| 💻 开源仓库 (code-examples/) |
70 个 |
~6.8 GB |
深（完整源码） |
| 📓 Jupyter 笔记 (notebooks/) |
19 个 |
~108 KB |
浅-中（骨架代码） |
| 🧠 决策理论 (decision-theory/) |
22 篇 |
~560 KB / 26K 行 |
深（完整著作） |
核心问题
当前对收集来的资料的理解和整理还是很浅显——大部分资料停留在「罗列链接 + 一句简介」的层面，缺少深度解读、交叉关联和可复用的知识卡片。
二、逐类详细盘点
说明：每个材料的「解读状态」列反映 Zettelkasten 笔记提取进度：
- ✅ 完成 — 该材料中所有值得独立成篇的概念均已提取为原子笔记
- 🔄 进行中 — 部分概念已提取，尚有剩余
- ⏳ 未开始 — 尚未从此材料提取任何笔记
- ❌ 废弃 — 因用户模板变更，旧格式笔记（v1.0/v1.1）已作废
📖 A. 自有文档 (docs/) — 81 篇
A1. 方法指南 (methods/) — 4 篇 (~29 KB)
| 文件 |
行数 |
当前深度 |
解读状态 |
产出笔记 |
ab-testing-guide.md |
238 |
概述 + 关键公式 |
✅ 完成 |
1 篇 |
causal-inference-guide.md |
326 |
方法对比表 |
✅ 完成 |
3 篇 |
predictive-modeling-guide.md |
348 |
ML 流程概述 |
✅ 完成 |
2 篇 |
index.md |
27 |
入口页 |
— |
— |
A2. 基础理论 (fundamentals/) — 5 篇 (~29 KB)
| 文件 |
行数 |
当前深度 |
解读状态 |
产出笔记 |
bayesian-basics.md |
254 |
入门概念 + 贝叶斯公式 |
✅ 完成 |
无新增（贝叶斯域已覆盖 5 篇） |
descriptive-statistics.md |
330 |
统计量 + 可视化 |
✅ 完成 |
1 篇 |
inferential-statistics.md |
252 |
假设检验框架 |
✅ 完成 |
2 篇 |
probability-distributions.md |
237 |
分布族概述 |
✅ 完成 |
2 篇 |
index.md |
28 |
入口页 |
— |
— |
| 文件 |
行数 |
当前深度 |
解读状态 |
产出笔记 |
numpy.md |
297 |
API 参考 |
✅ 完成 |
无新增（代码参考） |
pandas.md |
405 |
操作指南 |
✅ 完成 |
无新增（代码参考） |
scikit-learn-guide.md |
379 |
Pipeline 概述 |
✅ 完成 |
无新增（代码参考） |
matplotlib-guide.md |
286 |
绑图 API |
✅ 完成 |
无新增（代码参考） |
sql-guide.md |
356 |
查询模式 |
✅ 完成 |
无新增（代码参考） |
index.md |
29 |
入口页 |
— |
— |
A4. 案例库 (case-studies/) — 18 个案例 (~93 KB)
当前状态: 每个案例 ~150-500 行，包含背景、方法论概述、部分有代码片段。
核心问题: 大部分案例缺少完整可运行代码和决策逻辑详解。
| 领域 |
案例数 |
代表案例 |
解读状态 |
| 💰 金融风控 |
4 |
信用评分卡、欺诈检测、流失预警、投资组合 |
⏳ |
| 📊 营销分析 |
4 |
MMM 归因、CLV 预测、客户细分、定价谈判 |
⏳ |
| ⚙️ 运筹优化 |
4 |
生产计划、VRP、需求预测、动态定价 |
⏳ |
| 🛡️ 风险评估 |
3 |
安全 ROI、VoI、贝叶斯风险 |
⏳ |
| 🎯 战略决策 |
3 |
MCDA、产品增长、SaaS 治理 |
⏳ |
A5. 资源专题 (resources/) — 19 篇 (~285 KB)
当前状态: 最庞大的资料集，但也是最「浅」的——大量链接罗列，缺少精选和深度解读。
| 子类 |
篇数 |
代表文件 |
解读状态 |
产出笔记 |
| 决策方法论 |
4 |
decision-making-methodology.md, decision-tools-templates.md (1089 行) |
🔄 ¾ 完成 |
#1 ✅, #2 ✅, #3 ✅, decision-science-resources.md ⊘ |
| ML/DL 资源 |
3 |
machine-learning-resources.md, deep-learning-resources.md |
✅ 全部 ⊘ |
— |
| 因果推断 |
1 |
causal-inference-resources.md (701 行) |
⊘ 索引文件 |
— |
| 数据工程 |
1 |
data-engineering-resources.md (862 行) |
✅ ⊘ |
— |
| NLP |
1 |
nlp-resources.md (934 行) |
✅ ⊘ |
— |
| 可视化/AB测试/时序/SQL/数学/大数据 |
7 |
各 ~300-400 行 |
✅ 全部 ⊘ |
— |
| 策展库/综合 |
3 |
curated-library.md, decision-science-comprehensive-resources.md, index.md |
✅ ⊘ |
— |
| 索引/研究计划 |
2 |
README_RESOURCES.md, research-plan.md |
