yuanze-principles-to-algorithms

name	yuanze-principles-to-algorithms
description	把一个你反复凭直觉在做的判断（如选客户、选选题、选队友）翻译成可写下的原则， 再把原则翻译成可机器执行的算法 / 检查清单 / 评分表。激活信号：用户说"我每次 凭直觉做 X 判断"、"我有个感觉但说不清"、"这件事我做过很多次但每次都重新想"； 或用户想把自己的判断力教给别人 / 助理 / AI。不适用于：一次性创意判断、涉及 审美 / 伦理 / 亲密关系的决策、还没有足够重复样本（< 5 次）的新领域。与组织即 机器（yuanze-organization-as-machine）的区别：组织即机器是"把系统看成机器"； 本 skill 是"把直觉变成机器能跑的规则"的元动作。与戴总"人格系统" 项目的关系： 这是**项目本身的方法论**（把达利欧的判断提取成 skill 本身就是在用本 skill）。
source_book	《原则》 瑞·达利欧
source_chapter	生活原则 · 5.9-5.11 / 工作原则 · 13.2 / 15.1
tags	["meta-skill","algorithmization","tacit-knowledge","codification"]
related_skills	[{"slug":"yuanze-pain-plus-reflection","relation":"depends-on"},{"slug":"yuanze-organization-as-machine","relation":"composes-with"},{"slug":"yuanze-believability-weighting","relation":"composes-with"},{"slug":"yuanze-nine-personality-dimensions","relation":"composes-with"},{"slug":"yuanze-idea-meritocracy","relation":"composes-with"},{"slug":"yuanze-five-step-process","relation":"composes-with"},{"slug":"yuanze-expected-value","relation":"contrasts-with"}]

原则化 → 算法化（把默会知识显性化）

R — 原文 (Reading)

"原则是根本性的真理，它构成了行动的基础。……你必须清楚自己的原则是什么， 并最好能将它们写下来。没有写下来的原则不算原则。……接下来的目标是把这些 原则写进软件，让计算机可以用同样的原则做决定。"

— 瑞·达利欧，《原则》生活原则 · 5.9-5.11

---

I — 方法论骨架 (Interpretation)

这是一个元 skill——"如何把你自己的判断力复用和规模化"。三级进化：

1. 识别：发现一个情境反复出现（每周 / 每月都在做同类判断）。
2. 原则化：慢下来，在连续 10 次类似情境里记录："这次我凭什么判断 Yes / No？" 抽象出共同的触发条件。写下来（作者硬态度："没写下来的不算原则"）。
3. 算法化：把原则翻译成计算机能执行的形式——
   • if-then 规则
   • 打分表（每条触发器 0/1/2，加总阈值）
   • 检查清单
   • 代码

三个反直觉点：

• "直觉不是 bug，是算法原材料"：别人常说"跟感觉走"，作者说"感觉能被 追问出来，追问出来就是算法"。
• 规则可以有例外，原则不可以（p32）：规则背后必须有原则支撑。"必须 X" 一定有例外，但"为什么我们要 X" 的原则应当稳定。
• 算法化的目的是规模化 + 可被挑战：写下来后，你可以审视自己的判断， 别人也可以攻击你的判断——这比藏在脑子里安全得多。

关键纪律：不要先搭算法、再找原则——那是技术驱动。必须先有 10 次真实情境 的观察，才能抽出靠谱的原则。

---

A1 — 书中的应用 (Past Application)

案例 1: 公开发布《原则》手册（c20）

• 问题：桥水的默会文化越来越难传递给新员工。
• 方法论的使用：达利欧把自己过去 30 年用过的判断规则写下来，先成为 内部文档，2010 年公开发布。
• 结论：没写下来的默会知识会随人离开而消失；写下来它才成为组织资产。
• 结果：300 万+ 下载；后来催生整本《原则》出版。

案例 2: 全天候组合算法化（c18）

• 问题：达利欧对经济环境有复杂直觉。
• 方法论的使用：他把直觉翻译成 2×2 矩阵（增长 × 通胀）× 每象限对应资产 配置规则，这是可执行的算法。
• 结论：经济直觉 → 四象限 → 权重公式。任何人按公式跑都能得到类似组合。
• 结果：风险平价成为新资产管理范式，规模最高 800 亿美元。

案例 3: 错误日志制度（c09）

• 问题：Ross 错单后，"处理错误" 的默会规则不一致。
• 方法论的使用：达利欧把"处理错误应该怎么做" 这个默会共识写成制度—— 任何错误必须登记、任何登记必须剖析根因、不登记的才会受罚。
• 结果：错误日志成为全司工具，是"机器化管理" 的第一块基石。

---

A2 — 触发场景 (Future Trigger) ★

用户会在什么情境下需要这个 skill?

