regret-minimization-to-outcome-maximization

name	regret-minimization-to-outcome-maximization
description	当面临重要决策，发现自己过度纠结于选择“完美”方案以避免未来后悔，导致行动迟缓或陷入“过早优化”时

regret-minimization-to-outcome-maximization

When to Use

当面临重要决策，发现自己过度纠结于选择“完美”方案以避免未来后悔，导致行动迟缓或陷入“过早优化”时。description

Core Logic

执行步骤

1. 识别决策心态

   • 输入：对当前决策过程的自我觉察。
   • 操作：审视自己在决策时的核心驱动力。问：“我当前的主要考量，是避免选错（避免后悔），还是追求选对（获得积极成果）？”
   • 判断标准：能够清晰指出当前决策心态偏向“避免后悔”还是“追求成果”。
   • 输出：对当前决策心态的定性判断（“后悔规避型”或“成果追求型”）。
   • IF 判断为“成果追求型”：THEN 可跳过本模型，直接进入具体决策分析流程。
   • ELSE (判断为“后悔规避型”)：THEN 继续步骤2。

2. 转换核心提问

   • 输入：步骤1输出的“后悔规避型”心态判断。
   • 操作：将决策的焦点问题从“如何避免选错？”转变为：“我更可能为什么感到遗憾？是为尝试后获得的经验，还是为因害怕犯错而永远停滞不前？”
   • 判断标准：能够用新的问题框架重新表述当前的决策困境。
   • 输出：基于新问题框架的初步倾向（例如：“似乎因不行动而后悔的风险更大”）。

3. 重构决策标准

   • 输入：步骤2输出的新问题框架及初步倾向。
   • 操作：将决策的评估标准从“是否完美无错”调整为“是否能带来实际结果与学习经验”。明确接受“错误”是学习过程的必要组成部分。
   • 判断标准：能够列出至少一个“即使不完美，也能推动进展或带来学习”的可行选项。
   • 输出：一套修正后的决策评估标准（例如：可行性 > 完美性；学习价值 > 零风险）。

4. 制定最小可行行动

   • 输入：步骤3输出的修正后决策标准。
   • 操作：基于新标准，选择一个能够最快启动、带来实际反馈或初步结果的行动方案。放弃“万事俱备才能开始”的想法。
   • 判断标准：制定出一个具体的、可立即或在短期内执行的行动计划。
   • 输出：一个明确的“下一步行动”指令。

输出格式要求

向用户输出一个清晰的决策视角转换结论和行动建议，格式如下：

1. 心态诊断：明确指出用户当前可能陷入“最小化预期遗憾”的陷阱。
2. 核心提问：展示转换后的关键问题：“你更可能为什么感到遗憾？是为尝试后获得的经验，还是为因害怕犯错而永远停滞不前？”
3. 行动建议：基于用户的具体决策场景，给出一个明确的、可执行的“最小可行下一步”建议。

Metadata

属性	值
领域	决策制定
类型	procedural (procedural)
置信度	90%
前置条件	需要明确待决策的具体事项及其潜在选项
来源	个人成长：阻碍理想生活的 7 个心理习惯 > 习惯 6：最小化预期的遗憾