⊘ |
— |
A6. 商业案例 (cases/) — 3 篇 (~66 KB)
| 文件 |
行数 |
当前深度 |
解读状态 |
产出笔记 |
behavioral-economics-cases.md |
1,273 |
深 — 8 个案例完整拆解 |
✅ 完成 |
2 篇 |
data-analysis-cases.md |
691 |
中 — 2 个详细 + 4 个摘要 |
✅ 完成 |
无新增（实操方法论） |
ecommerce-user-behavior.md |
351 |
中 — 完整流程 |
✅ 完成 |
无新增（漏斗/RFM 实操） |
📚 B. 外部翻译资料 (external-docs/) — 27 篇
B1. 因果推断教材 (6 篇, ~110 KB)
| 文件 |
内容 |
解读状态 |
产出笔记 |
causal-inference-ch1-3-zh-en.md |
因果推断基础概念 |
✅ 完成 |
4 篇 |
causal-inference-ch4-6-zh-en.md |
IPW、G-formula |
✅ 完成 |
3 篇 |
causal-inference-ch7-10-zh-en.md |
工具变量、G-estimation |
✅ 完成 |
3 篇 |
causal-inference-ch11-15-zh-en.md |
纵向数据、时变混杂 |
✅ 完成 |
2 篇 |
causal-inference-ch16-20-zh-en.md |
机器学习+因果推断 |
✅ 完成 |
1 篇 |
causal-inference-ch21-25-zh-en.md |
进阶专题 |
✅ 完成 |
1 篇 |
B2. 统计学习教材 (2 篇, ~29 KB)
| 文件 |
内容 |
解读状态 |
产出笔记 |
esl-key-concepts-zh-en.md |
ESL Ch.2-7 核心概念 |
✅ 完成 |
1 篇 |
esl-ch8-13-concepts-zh-en.md |
ESL Ch.8-13 核心概念 |
✅ 完成 |
无新增（算法介绍为主） |
B3. NLP 课程 (3 篇, ~62 KB)
| 文件 |
内容 |
解读状态 |
产出笔记 |
huggingface-nlp-module1-zh-en.md |
Transformer 基础 |
✅ 完成 |
无新增（实操教程） |
huggingface-nlp-module2-zh-en.md |
微调与数据集 |
✅ 完成 |
无新增（实操教程） |
huggingface-nlp-module3-5-zh-en.md |
高级应用 |
✅ 完成 |
无新增（实操教程） |
B4. Wikipedia 概念 (10 篇, ~205 KB)
| 文件 |
内容 |
解读状态 |
产出笔记 |
decision-science-concepts-zh-en.md |
决策理论、前景理论、行为经济学 |
✅ 完成 |
7篇 |
bayesian-statistics-concepts-zh-en.md |
贝叶斯统计、MCMC |
✅ 完成 |
5 篇 |
statistics-concepts-zh-en.md |
统计推断、假设检验 |
✅ 完成 |
3 篇 |
optimization-regularization-concepts-zh-en.md |
优化方法、正则化 |
✅ 完成 |
1 篇 |
deep-learning-concepts-zh-en.md |
深度学习全貌 |
✅ 完成 |
无新增（架构综述为主） |
reinforcement-learning-concepts-zh-en.md |
强化学习 |
✅ 完成 |
2 篇 |
graph-neural-network-concepts-zh-en.md |
图神经网络 |
✅ 完成 |
无新增（算法综述） |
generative-models-concepts-zh-en.md |
生成模型 |
✅ 完成 |
无新增（算法综述） |
ensemble-clustering-concepts-zh-en.md |
集成学习、聚类 |
✅ 完成 |
1 篇 |
meta-transfer-learning-concepts-zh-en.md |
元学习、迁移学习 |
✅ 完成 |
无新增（算法综述） |
B5. 其他 (scikit-learn 教程 + 书籍列表)
| 文件 |
内容 |
解读状态 |
产出笔记 |
tutorials/scikit-learn-user-guide-zh-en.md |
scikit-learn 用户指南 |
✅ 完成 |
无新增（API 参考） |
books/resources-list.md |
书籍资源列表 |
— |
— |
books/game-theory/ (2 PDF) |
博弈论著作 |
⏳ |
— |
💻 C. 开源仓库 (code-examples/) — 70 个
当前状态: 仅 20 个仓库有 README_ZH.md（中文导读），其余 50 个仅克隆了源码，无任何导读。
| 优先级 |
类别 |
仓库数 |
有中文导读 |
解读状态 |
| 🔴 高 |
决策科学 (D) |
7 |
✅ 全部 |
⏳ |
| 🔴 高 |
行为经济学 (E) |
8 |
✅ ⅞ |
⏳ |
| 🔴 高 |
因果推断 (B) |
6 |
❌ |
⏳ |
| 🔴 高 |
运筹优化 (C) |
7 |
✅ 6/7 |
⏳ |
| 🟡 中 |
金融风控 (F) |
7 |
❌ |
⏳ |
| 🟡 中 |
营销分析 (G) |
5 |
❌ |