1. 用户有一套凭直觉在用的判断力（选客户、选课题、选队友、选要做的事）。
2. 想把自己的判断力教给别人 / 助理 / AI。
3. 发现自己每次面对同类情境都在"从零思考"——没有积累。
4. 戴总要把"我这个老板的判断力" 转成可复用的决策参考（这正是人格系统项目）。
5. Tang 想把"判断客户是否值得长期合作" 这种直觉固化成 Notion 表格。

语言信号 (用户的话里出现这些就应激活)

• "我每次都凭直觉 / 感觉"
• "这件事我做过很多次了"
• "我想把 XX 教给助理 / 团队 / AI"
• "怎么把我的判断变成规则"
• "每次都要重新想，太累"

与相邻 skill 的区分

• 与 yuanze-organization-as-machine 的区别：组织即机器是把系统看成机器； 本 skill 是把默会知识变成机器能跑的规则。
• 与 yuanze-pain-plus-reflection 的区别：痛苦+反思是把单次事件变成规则； 本 skill 是把重复判断变成算法。后者需要前者的规则作原材料。
• 与 yuanze-believability-weighting 的关系：本 skill 的输出可以包括可信度 加权（例如把"听谁的"本身算法化）。

---

E — 可执行步骤 (Execution)

1. 识别重复情境

   • 动作：问用户"这件事你每周 / 每月会做几次？"
   • 完成标准：频率 ≥ 每月 1 次，并且已经做过至少 5 次以上。
   • 判停：如果是一次性或低频（<5 次），不要 算法化——样本太少会把偶然 当规律。

2. 真实记录 10 次判断

   • 动作：让用户在接下来的 5-10 次做同类判断时，每次简要写下：
     • 情境是什么？
     • 我判断 Yes / No？
     • 我为什么这么判断（最诚实的 3 条理由）？
   • 完成标准：积累 ≥ 5 条真实记录（不是凭回忆虚构）。
   • 判停：如果没时间真实记录，先让用户凭记忆复盘 5-10 次，但标注"部分来自 回忆"。

3. 抽取共同触发条件

   • 动作：对比 5-10 条记录，找出反复出现的判断依据——
     • "凡是 A + B 情况我都说 Yes"
     • "凡是 C 情况我都说 No"
   • 完成标准：写出 3-6 条触发条件，每条能对应到 ≥ 3 次历史判断。

4. 原则化：写成 if-then

   • 动作：把触发条件写成规则：
     • if (对方愿意花 1 小时讲清问题) and not (第 1 次对话就砍价) then 绿灯
     • if (对方在我说 "不合适" 后继续追) then 红灯 每条规则都要能说出背后的原则（"为什么这个触发条件重要"）。
   • 完成标准：每条规则都有原则支撑，不是拍脑袋。
   • 判停：如果某条规则写不出原则支撑，删掉它——它可能是偏见或偶然。

5. 算法化：做成可执行工具

   • 动作：选一个落地形式：
     • Notion 表格：每次对话后勾选 5 个 yes/no，自动亮灯。
     • 检查清单：5 条，3 条满足才进入下一步。
     • 代码 / AI prompt：把规则喂给 LLM 做辅助判断。
   • 完成标准：下一次遇到情境时能真的用起来（5 秒内调用，不需要重新回忆）。

6. 迭代

   • 动作：每跑 10 次复盘一次：规则是否有误报 / 漏报？有没有新触发条件？
   • 完成标准：每次迭代规则都变得更简单或更准，不是更复杂。
   • 判停：如果规则越迭代越复杂且准确率没提升，回到原则检查——可能有 规则背后的原则错了。

