P12a contemplation right effort

正精进 Skill（Right Effort）

适用场景

• 项目持续投入但效果不佳，该不该继续？
• 团队在错误方向上越走越远
• 需要评估"停止"的成本与收益

输入

字段	说明
current_effort	当前投入的方向/项目
investment_to_date	已有投入（时间/金钱/人力）
original_rationale	当初启动的理由
current_signals	当前的市场/用户反馈信号

输出

• 归零分析（如果从未开始，现在会启动吗？）
• 停止/继续/调整的决策建议
• 止损执行方案

工作流程

1. 沉没成本隔离：将已有投入视为"沉没成本"，仅基于未来收益做决策
2. 归零思考：假设今天是项目第一天，基于当前认知，会启动吗？
3. 信号重评：重新评估市场信号——是暂时的波动还是趋势逆转？
4. 停止成本核算：如果停止，有哪些直接成本（合同/离职/声誉）？
5. 决策输出：停止（立即）/ 调整（转向）/ 继续（加大投入）/ 观察（设置检查点）

注意事项

• 停止 ≠ 失败——在错误方向上停止是智慧
• 最难的不是做决策，而是执行停止决策（心理/组织惯性）

核心概念

1. 延长偏差（Extended Deviation）

• 定义：在方向已经失真后，继续投入更多资源维持旧框架的行为
• 关键点：
  • 很多团队擅长执行精进（更快交付、更密迭代），却缺方向精进（及时止损、重看方向）
  • "还差一点就成了"的潜台词常常是"已经投了这么多，现在停下来太难看了"
  • 延长偏差会越做越含糊；正常探索期会越做越清楚"还差哪几个信息才能判断"
  • 以前需要三个月积累的沉没成本，现在三周就够了

2. 归零分析（Zero-Based Analysis）

• 定义：假设今天是项目第一天，基于当前认知，是否还会启动？
• 关键点：
  • 将已有投入视为"沉没成本"，仅基于未来收益做决策
  • 逼人暂时放下面子、投入和沉没成本，回到更冷一点的判断位置
  • 如果答案已经开始犹豫，说明驱动团队继续的可能不再是价值，而是投入过多后的不甘心

3. 方向校准点（Direction Calibration Point）

• 定义：定期重看方向——不是问"做得怎么样"，而是问"还值不值得继续做"
• 关键点：
  • 把"这个方向现在应该停一下"变成正式能力，而不是等彻底崩掉才被迫回头
  • 停止条件应该提前写出来：什么信号出现就继续，什么信号出现就必须重审
  • 项目有立项流程、排期流程、发布流程，但"该停了"常常没有流程

4. 琴弦譬喻（Guitar String Metaphor）

• 定义：来自佛教——太紧会断，太松又不成音，关键在调到合适的张力
• 关键点：
  • 不是越苦越好，不是越用力越对
  • 问题根本不是力道不够，而是方向不对、节奏不对、方法不对
  • "更拼一点"几乎是组织里最难被反驳的话，但方向错误的努力只会累积成成本
  • 越是执行能力变强的时候，越需要修正努力方式

5. 体面停止（Graceful Stop）

• 定义：给"停止"一个正式的、不被惩罚的组织位置
• 关键点：
  • 停止不是失败——在错误方向上停止是智慧
  • 如果组织只奖励启动和推进，不奖励及时止损，错误方向就会被结构性延长
  • 真正成熟的团队，不只庆祝上线，也要庆祝被及时停掉、因此没有继续浪费资源的项目
  • 停止成本核算：直接成本（合同/离职/声誉）和间接成本（士气/信心）

深入核心概念

深入 1. 琴弦譬喻：方向精进 vs 执行精进

定义：佛经中以琴弦譬喻修行——太紧会断，太松不成音，关键在调到合适的张力。正精进不是更拼，而是更少把力浪费在错的方向上。

书稿引用：「很多团队擅长执行精进，却缺方向精进。执行精进意味着更快交付、更密迭代、更少拖延；方向精进则意味着在开始前更认真地验证，在推进中更及时地校准，在发现不对时有勇气停下。前者很容易被表扬，后者却更容易被误解成'拖慢节奏'。」（第8章）书中进一步指出：「AI 时代会把这个问题放得更大。因为现在做东西比过去更快了，方向一旦错了，错误也会被更快、更完整地做出来。以前可能需要三个月才积累出的沉没成本，现在三周就够了。」

应用：在产品团队中区分两种精进——执行精进关注"做得更快更好"，方向精进关注"做的方向是否还值得"。越是执行能力变强的时候，越需要修正努力方式，否则团队会在错误方向上显得越来越优秀。定期问自己：我们是在精进执行，还是在精进方向？