⏳ |
| 🟡 中 |
投资组合 (H) |
4 |
❌ |
⏳ |
| 🟢 低 |
ML/DL (A) |
10 |
❌ |
⏳ |
| 🟢 低 |
仪表盘 (I) |
5 |
❌ |
⏳ |
| 🟢 低 |
工作流 (J) |
2 |
❌ |
⏳ |
| 🟢 低 |
ABM (K) |
3 |
❌ |
⏳ |
| 🟢 低 |
其他 (L) |
6 |
❌ |
⏳ |
📓 D. Jupyter Notebooks (notebooks/) — 19 个
当前状态: 除 01-credit-scorecard.ipynb (29.6 KB，内容较完整) 外，其余 18 个均为 骨架代码（3-7 KB），只有导入语句和函数框架，缺少分析叙述和结果解读。
| 领域 |
数量 |
完整度 |
解读状态 |
| 金融风控 |
4 |
⭐ (仅 01 号完整) |
⏳ |
| 营销分析 |
4 |
⭐ |
⏳ |
| 运筹优化 |
4 |
⭐ |
⏳ |
| 战略决策 |
3 |
⭐ |
⏳ |
| 风险评估 |
3 |
⭐ |
⏳ |
| 环境配置 |
1 |
⭐⭐ |
— |
🧠 E. 决策三重门 (decision-theory/) — 22 篇 (~560 KB)
当前状态: 已完成著作级内容，9 个洞察 ~144K 字，是目前项目中深度最深的材料。
| 组件 |
篇数 |
规模 |
解读状态 |
产出笔记 |
| 前言 |
1 |
~5K 字 |
⏳ |
— |
| 洞察 1-9 |
9 |
~22K-48K 字/重 |
⏳ |
— |
| 导读 (第二/三重) |
2 |
~8K 字 |
⏳ |
— |
| 附录工具包 |
1 |
~38K 字 / 6 工具 |
⏳ |
— |
| 完整版/优化版 |
2 |
~160K 字编译 |
⏳ |
— |
| 英文草稿 |
4 |
~51K 字 |
⏳ |
— |
三、解读计划
总体策略
笔记格式: 采用 Zettelkasten 卡片盒笔记法，7 种笔记类型：
| 类型 |
目录 |
用途 |
| 文献笔记 |
reading-notes/literature/ |
忠实提炼原文，一篇一个原子概念 |
| 概念笔记 |
reading-notes/concept/ |
用自己的话内化，跨源整合同一概念 |
| 桥接笔记 |
reading-notes/bridge/ |
跨领域/跨概念关联，揭示深层结构 |
| 灵感 |
reading-notes/inspiration/ |
阅读中迸发的原始想法 |
| 实操记录 |
reading-notes/practice/ |
工具使用、实验、调试记录 |
| 大纲笔记 |
reading-notes/outline/ |
主题写作前的大纲和思路整理 |
| 疑问 |
reading-notes/question/ |
阅读中产生的待解答问题 |
核心原则:
- 原子性: 一篇笔记 = 一个认知。不按来源写大杂烩。
- 概念导向: 按概念组织笔记，而非按材料来源。
- 渐进深化: 种子→芽→成长→常青，maturity 字段追踪。
- 面向召回: 统一 tag 体系，支持按主题检索所有相关笔记（见 Section 六）。
四、笔记模板规范
文献笔记 (Literature Note)
---
source: 源文件相对路径
type: 文献笔记
maturity: 种子|芽|成长|常青
tags: [概念标签, 层级清晰]
created: YYYY-MM-DD
---
# 完整的陈述句标题，概括这篇笔记的核心论点
## 原文提炼
（忠实还原原文的要点、公式、表格）
## 💡 个人思考
（对原文的批判、联想、质疑、延伸）
概念笔记 (Concept Note)
---
type: 概念笔记
maturity: 芽|成长|常青
tags: [主要概念, 相关概念]
sources:
- 源文件1路径
- 源文件2路径
- 相关文献笔记路径
created: YYYY-MM-DD
---
# 用自己的话完整阐述这个概念
## 定义
（凝练的一句话定义）
## 来源对比
（来自不同材料的不同表述或侧重）
## 我的理解
（内化后的解释框架，可含类比、图示）
## 边界与关联
（这个概念适用/不适用什么场景，与什么概念相关）
桥接笔记 (Bridge Note)
---
type: 桥接笔记
maturity: 芽|成长
tags: [概念A, 概念B, 桥接]
bridges:
- 概念A → 概念B: 连接逻辑
sources:
- 文献笔记1
- 文献笔记2
created: YYYY-MM-DD
---
# 概念A与概念B之间的隐藏关系
## 表面关联
## 深层结构
## 启发
五、笔记产出追踪
本节逐材料追踪笔记提取进度。每行对应一份已处理/处理中的材料。
状态图例:
- ✅ 该材料全部可提取概念均已产出原子笔记
- 🔄 部分概念已提取，尚有剩余
- ❌ 旧格式笔记（v1.0/v1.1 大杂烩笔记 + 卡片），需按 Zettelkasten 格式重做
- ⏳ 尚未开始
已产出笔记的材料
| # |
源材料 |
盘点章节 |
提取状态 |
产出笔记 |
覆盖概念 |
| 1 |
decision-science-concepts-zh-en.md |
B4 |
✅ 完成 |
7 篇文献笔记 |
决策理论三分支、前景理论、vNM公理体系、三大启发法、助推理论、因果推断双框架、ML三范式 |
| 2 |
decision-making-methodology.md |
A5 |
✅ 完成 |
6 篇文献笔记 |
分析成熟度五阶梯、OKR vs KPI、OMTM vs 北极星、情景规划、决策流程对比、决策日志 |