---

B — 边界 (Boundary) ★

不要在以下情况使用此 skill

• 一次性或低频（< 5 次）的判断——样本太少，算法化 = 过拟合。
• 创意 / 审美 / 研究判断——"这篇文章好不好" 不能被 if-then 穷尽。
• 伦理 / 亲密关系决策（见下方作者盲点 ce22）。
• 还没有真实记录的判断——凭回忆抽规则等于给自己的偏见背书。

作者在书中警告的失败模式

• p31 没写下来 = 不算原则：脑子里的"我有一套标准" 不算数，写下来后才 能被审视和挑战。
• 规则没有原则支撑：规则会变成死板 SOP，失去应对例外的能力。

作者的盲点 / 时代局限（ce22）★

这是本 skill 最关键的边界。

• ce22 算法化的适用边界：达利欧把金融 / 流程决策的算法化经验推广到所有 决策——但道德困境、审美判断、创造性选择、亲密关系抗拒形式化。征兆：

  • 把艺术 / 伦理问题强行拆成 if-else
  • 算法无法处理的部分被定义为"不重要" 而剔除
  • 在亲密关系中用"可信度加权" 回复伴侣
  • 决策出来后依然需要人"凭感觉微调"，但这部分被忽略

  修正做法：在算法化之前，先问一个元问题："这个判断本身是否可被结构化？"

  • 答案是完全可以（金融估值、招聘打分、选题评分）→ 放心算法化。
  • 答案是部分可以（选客户——大部分可算法化，但有"气场合不合" 的剩余项） → 只算法化可结构化的部分，剩余部分显式标为"人凭判断"，不要硬塞进公式。
  • 答案是本质不可（离婚、家教、艺术评鉴）→ 不要使用本 skill。

• ce23 幸存者偏差：达利欧算法化成功，但被自己的算法锁死而僵化的公司也不少。 算法化不是万灵药。

• 戴总"人格系统" 应用：人格系统本身是本 skill 的产物——把达利欧的判断 变成 skill。但戴总本人的经营判断，应当先用本 skill 做 可结构化部分（采购 决策、合同条款、人员选型），不可结构化部分（和某个 VIP 的关系怎么维护） 明确保留在戴总本人脑子里。

容易混淆的邻近方法论

• SOP：SOP 是算法化的冻结版本，但缺"原则" 层；本 skill 要求原则和算法双 层都在。
• 决策树：是算法化的一种表达形式；本 skill 范围更广（算法可以是代码、 评分表、清单等）。
• "写日记"：日记是算法化第 2 步的原材料，不是本 skill 本身。

---

相关 skills

• depends-on: yuanze-pain-plus-reflection — 本 skill 需要 5-10 次真实情境的判断记录作为原材料；反思公式产出的单次 if-then 规则，就是被算法化的上游。
• composes-with: yuanze-organization-as-machine — 机器框架把系统看成机器，本 skill 把机器里的规则算法化。"看清机器 + 显化规则"是戴总"人格系统"项目的核心动作。
• composes-with: yuanze-believability-weighting — 可信度加权本身可以被算法化（业绩分+推理分评分表）；反过来本 skill 的输出也可以包含"听谁的"的加权算法。
• composes-with: yuanze-nine-personality-dimensions — 九维度 + 棒球卡是本 skill 在"人的判断"上的具体落地——把默会的识人直觉算法化为可共享画像。
• composes-with: yuanze-idea-meritocracy — 创意择优机制建立依赖算法化（公开的可信度评分、决策记录、三支柱流程），本 skill 为择优提供可执行的骨架。
• composes-with: yuanze-five-step-process — 五步流程本身就是被算法化的一个决策模板；可将用户的"重复决策"按五步填入，生成专属流程。
• contrasts-with: yuanze-expected-value — 预期价值是"把感觉数字化"（具体/单点量化）；本 skill 是"把原则算法化"（抽象/元层）。前者具体，后者抽象。

---

审计信息

• 验证通过: V1 ✓ / V2 ✓ / V3 ✓
• 蒸馏时间: 2026-04-19
• 优先级: P0（戴总"人格系统"项目本身就是本 skill 的直接应用）