深入 2. 延长偏差：当"再拼一点"变成结构性浪费

定义：在方向已经失真后，继续投入更多资源维持旧框架的行为。它与"坚持"的关键区别在于：坚持是越做越清楚"还差什么"，延长偏差是越做越含糊"假设被验证会是什么样"。

书稿引用：「'还差一点就成了'——这句话在组织里太常见了。它的潜台词常常不是'方向对了，只差最后一步'，而是'我们已经投了这么多，现在停下来太难看了'。很多时候，那'一点'并不是最后的工程补足，而是整个问题定义本身已经变了。」（第8章）书中以 Anthropic 招聘评估为例：当 AI 已经能超越多数候选人时，继续沿用旧测试不是"坚持"，而是延长偏差——题还在出，流程还在推进，但已经不再测到真正想测的能力。

应用：判断延长偏差有三个信号——(1) 团队在过去几轮迭代里越来越难以描述"假设被验证会是什么样"；(2) 继续补旧系统（改难题、限制使用）是在维持旧定义还能成立的样子；(3) 驱动继续的不再是价值判断，而是投入过多后的不甘心。识别到这些信号时，应启动归零分析。

分步执行

第 1 步：沉没成本隔离

1. 明确当前投入方向和已有投入（时间/金钱/人力）
2. 将已有投入标记为"沉没成本"——不影响未来决策
3. 只基于未来收益做决策，不因为"已经投了这么多"而继续
4. 写清楚：如果今天第一次看到这个投入，还会继续吗？

第 2 步：归零思考

1. 假设今天是项目第一天，基于当前认知，会启动吗？
2. 当初启动的理由还成立吗？
3. 市场/用户/技术环境有什么变化？
4. 如果答案开始犹豫——这是最重要的信号

第 3 步：信号重评

1. 重新评估当前市场信号和用户反馈
2. 区分：暂时的波动还是趋势逆转？
3. 区分"坚持"和"延长偏差"：
   • 坚持 = 长期价值仍然成立，短期挫折值得扛
   • 延长偏差 = 没人愿意承认最初判断可能错了
   • 越做越能说清楚还差什么 → 正常探索
   • 越做越难以描述"假设被验证会是什么样" → 延长偏差

第 4 步：停止成本核算

1. 如果停止，有哪些直接成本（合同违约、人员调整、品牌影响）？
2. 有哪些间接成本（团队士气、投资者信心、组织信誉）？
3. 这些成本 vs 继续投入的成本，哪个更大？
4. 把停止条件提前写出来

第 5 步：决策输出

1. 四个选项：
   • 停止（立即）：方向已经不可挽回
   • 调整（转向）：核心价值还在，但执行路径需要改
   • 继续（加大投入）：信号仍然积极，价值假设被验证
   • 观察（设置检查点）：信号不确定，设定明确的观察期和判断标准
2. 给"停止"一个体面的组织位置
3. 记录决策理由，为未来复盘留下依据

示例 1：Anthropic 招聘评估方法的及时修正

场景描述

Anthropic 的性能工程团队从 2024 年开始用一套 take-home test 招人，这套题帮团队招到了几十位工程师，原来确实有效。但到了 Claude Opus 4，在同样时间限制下 AI 已经优于多数候选人；到了 Opus 4.5，连最强候选人的区分度也快被抹平了。如果继续沿用旧流程，看上去仍然会很忙——题还在出，候选人还在做，流程还在推进——但这些动作已经越来越不再测到真正想测的能力。

用户输入

current_effort: "take-home 编程测试用于招聘性能工程师"
investment_to_date: "使用超过一年，做过上千名候选人，招到几十位工程师"
original_rationale: "通过真实编程任务评估候选人的工程能力"
current_signals: "Claude Opus 4 已优于多数候选人，Opus 4.5 连最强候选人的区分度也快被抹平"

执行流程

1. 沉没成本隔离：
   • 已有投入：一年时间、上千候选人测试、几十位成功招聘 → 全部标记为沉没
   • 不因为"这套方法以前很成功"而继续使用
2. 归零思考：
   • 如果今天第一次设计招聘流程，还会用 AI 已经能轻松超越的测试吗？
   • 答案明显是"不会"——说明继续沿用旧方法是延长偏差
3. 信号重评：
   • 信号不是"暂时波动"，是"趋势逆转"——AI 能力在持续提升
   • 继续补旧系统（改难题目、限制 AI 使用、退回"不许用 AI"）是在维持旧定义还能成立的样子
   • 这些动作都很勤奋，但未必真的解决了问题
4. 停止成本核算：
   • 停止旧测试的直接成本：需要设计新评估方式
   • 继续旧测试的成本：越来越不区分真正能力，可能招到"会做题但不会做真实工作"的人
   • 继续的成本更大
5. 决策输出：
   • 决策：调整（转向）
   • Anthropic 追问：如果真实工作本来就会与 AI 协作，那到底还该测什么？
   • 不是停用评估，而是重看"努力的方向"——从"抵抗 AI"转向"评估与 AI 协作的能力"