| 3 |
decision-tools-templates.md |
A5 |
✅ 完成 |
4 篇文献笔记 |
蒙特卡洛模拟、AHP、成本效益分析、决策矩阵 |
| 4 |
bayesian-statistics-concepts-zh-en.md |
B4 |
✅ 完成 |
5 篇文献笔记 |
贝叶斯范式、分层先验、MCMC、贝叶斯因子、变分推断 |
| 5 |
causal-inference-ch1-3-zh-en.md |
B1 |
✅ 完成 |
4 篇文献笔记 |
可交换性、ITT、collapsibility、效应度量选择 |
| 6 |
causal-inference-ch4-6-zh-en.md |
B1 |
✅ 完成 |
3 篇文献笔记 |
效应修饰、标准化vs IPW、正值性 |
| 7 |
causal-inference-guide.md |
A1 |
✅ 完成 |
3 篇文献笔记 |
DID平行趋势、PSM vs IV、RDD局部效应 |
| 8 |
DECISION_FRAMEWORK_GUIDE.md |
自有 |
✅ 完成 |
1 篇文献笔记 |
五问决策树框架选择 |
⊘ = 索引型资源文件，无独立原子概念可提取，留作概念笔记的参考文献来源。
旧格式笔记待重做的材料
| # |
源材料 |
盘点章节 |
旧产出 |
旧格式问题 |
待重做 |
| — |
全部旧格式已重做或判定为索引文件 |
|
|
|
✅ |
详情：已完成提取的材料
#1 — decision-science-concepts-zh-en.md (Wikipedia 决策科学概念)
| 笔记文件 |
核心论点 |
成熟度 |
Tags |
literature/决策理论不只规范和描述二分-存在规定理论.md |
决策理论有三重划分（规范/描述/规定），四大决策规则各有适用边界 |
芽 |
决策理论, 规范决策, 描述决策, 规定决策, 决策规则 |
literature/前景理论四发现-损失厌恶最稳定.md |
前景理论四大发现（参考点依赖、损失厌恶 λ≈2.25、敏感度递减、概率权重）+ 四重模式 |
芽 |
前景理论, 损失厌恶, 参考点依赖, 概率权重, Kahneman, Tversky |
literature/vNM四公理被阿莱悖论推翻独立性.md |
vNM 四大公理 + 阿莱悖论揭示独立性公理失效 + 埃尔斯伯格悖论揭示模糊性厌恶 |
芽 |
期望效用理论, 公理体系, 阿莱悖论, 埃尔斯伯格悖论 |
literature/三大启发法各有系统性错误场景.md |
可得性/代表性/锚定三种启发法 + 六种认知偏差 + System ½ 双系统 |
芽 |
启发法, 认知偏差, System 1, System 2, 双系统理论 |
literature/助推通过选择架构引导行为而非强制.md |
Nudge 四种机制（默认选项/社会规范/框架效应/简化）+ 伦理边界 |
芽 |
助推理论, Nudge, 行为经济学, 默认选项, 选择架构 |
literature/Rubin反事实与Pearl因果图是互补而非对立.md |
Rubin 潜在结果 + Pearl DAG/do-算子/后门准则 + 六大因果推断方法 |
芽 |
因果推断, 潜在结果, 反事实, Rubin, Pearl, DAG, do-算子 |
literature/ML三范式仅强化学习内嵌决策.md |
监督/无监督/强化三种范式对比 + 数据科学九步流程 |
芽 |
机器学习, 监督学习, 无监督学习, 强化学习, 数据科学 |
#2 — decision-making-methodology.md (决策方法论资源专题)
| 笔记文件 |
核心论点 |
成熟度 |
Tags |
literature/Gartner五阶梯多数企业卡在描述性.md |
Gartner 分析成熟度模型五阶梯：描述→诊断→预测→指导→认知，多数企业卡在描述性 |
芽 |
分析成熟度模型, 描述性分析, 诊断性分析, 预测性分析, 指导性分析, 认知分析, Gartner |
literature/OKR与KPI本质分界线是薪酬挂钩与否.md |
OKR 和 KPI 的本质区别不在度量方式，而在与薪酬是否挂钩 |
芽 |
OKR, KPI, 目标管理, 绩效考核, 战略对齐 |
literature/OMTM与北极星指标分属战术层和战略层.md |
OMTM 是阶段性的战术聚焦指标，北极星是长期的战略导向指标 |
芽 |
OMTM, 北极星指标, 指标体系, 初创公司, 产品指标, 聚焦 |
literature/情景规划目标不是预测是拓宽想象力.md |
情景规划的价值不在预测准确，而在拓宽组织对可能性的想象力 |
芽 |
情景规划, 不确定性, 战略工具, 壳牌, 早期预警 |
literature/理性决策与数据驱动决策基于不同认识论.md |
理性决策流程假定「分析完再做决策」，数据驱动决策流程假定「边做边学」 |
芽 |
决策流程, 理性决策, 数据驱动决策, 反馈循环, 实验验证 |
literature/决策日志是校准过度自信的唯一实证手段.md |
决策日志是唯一被证明能系统性校准过度自信的元认知实践 |
芽 |
决策日志, 元认知, 校准, 过度自信, 事后复盘 |
| 笔记文件 |
核心论点 |
成熟度 |
Tags |
literature/蒙特卡洛模拟本质是分布思维取代点估计.md |
蒙特卡洛模拟的本质是用分布思维取代点估计思维，改变提问方式 |
芽 |
蒙特卡洛模拟, 不确定性量化, 概率分布, 风险管理, 模拟方法 |
literature/AHP聪明在逐对比较而非直接赋权.md |
