From «反脆弱»

写一份黑天鹅事件解剖报告

你将选择一个真实黑天鹅事件,用反脆弱三态归类、凸性/凹性识别、极端斯坦地形分析三个视角,写一份结构化的事件解剖报告——找出谁脆弱、谁强韧、谁反脆弱,并提炼可迁移到个人决策的洞察。

Final work

《一份《黑天鹅事件解剖报告》》

Estimated time

1.5-2 小时

已提交

Your final work

Purpose:用反脆弱框架对一个真实黑天鹅事件进行结构化解剖,识别系统脆弱根源与反脆弱获益方,提炼个人可用的决策洞察。

Parts:

  • 事件背景与冲击烈度(极端斯坦地形确认)
  • 三态归类扫描:谁脆弱、谁强韧、谁反脆弱
  • 凸性/凹性结构分析:哪些主体是凹性受害者,哪些是凸性获益者
  • 叙事谬误识别:事后解释是如何遮蔽真正的脆弱根源的
  • 林迪效应视角:哪些古老系统/实践反而更耐冲击
  • 切肤之痛检验:哪些决策者/建议者没有承担真实后果
  • 个人可迁移洞察:这个事件如何改变你的决策框架

Use cases:

  • · 用于个人投资/职业决策中的脆弱性自查
  • · 用于向团队展示不确定性下的系统设计思路
  • · 用于读书会或课程中的案例分析材料
  • · 用于建立自己的「黑天鹅事件解剖库」

Pick a topic

Pick the topic closest to you, or write a custom one when you submit.

个人生活/职业类

商业/产业类

技术/社会类

社会/公共卫生类

经济/金融类

Tools you'll use from the book

三态归类(脆弱/强韧/反脆弱)

波动使脆弱者受损、使强韧者不变、使反脆弱者获益——三态是分析任何事件的基础框架。

How to use it here:

扫描黑天鹅事件中的所有主要参与方(政府/企业/个人/行业),逐一判断它们属于哪一态,找出为什么同一个冲击会对不同主体产生如此不同的结果。

Boundaries:

三态不是道德评判,反脆弱获益者不一定是「好人」;分析的目的是理解结构,而非为特定立场辩护。

凸性 vs 凹性识别

凸性结构:损失有底线、收益没上限;凹性结构:收益有上限、损失没底线——凹性是黑天鹅受害者的共同特征。

How to use it here:

在事件中找出典型的凹性设计(如高杠杆负债、单一来源收入、过度优化的供应链),说明为什么这些结构在正常时期看似高效,却在冲击来袭时成为灾难放大器。

Boundaries:

不要把「事后显而易见的凹性」当成事前的愚蠢——叙事谬误本身就是本次分析需要对抗的认知陷阱。

极端斯坦地形分析

极端斯坦(幂律分布)vs 平均斯坦(正态分布)——黑天鹅只存在于极端斯坦,在平均斯坦中极端事件从统计上就不应该发生。

How to use it here:

判断你选择的事件发生在哪种地形:如果是极端斯坦(金融市场/社会舆论/科技创新),则大量使用正态分布假设的风险模型本质上是错误的工具;用此框架解释为什么「专家」总是预测失败。

Boundaries:

不要把「极端斯坦」当作「一切都不可预测」的借口——分析的目标是建立正确的预期校准,而非虚无主义。

林迪效应应用

存活时间越长的技术/实践/制度,预期剩余寿命越长——黑天鹅往往优先摧毁高度现代化/优化的新兴系统,而古老系统反而更能存活。

How to use it here:

在事件中找出哪些「过时的」或「低效的」机构/实践/系统意外展现了更高的存活率,并用林迪效应解释背后的机制:经受过时间筛选的系统已经证明了对未知冲击的隐性耐受力。

Boundaries:

林迪效应不是「越老越好」的一般原则,它只适用于非生物性事物(书籍/制度/技术),不适用于人类寿命预测。

切肤之痛检验

给出建议/决策/方案的人,是否对结果承担了真实损失?没有切肤之痛的参与者是系统脆弱的放大器。

How to use it here:

在黑天鹅事件中找出「建议者/设计者与损失承担者分离」的典型案例(如评级机构对 CDO 的错误评级、专家对某政策的错误背书),分析这种「风险转移」结构如何使脆弱性系统性地被低估和掩盖。

Boundaries:

切肤之痛检验是分析工具,不是寻找「替罪羊」的框架——目标是识别结构性问题,而非将复杂事件归因于单个坏人。

Work rules

Your work MUST include

  • 必须选择一个真实存在的黑天鹅事件(不得虚构)
  • 必须完成三态归类扫描(至少识别出脆弱方、强韧方、反脆弱获益方各一个)
  • 必须使用极端斯坦框架说明为什么该事件难以预测
  • 必须包含至少一个「切肤之痛缺失」的典型案例分析
  • 必须在结尾提炼至少 1 条可迁移到个人决策的洞察
  • 必须识别至少一处叙事谬误(事后解释是如何产生的)

Your work CANNOT just be

  • 不能只是对事件的新闻式描述或历史摘要
  • 不能把反脆弱视角替换为道德评判(谁好谁坏)
  • 不能只停留在「这件事很复杂」的结论而无结构分析
  • 不能让 AI 替你编造事件细节或伪造数据
  • 不能把「黑天鹅」误用为「任何坏事」——必须说明为什么该事件符合极端斯坦特征

AI can help you here

Round 1: 帮我确认事件是否符合黑天鹅定义

When to use: 你已经有一个想分析的事件,但不确定它是否真正符合黑天鹅定义,或不确定如何用极端斯坦框架定性它。

我正在用《反脆弱》完成「写一份黑天鹅事件解剖报告」项目。

我想分析的事件是:
【填写你想分析的事件名称和基本背景,1-3 句话即可】

请帮我完成以下判断:
1. 这个事件是否发生在「极端斯坦」(幂律分布)地形?还是「平均斯坦」(正态分布)地形?请说明理由。
2. 它是否满足黑天鹅的三个核心特征:事前极难预测、冲击烈度超出正态预期、事后总能找到解释?
3. 如果不完全符合,你认为我应该换哪个事件,或者如何调整分析角度?
4. 这个事件最适合用书中的哪 2-3 个工具(三态归类/凸性分析/切肤之痛/林迪效应)来解剖?

请不要替我生成分析,只帮我确认方向。

AI can help you organize ideas, but cannot make final judgments for you. Don't let AI fabricate experiences, cases, or misleading content.

Round 2: 帮我深化某一视角的分析

When to use: 你已经选定事件并完成了初步的三态归类,但在某个具体分析视角(如凸性结构识别、叙事谬误挖掘或切肤之痛检验)上卡住了,需要帮助深化。

我正在用《反脆弱》完成「写一份黑天鹅事件解剖报告」项目。

我选择的事件是:{{选题}}

我目前完成的分析是:
【粘贴你已经写完的部分,比如三态归类或凸性分析】

我目前卡住的分析视角是:
【说明你卡在哪里,例如:「我找不到这个事件中的反脆弱获益方」或「我无法判断哪个是最典型的切肤之痛缺失案例」】

请帮我:
1. 针对我卡住的视角,提出 2-3 个值得探索的分析方向(不要直接给我答案,给我方向)
2. 提示我可以从哪些公开资料中找到支撑我分析的证据
3. 提醒我在这个视角中最容易犯的叙事谬误陷阱

注意:请不要替我编造事件细节或捏造数据。如果你不确定某个事实,请明确说明。

Yellow placeholders need you to fill in before using the AI.

AI can help you organize ideas, but cannot make final judgments for you. Don't let AI fabricate experiences, cases, or misleading content.

Round 3: 帮我检查报告初稿

When to use: 你已经完成了报告初稿,准备提交,想让 AI 从反脆弱视角检查是否遗漏了重要分析,以及是否存在叙事谬误或逻辑陷阱。

我正在提交书房岛项目作品。

书名:《反脆弱》
项目路线:写一份黑天鹅事件解剖报告
我分析的事件:{{选题}}

我的报告初稿:
{{作品初稿}}

请从以下角度帮我检查:
1. 三态归类是否清晰?是否每一态都有具体主体,而非笼统描述?
2. 凸性/凹性分析是否准确识别了结构特征,还是混淆了「损失大」和「凹性结构」?
3. 极端斯坦框架使用是否到位?有没有把「平均斯坦」里的普通坏事误判为黑天鹅?
4. 叙事谬误识别是否有深度?还是只停留在表面的「某人/某机构犯了错误」?
5. 切肤之痛案例是否聚焦于「结构性风险转移」,还是变成了道德谴责?
6. 个人洞察是否真正可迁移,还是过于抽象泛泛?
7. 报告整体是否符合「解剖报告」的结构性要求,而非流水账式叙述?

请给出:总体评价 / 已经做好的部分 / 必须修改的地方 / 可以增强的地方。

注意:请不要替我重写报告,给出修改建议即可。

Yellow placeholders need you to fill in before using the AI.

AI can help you organize ideas, but cannot make final judgments for you. Don't let AI fabricate experiences, cases, or misleading content.

写一份黑天鹅事件解剖报告 — 反脆弱 | Reading Lab