输出结果

=== 归零分析报告 ===

【沉没成本隔离】
- 已投入：1年时间、1000+候选人、数十位成功招聘
- 全部标记为沉没，不影响未来决策

【归零思考】
- 如果今天第一次设计招聘流程，还会用 AI 已经能轻松超越的测试吗？
- 答案：不会 → 继续沿用旧方法是延长偏差

【信号重评】
- 趋势逆转：AI 能力持续提升，旧测试的区分度在消失
- "补旧系统"（改难题/限制AI）= 维持旧定义还能成立的样子
- 不是"不够努力"，是"努力的方向需要重来"

【停止成本】
- 停止旧测试：需设计新评估方式（可接受）
- 继续旧测试：区分度持续下降，可能招到不合适的人（不可接受）

【决策】
- 选择：调整（转向）
- 从"抵抗 AI 的评估"转向"评估与 AI 协作的能力"
- 什么能力应该保留、什么已经不值得再测、什么信号才算有人类含量——这些才是真正该问的问题

【关键启发】
很多组织在这种时刻的第一反应是给旧系统打补丁，而不是重看方向。
这些动作看上去很勤奋，但只是在努力维持旧定义还能成立的样子。

示例 2：AI 产品方向持续投入但效果不佳

场景描述

一个团队投入 8 个月开发 AI 客服功能，初始假设是"AI 可以替代 80% 的人工客服"。上线 3 个月后，AI 实际只能处理 35% 的问题，且用户满意度低于人工客服。团队认为"再优化一下 prompt 和知识库就能上去"，但已经花了 2 个月优化，提升缓慢。

用户输入

current_effort: "AI 客服自动化功能开发和优化"
investment_to_date: "8个月开发 + 3个月上线运营，团队 5 人"
original_rationale: "AI 可以替代 80% 人工客服，大幅降低客服成本"
current_signals: "AI 处理率仅 35%，满意度低于人工，优化 2 个月提升缓慢"

执行流程

1. 沉没成本隔离：
   • 已投入：11个月时间、5人团队、开发+运营成本 → 全部标记为沉没
   • 不因为"已经投了这么多"而继续
2. 归零思考：
   • 如果今天第一次评估这个方向，基于"AI 处理率 35%、满意度低于人工"的数据，会启动"替代 80% 人工客服"的项目吗？
   • 答案：不太会 → 驱动继续的可能不再是价值，而是不甘心
3. 信号重评：
   • 初始假设"替代 80%"已被证伪（实际 35%）
   • 优化 2 个月提升缓慢 → 不是暂时波动，是遇到了天花板
   • 团队说"再优化一下"——但"还差一点就成了"的潜台词是"已经投了这么多"
4. 停止成本核算：
   • 停止直接成本：团队重组、已开发资产可能部分复用
   • 继续成本：再投入时间+人力，但假设已经被证伪
   • 问题不是"能不能做到 80%"，而是"这个假设还值不值得追"
5. 决策输出：
   • 决策：调整（转向）——从"AI 替代人工客服"改为"AI 辅助人工客服"
   • 保留已开发能力，但重新定义目标：不是替代，是辅助
   • 设定新检查点：3个月后 AI 辅助模式下的人工效率提升是否显著？

输出结果

=== 归零分析报告 ===

【沉没成本隔离】
- 已投入：11个月、5人团队、全部开发和运营成本
- 全部标记为沉没

【归零思考】
- 如果今天第一次看到这个数据（处理率35%、满意度低、优化2个月提升慢），会启动"替代80%"的项目吗？
- 答案：不会 → 继续追"替代 80%"是延长偏差

【信号重评】
- "替代 80%"假设已被证伪 → 趋势逆转，非暂时波动
- 优化提升缓慢 → 遇到能力天花板
- 团队在"延长偏差"状态：越做越含糊，越做越难描述"假设被验证会是什么样"

【停止成本】
- 停止"替代"方向：团队重组，已开发资产可部分复用
- 继续追"替代"：持续投入，假设已证伪，回报不确定

【决策】
- 选择：调整（转向）
- 从"AI 替代人工客服"→"AI 辅助人工客服"
- 重新定义成功指标：不是"AI 处理率"，而是"AI 辅助下的人工效率提升"
- 设置新检查点：3个月后评估辅助模式效果

【关键启发】
区分"坚持"和"延长偏差"的标准：
- 过去几轮迭代里越来越难描述"假设被验证会是什么样" → 延长偏差
- 能越来越精确地说出"还差哪几个信息才能判断" → 正常探索期模糊
本案属于前者。