AHP 的聪明之处在于把「赋权」降维成「逐对比较」+ 一致性检验防自欺 |
芽 |
AHP, 层次分析法, 逐对比较, 一致性检验, 多准则决策 |
literature/成本效益分析贴现率决定政治倾向.md |
成本效益分析的四个指标中 NPV 最可靠，但贴现率选择是道德/政治决定 |
芽 |
成本效益分析, NPV, IRR, 贴现率, 投资评估, BCR |
literature/决策矩阵的权重比评分更决定结果.md |
决策矩阵追求的不是客观性而是透明度——权重比评分更决定排序 |
芽 |
决策矩阵, 多准则决策, 权重, 透明度, 主观性 |
#4 — bayesian-statistics-concepts-zh-en.md (Wikipedia 贝叶斯统计)
| 笔记文件 |
核心论点 |
成熟度 |
Tags |
literature/贝叶斯与频率学派分歧在概率的定义.md |
贝叶斯和频率学派的分歧不在公式而在「概率是信念程度还是长期频率」 |
芽 |
贝叶斯统计, 频率学派, 先验分布, 后验分布, 信念程度, 概率解释 |
literature/分层先验实现部分池化是贝叶斯建模核心.md |
共轭先验是数学便利，分层先验通过部分池化实现自适应正则化 |
芽 |
分层先验, 部分池化, 随机效应, 八学校问题, 贝叶斯分层模型 |
literature/MCMC把算后验从分析域迁移到模拟域.md |
MCMC 是贝叶斯的计算革命——把「算出后验」从分析问题变成采样问题 |
芽 |
MCMC, Metropolis-Hastings, Gibbs采样, HMC, 后验采样, 贝叶斯计算 |
literature/贝叶斯因子量化证据强度p值只能拒绝.md |
贝叶斯因子直接量化「数据支持模型 A 多于模型 B 多少」，p 值只能拒绝零假设 |
芽 |
贝叶斯因子, 模型比较, p值, 边缘似然, 模型证据, 假设检验 |
literature/变分推断用优化替代采样是工程妥协.md |
变分推断把采样后验变成优化近似——当 MCMC 太慢时的工程替代 |
芽 |
变分推断, ELBO, KL散度, 平均场近似, VAE, 贝叶斯近似推断 |
#5 — causal-inference-ch1-3-zh-en.md (因果推断教材 Ch1-3)
| 笔记文件 |
核心论点 |
成熟度 |
Tags |
literature/可交换性是关联等于因果的数学条件.md |
可交换性是因果推断最核心的识别假设——它是「关联等于因果」的数学条件 |
芽 |
可交换性, 条件可交换性, 因果识别, 潜在结果, 随机化, 混杂 |
literature/ITT保护可交换性而非估计真实依从效应.md |
ITT 不是分析方法而是实验设计原则——它保护随机化带来的可交换性 |
芽 |
ITT, 意向治疗, 依从性, 随机试验, 因果效应估计 |
literature/优势比不可折叠性是被滥用的根源.md |
优势比是唯一不可 collapsible 的常用效应度量，分层后边际 OR ≠ 层 OR 加权平均 |
芽 |
Collapsibility, 优势比, 风险差, 风险比, 效应度量, 逻辑回归 |
literature/效应度量选择取决于受众不是统计偏好.md |
风险差易解释但依赖基线风险，风险比稳定但易误导——选择取决于受众 |
芽 |
效应度量, 风险差, 风险比, 优势比, 因果推断, 政策决策 |
#6 — causal-inference-ch4-6-zh-en.md (因果推断教材 Ch4-6)
| 笔记文件 |
核心论点 |
成熟度 |
Tags |
literature/效应修饰需报告混杂需控制本质不同.md |
效应修饰是真实亚组差异应报告，混杂是需要消除的偏倚——混淆两者是常见错误 |
芽 |
效应修饰, 混杂, 亚组分析, 因果推断, 分层 |
literature/标准化与IPW是控制混杂的镜像方法.md |
标准化建结局模型，IPW建处理分配模型——殊途同归，双重稳健可对冲模型风险 |
芽 |
标准化, IPW, 混杂控制, 倾向评分, 因果推断方法 |
literature/正值性是IPW最脆弱的假设权重易爆炸.md |
倾向评分接近0或1时权重爆炸，正值性是IPW从教科书到生产环境的最大障碍 |
芽 |
正值性, IPW, 倾向评分, 因果推断假设, 共同支撑 |
#7 — causal-inference-guide.md (因果推断实操指南)
| 笔记文件 |
核心论点 |
成熟度 |
Tags |
literature/DID平行趋势假设干预前可检验干预后不可.md |
DID的平行趋势只能检验干预前，干预后的反事实平行永远无法验证 |
芽 |
DID, 平行趋势, 双重差分, 面板数据, 因果推断 |
literature/PSM与IV解决不同的自选择问题.md |
PSM处理可观测混杂(CIA)，IV处理不可观测混杂(外生工具)——选择取决于自选择类型 |
芽 |
IV, PSM, 工具变量, 倾向得分匹配, 自选择, 内生性 |
literature/RDD估计的是局部效应不能外推全局.md |
RDD估计断点附近的LATE，不能直接外推到远离断点的人群 |
芽 |
RDD, 断点回归, 局部处理效应, LATE, 因果推断 |
#8 — DECISION_FRAMEWORK_GUIDE.md (决策框架选择指南)
| 笔记文件 |
核心论点 |
成熟度 |
Tags |
literature/五问决策树从约束出发选择框架.md |
频率、不确定性、复杂度、时间压力、可解释性五问决定框架选择——从约束出发非偏好出发 |
芽 |
决策框架, 框架选择, 运营决策, 战略决策, 实时决策, 可解释性 |
