前些天和枪叔聊起“判断力”，都说有了 AI，审美和判断力很重要，今天只说判断力，这个“力”应该怎么提升？
其实，之前的“Bet Table”很大程度上就是为了提升判断力，并且对这些判断做记录。不过效果好像没那么好，仔细想想，可能流于形式了，而且甚至在一定程度上形成了“对抗”——产品同事们提出需求，就希望能通过牌桌，而我们在尽量“砍需求”。
跟 AI 讨论了一阵，找了个提升判断力的方式，我会自己做，也鼓励大家做，回头可以一起做，方法很简单：
展开一点：
一个文本文件，一年一份。每条记四行：选了什么、为什么、预期什么时候出现什么结果、信心多少。当天写，隔天写的已经是改过的故事。
信心写成百分比。“大概行”没法复盘，“70%” 可以。
每月固定一天，打开文件和 AI 一起看。问它三件事：
判断力靠反馈练。决定做出后几个月甚至几年才出结果，到时候人只记得结果好坏，不记得当时的推理。没有记录就没有反馈，判断力不会长。
做法只有两步：做决定时记下来，定期和 AI 一起回看。下面分个人、模板、组织三部分。
第一步，做决定时写下来。一个文本文件，一年一份。每条记四行：选了什么、为什么、预期什么时候出现什么结果、信心多少。当天写，隔天写的已经是改过的故事。
信心写成百分比。“大概行”没法复盘，“70%” 可以。
第二步，每月固定一天，打开文件和 AI 一起看。问它三件事：
复盘只评推理：以当时知道的信息，这个决定对不对。结果好坏不算，好决定可以有坏结果。
不用给每条决定定复盘日期，每月固定一天代替了它。到期的由 AI 找出来。
做决定时写的四行：
## 2026-09-20 换供应商到 Y
因: 旧的三次延期
预期: 年底前交付准时率到 90%
信心: 70%
标题行是日期加选了什么。复盘时补的三行：
复盘: 2026-12-28
结果: 准时率 85%
推理: 对（信息够，方向对，数字乐观）
只记这些。要动脑子才能填的项（可逆还是不可逆、依赖哪些前提）不进模板，回看时让 AI 来问。
组织的执行和个人一样：每个人记自己的文件，用同一个模板，每月自己和 AI 回看。区别只有一个，可以定期一起看。
固定在季度日历上，每次挑几个旧决定，对照当时写的预期，问同一个问题：推理对不对。不追责。
几条让它跑得起来的规则：
O1 利润 xx 万（利润不是今年重点关注目标）
O 没问题了，但是其实不是由拆解的 KR 带来的，存在的细节问题如：
O2 寻求知识星球增长突破，提高「真」新增用户指标
整个 O 都比较危险，是我最担心的一个问题——新用户增长，三个 KR 都做了不少工作，效果不明显。
O3: 在知识星球之外，再做出一个用户真正用的产品
正在仔细看今天 Anthropic 发布的报告，里面写了一些利用 AI 的攻击性质的行为。报告的中文翻译参见：
https://wlj.me/reading/detecting-and-countering-ai-misuse-2026-09/
我的想法是：
前些天 Eatventure 做运营活动，给用户发线下实体优惠券，比如星巴克的优惠券之类的。通常也就是一串字符，输入商家的 APP 就可以兑换为现金。
最开始，同事的实现是：将这个优惠券发放到用户的 inbox，给一个消息通知，用户打开通知就能看到，点击就可以兑换。
但这里有个小问题：如果用户没看到通知，或者没去兑换，这笔钱我们实际上也付出了，但没能给到用户——便宜了商家。
T 提了个方案：不是直接将优惠券发到用户 inbox，而是给一个链接，用户点击链接的时候，我们才发放优惠券。非常细微的改动，问题就解决了，挺漂亮的。
AI 来了，岗位之间的界限越来越模糊。产品、运营、研发、设计之间，似乎绝对不可逾越的门槛消失了。这种情况下，此前我很强调，请大家做到的“向前一步”，往往就没那么难了。
但这里有必要提醒一句：向前一步的前提，是做好自己本职工作。
我在不同组织里，看到过几个例子，大体都是：
昨天基于 Claude 官方的文档，整理了一篇：AI 写代码快了，产品迭代还慢，怎么办？
https://wlj.me/posts/20260909-ai-native-sdlc/
今天和朋友探讨，也提到了：
写这篇的导火索有二：
我上周请同事们试试跑得更快的包括：
这几天在读新加坡刚发布的《经济战略检讨》报告（ESR）。里面有一句：新加坡的创业生态在 StartupBlink 指数上排全球第四，只在美国、英国、以色列后面，2019 年以来升了 17 位。
我的第一反应是：StartupBlink 是谁？政府报告为什么引它？于是让 AI 帮我查了一遍，整理如下。
StartupBlink 是一家 2013 年成立的小公司，总部在苏黎世，创始人 Eli David 是以色列人，会计师出身。他们每年发一份《全球创业生态指数》，给 100 个国家、1,500 个城市打分排名。
打分由三部分组成：
国家分要除以人口，城市分不除。这一条后面会讲到。
数据来源三块：他们自己众包的创业公司地图；Crunchbase、Semrush、Statista、BrightData 这些数据商；还有大约 100 个“生态伙伴”，大多是各国政府机构。他们用的是抽样，不做普查。
2026 年的国家榜：美国 314 分，英国 80 分，以色列 71 分，新加坡 68 分。美国一家抵后面所有人。新加坡是前十里涨得最快的，一年涨 24%。
同一份榜单，中国有三个位置。
按人口调整的国家榜：中国第 15，东亚第一。2021 年是第 7，之后每年往下掉，2023 年第 12，2024 年第 13，今年第 15。今年分数跌了 8%。
不按人口调整的“绝对实力榜”：中国第 2，只在美国后面，而且是这一组里涨得最快的，涨了 55%。美国的产出分是中国的五倍多。
城市榜（从来不按人口调整）：北京全球第 6，107.7 分；上海第 8，81.4 分；新加坡这座城市第 10，78.9 分。但北京、上海今年分别跌了 21% 和 20%，是头部城市里跌得最多的。杭州在中国国内升得最快，排国内第 5。StartupBlink 数出中国有 140 家独角兽。
昨天跟 glacier 聊起，看起来现在同事们在探索、玩儿的事情，重叠有点高——虽然在探索的时候，有一定的重叠很正常甚至是鼓励的。但我隐约觉得，现在的重叠来自于信息不对称。
例如：公司里至少有 4 个“自己的 Agent”。例如：在做知识星球里可以对外发布的 Agent 同事，很可能对做飞书接 OpenClaw 的事，对我们自己内部星球考虑打通 Github、业务数据库的情况不太了解。例如：我还不知道我们一早就有了内部可用的 hemers docker，而且似乎还有同事打算给公司内部同事提供。