六、概念标签索引
用途: 当进行主题写作时，按概念/标签检索所有相关笔记。
标签规范: 优先使用中文概念名，核心人物/框架用英文（Kahneman, Pearl, DAG）。概念标签独立于笔记类型。
索引中 lit: 前缀 = 文献笔记，con: = 概念笔记（未来产出），bri: = 桥接笔记。
决策理论域
| 标签 |
相关笔记 |
| 决策理论 |
lit: 决策理论不只规范和描述二分-存在规定理论 |
| 规范决策 |
lit: 决策理论不只规范和描述二分-存在规定理论 |
| 描述决策 |
lit: 决策理论不只规范和描述二分-存在规定理论
lit: 前景理论四发现-损失厌恶最稳定
lit: 三大启发法各有系统性错误场景 |
| 规定决策 |
lit: 决策理论不只规范和描述二分-存在规定理论
lit: 助推通过选择架构引导行为而非强制 |
| 决策规则 |
lit: 决策理论不只规范和描述二分-存在规定理论 |
| 前景理论 |
lit: 前景理论四发现-损失厌恶最稳定 |
| 损失厌恶 |
lit: 前景理论四发现-损失厌恶最稳定
lit: 三大启发法各有系统性错误场景 (禀赋效应) |
| 参考点依赖 |
lit: 前景理论四发现-损失厌恶最稳定 |
| 概率权重 |
lit: 前景理论四发现-损失厌恶最稳定 |
| 期望效用理论 |
lit: vNM四公理被阿莱悖论推翻独立性 |
| 阿莱悖论 |
lit: vNM四公理被阿莱悖论推翻独立性 |
| 埃尔斯伯格悖论 |
lit: vNM四公理被阿莱悖论推翻独立性 |
| 助推理论 |
lit: 助推通过选择架构引导行为而非强制 |
| 选择架构 |
lit: 助推通过选择架构引导行为而非强制 |
| 默认选项 |
lit: 助推通过选择架构引导行为而非强制 |
行为经济学域
| 标签 |
相关笔记 |
| 行为经济学 |
lit: 前景理论四发现-损失厌恶最稳定
lit: 三大启发法各有系统性错误场景
lit: 助推通过选择架构引导行为而非强制 |
| 启发法 |
lit: 三大启发法各有系统性错误场景 |
| 可得性启发 |
lit: 三大启发法各有系统性错误场景 |
| 代表性启发 |
lit: 三大启发法各有系统性错误场景 |
| 锚定效应 |
lit: 三大启发法各有系统性错误场景 |
| 认知偏差 |
lit: 三大启发法各有系统性错误场景 |
| System 1 |
lit: 三大启发法各有系统性错误场景 |
| System 2 |
lit: 三大启发法各有系统性错误场景 |
| 双系统理论 |
lit: 三大启发法各有系统性错误场景 |
分析成熟度与指标体系域
| 标签 |
相关笔记 |
| 分析成熟度模型 |
lit: Gartner五阶梯多数企业卡在描述性 |
| 描述性分析 |
lit: Gartner五阶梯多数企业卡在描述性 |
| 诊断性分析 |
lit: Gartner五阶梯多数企业卡在描述性 |
| 预测性分析 |
lit: Gartner五阶梯多数企业卡在描述性 |
| 指导性分析 |
lit: Gartner五阶梯多数企业卡在描述性 |
| 认知分析 |
lit: Gartner五阶梯多数企业卡在描述性 |
| OKR |
lit: OKR与KPI本质分界线是薪酬挂钩与否 |
| KPI |
lit: OKR与KPI本质分界线是薪酬挂钩与否 |
| 目标管理 |
lit: OKR与KPI本质分界线是薪酬挂钩与否 |
| 绩效考核 |
lit: OKR与KPI本质分界线是薪酬挂钩与否 |
| 战略对齐 |
lit: OKR与KPI本质分界线是薪酬挂钩与否 |
| OMTM |
lit: OMTM与北极星指标分属战术层和战略层 |
| 北极星指标 |
lit: OMTM与北极星指标分属战术层和战略层 |
| 指标体系 |
lit: OMTM与北极星指标分属战术层和战略层 |
| 产品指标 |
lit: OMTM与北极星指标分属战术层和战略层 |
| 聚焦 |
lit: OMTM与北极星指标分属战术层和战略层 |
战略与决策流程域
| 标签 |
相关笔记 |
| 情景规划 |
lit: 情景规划目标不是预测是拓宽想象力 |
| 不确定性 |
lit: 情景规划目标不是预测是拓宽想象力 |
| 战略工具 |
lit: 情景规划目标不是预测是拓宽想象力 |
| 早期预警 |
lit: 情景规划目标不是预测是拓宽想象力 |
| 决策流程 |
lit: 理性决策与数据驱动决策基于不同认识论 |
| 理性决策 |
lit: 理性决策与数据驱动决策基于不同认识论 |
| 数据驱动决策 |
lit: 理性决策与数据驱动决策基于不同认识论 |
| 反馈循环 |
lit: 理性决策与数据驱动决策基于不同认识论 |
| 实验验证 |
lit: 理性决策与数据驱动决策基于不同认识论 |
| 决策日志 |
lit: 决策日志是校准过度自信的唯一实证手段 |
| 元认知 |
lit: 决策日志是校准过度自信的唯一实证手段 |
| 校准 |
lit: 决策日志是校准过度自信的唯一实证手段 |
| 过度自信 |
lit: 决策日志是校准过度自信的唯一实证手段
lit: 三大启发法各有系统性错误场景 |
| 事后复盘 |
lit: 决策日志是校准过度自信的唯一实证手段 |
决策工具与方法域
| 标签 |
相关笔记 |
| 蒙特卡洛模拟 |
lit: 蒙特卡洛模拟本质是分布思维取代点估计 |
| 不确定性量化 |
lit: 蒙特卡洛模拟本质是分布思维取代点估计 |
| 概率分布 |
lit: 蒙特卡洛模拟本质是分布思维取代点估计 |
| 风险管理 |
lit: 蒙特卡洛模拟本质是分布思维取代点估计 |
| 模拟方法 |
lit: 蒙特卡洛模拟本质是分布思维取代点估计 |
| AHP |
lit: AHP聪明在逐对比较而非直接赋权 |
| 层次分析法 |
lit: AHP聪明在逐对比较而非直接赋权 |
| 逐对比较 |
lit: AHP聪明在逐对比较而非直接赋权 |
| 一致性检验 |
lit: AHP聪明在逐对比较而非直接赋权 |
| 多准则决策 |
lit: AHP聪明在逐对比较而非直接赋权
lit: 决策矩阵的权重比评分更决定结果 |
| 成本效益分析 |
lit: 成本效益分析贴现率决定政治倾向 |
| NPV |
lit: 成本效益分析贴现率决定政治倾向 |
| IRR |
lit: 成本效益分析贴现率决定政治倾向 |
| 贴现率 |
lit: 成本效益分析贴现率决定政治倾向 |
| 投资评估 |
lit: 成本效益分析贴现率决定政治倾向 |
| BCR |
lit: 成本效益分析贴现率决定政治倾向 |
| 决策矩阵 |
lit: 决策矩阵的权重比评分更决定结果 |
| 权重 |
lit: 决策矩阵的权重比评分更决定结果 |
| 透明度 |
lit: 决策矩阵的权重比评分更决定结果 |
| 主观性 |
lit: 决策矩阵的权重比评分更决定结果 |
贝叶斯统计域
| 标签 |
相关笔记 |
| 贝叶斯统计 |
lit: 贝叶斯与频率学派分歧在概率的定义 |
| 频率学派 |
lit: 贝叶斯与频率学派分歧在概率的定义 |
| 先验分布 |
lit: 贝叶斯与频率学派分歧在概率的定义
lit: 分层先验实现部分池化是贝叶斯建模核心 |
| 后验分布 |
lit: 贝叶斯与频率学派分歧在概率的定义 |
| 信念程度 |
lit: 贝叶斯与频率学派分歧在概率的定义 |
| 概率解释 |
lit: 贝叶斯与频率学派分歧在概率的定义 |
| 分层先验 |
lit: 分层先验实现部分池化是贝叶斯建模核心 |
| 部分池化 |
lit: 分层先验实现部分池化是贝叶斯建模核心 |
| 八学校问题 |
lit: 分层先验实现部分池化是贝叶斯建模核心 |
| 贝叶斯分层模型 |
lit: 分层先验实现部分池化是贝叶斯建模核心 |
| MCMC |
lit: MCMC把算后验从分析域迁移到模拟域 |
| Metropolis-Hastings |
lit: MCMC把算后验从分析域迁移到模拟域 |
| Gibbs采样 |
lit: MCMC把算后验从分析域迁移到模拟域 |
| HMC |
lit: MCMC把算后验从分析域迁移到模拟域 |
| 后验采样 |
lit: MCMC把算后验从分析域迁移到模拟域 |
| 贝叶斯计算 |
lit: MCMC把算后验从分析域迁移到模拟域
lit: 变分推断用优化替代采样是工程妥协 |
| 贝叶斯因子 |
lit: 贝叶斯因子量化证据强度p值只能拒绝 |
| 模型比较 |
lit: 贝叶斯因子量化证据强度p值只能拒绝 |
| 边缘似然 |
lit: 贝叶斯因子量化证据强度p值只能拒绝 |
| 模型证据 |
lit: 贝叶斯因子量化证据强度p值只能拒绝 |
| 变分推断 |
lit: 变分推断用优化替代采样是工程妥协 |
| ELBO |
lit: 变分推断用优化替代采样是工程妥协 |
| KL散度 |
lit: 变分推断用优化替代采样是工程妥协 |
| 平均场近似 |
lit: 变分推断用优化替代采样是工程妥协 |
| VAE |
lit: 变分推断用优化替代采样是工程妥协 |
因果推断深入域
| 标签 |
相关笔记 |
| 可交换性 |
lit: 可交换性是关联等于因果的数学条件 |
| 条件可交换性 |
lit: 可交换性是关联等于因果的数学条件 |
| 因果识别 |
lit: 可交换性是关联等于因果的数学条件 |
| ITT |
lit: ITT保护可交换性而非估计真实依从效应 |
| 意向治疗 |
lit: ITT保护可交换性而非估计真实依从效应 |
| 依从性 |
lit: ITT保护可交换性而非估计真实依从效应 |
| 随机试验 |
lit: ITT保护可交换性而非估计真实依从效应 |
| 因果效应估计 |
lit: ITT保护可交换性而非估计真实依从效应
lit: 效应度量选择取决于受众不是统计偏好 |
| Collapsibility |
lit: 优势比不可折叠性是被滥用的根源 |
| 效应度量 |
lit: 优势比不可折叠性是被滥用的根源
lit: 效应度量选择取决于受众不是统计偏好 |
| 逻辑回归 |
lit: 优势比不可折叠性是被滥用的根源 |
| 政策决策 |
lit: 效应度量选择取决于受众不是统计偏好 |
因果推断域
| 标签 |
相关笔记 |
| 因果推断 |
lit: Rubin反事实与Pearl因果图是互补而非对立 |
| 潜在结果 |
lit: Rubin反事实与Pearl因果图是互补而非对立 |
| 反事实 |
lit: Rubin反事实与Pearl因果图是互补而非对立 |
| DAG |
lit: Rubin反事实与Pearl因果图是互补而非对立 |
| do-算子 |
lit: Rubin反事实与Pearl因果图是互补而非对立 |
| 后门准则 |
lit: Rubin反事实与Pearl因果图是互补而非对立 |
| Rubin |
lit: Rubin反事实与Pearl因果图是互补而非对立 |
| Pearl |
lit: Rubin反事实与Pearl因果图是互补而非对立 |
机器学习域
| 标签 |
相关笔记 |
| 机器学习 |
lit: ML三范式仅强化学习内嵌决策 |
| 监督学习 |
lit: ML三范式仅强化学习内嵌决策 |
| 无监督学习 |
lit: ML三范式仅强化学习内嵌决策 |
| 强化学习 |
lit: ML三范式仅强化学习内嵌决策 |
| 数据科学 |
lit: ML三范式仅强化学习内嵌决策 |
人物/框架索引
| 标签 |
相关笔记 |
| Kahneman |
lit: 前景理论四发现-损失厌恶最稳定 |
| Tversky |
lit: 前景理论四发现-损失厌恶最稳定 |
| Thaler |
lit: 助推通过选择架构引导行为而非强制 |
| Sunstein |
lit: 助推通过选择架构引导行为而非强制 |
| Pearl |
lit: Rubin反事实与Pearl因果图是互补而非对立 |
| Rubin |
lit: Rubin反事实与Pearl因果图是互补而非对立 |
| Gartner |
lit: Gartner五阶梯多数企业卡在描述性 |
| Saaty |
lit: AHP聪明在逐对比较而非直接赋权 |
七、进度总览
量化进度
| 维度 |
完成 |
总数 |
进度 |
| 材料已审查 |
62 份 (另 18 份 ⊘) |
~200 份 |
31.0% |
| Zettelkasten 笔记 |
80 篇 (文献 71 + 概念 6 + 桥接 3) |
— |
— |
| 概念域已覆盖 |
10 |
目标 12+ |
83% |
Phase 1 完成: A1-A6 (docs/) + B1-B5 (external-docs/) 全部 57 份材料已审查，58 篇文献笔记。
A4 案例库: 3/18 案例文件审查，7 篇文献笔记。
决策理论: 启动 decision-theory/，2 个主题文件 + 工具附录部分审查，6 篇文献笔记。
桥接笔记: 3 篇跨域连接完成。
剩余: A4 案例库 (15 个) + 决策理论 三重门深读 (~300 KB) + 代码仓库 (70 个) + Notebooks (19 个)
概念笔记 (6 篇，成熟度均为「成长」)
| # |
域 |
标题 |
引用源数 |
| 1 |
贝叶斯统计 |
贝叶斯与频率学派的分歧不是方法偏好——是概率定义不可通约 |
8 |
| 2 |
因果推断 |
关联不等于因果——可交换性是分界线 |
6 |
| 3 |
统计推断 |
频率推断核心张力——工具禁止直觉理解 |
7 |
| 4 |
决策理论 |
决策理论三张面孔——规范描述规定 |
19 |
| 5 |
机器学习 |
机器学习失败金字塔——算法选择是塔尖 |
10 |
| 6 |
因果方法 |
因果推断方法阵营分歧不在数学——每种方法估计不同的因果量 |
13 |
未归入概念笔记的独立文献笔记 (5 篇，待更多材料入域后整合)
| 笔记 |
域 |
| OMTM与北极星指标分属战术层和战略层 |
产品指标 (仅 2 篇) |
| OKR与KPI本质分界线是薪酬挂钩与否 |
产品指标 |
| Gartner五阶梯多数企业卡在描述性 |
分析成熟度 (仅 1 篇) |
| 对数正态是乘法过程自然结果解释偏态 |
概率分布 (仅 2 篇) |
| 指数分布无记忆性唯一连续分布 |
概率分布 |
当前批次 (Phase 1.1 重做 + 新拓)
| # |
任务 |
状态 |
| 1 |
decision-science-concepts-zh-en.md 提取文献笔记 |
✅ 7篇完成 |
| 2 |
decision-making-methodology.md 按新格式重做 |
✅ 6篇完成 |
| 3 |
decision-tools-templates.md 按新格式重做 |
✅ 4篇完成 |
| 4 |
bayesian-statistics-concepts-zh-en.md 按新格式重做 |
✅ 5篇完成 |
| 5 |
causal-inference-ch1-3-zh-en.md 按新格式重做 |
✅ 4篇完成 |
桥接笔记 (3 篇，成熟度均为「成长」)
| # |
桥接域 |
标题 |
| 1 |
预测↔因果↔决策 |
预测因果决策是三个不同技术层混淆它们是失败根源 |
| 2 |
因果↔强化学习 |
信用分配是时序因果推断与强化学习的共同根 |
| 3 |
因果↔统计推断 |
因果推断诊断检验本身是假设检验同样面临p-hacking风险 |
Phase 1.1 完成
Phase 1.1（决策理论基础）5 份材料全部提取完毕，26 篇文献笔记，9 个概念域覆盖。
下一步: Phase 1.2（贝叶斯与因果推断）或 Phase 1.3（统计学地基）。
八、下一步
短期 (本周): 65 篇文献笔记 + 6 篇概念笔记 + 3 篇桥接笔记。A4 案例库已启动（3/18 文件已审查）。剩余 5 篇独立文献笔记待「产品指标」「分析成熟度」「概率分布」三域积累更多材料后整合为概念笔记。
中期 (1-2 周):
- 继续 A4 案例库剩余 15 个案例文件的文献笔记提取
- 或进入决策理论著作（decision-theory/, 15 个文件，~560 KB）做深读笔记
- 或对 6 篇概念笔记中被新案例强化的域（决策理论 #4、ML #5）做常青升级评估
触发条件: 当同一概念域积累 ≥3 个来源的文献笔记后 → 开启概念笔记写作（跨源整合）。
版本记录:
- v1.0 (2026-06-25): 初始盘点 + 三阶段解读计划
- v1.1 (2026-06-25): 进度表细化到批次编号 + 盘点章节映射
- v1.5 (2026-06-29): 决策理论著作启动（decision-theory/ 主题1+2+工具附录），6 篇新文献笔记（元决策/决策-结果矩阵/宽窄框架/DQ乘性/事前验尸/不决策代价），概念笔记#4 追加雷曼+Blockbuster+新可乐 3 案例（共19源），概念笔记#5 追加漏斗分析+AB交互+RFM+营销归因 4 方法论（共10源）