每次投资前，我只问AI这一个问题

几个月前，我差点加仓一只已经让我亏过两次的股票。逻辑清晰、价格看着合理、走势图也符合预期。手指已经放在买入键上，但总觉得哪里不对。我关掉交易界面，打开Claude，问了一个问题。

十一分钟后，我没买。

问题并不复杂，也不高深。它背后是1989年三位心理学家的一篇论文——他们发现，想象一件事已经发生（而不是仅仅可能发生），能让人识别出它出错的真实原因的能力提高大约30%。2007年，Gary Klein把它正式化为项目管理中的“事前验尸”技术，发表在《哈佛商业评论》。Daniel Kahneman在《思考，快与慢》中引用了它，称之为他最喜欢的决策工具之一。

我注意到的是，AI特别适合做这个练习。不用会议室，不用团队，十五分钟，在你家厨房就能搞定。你不再需要麦肯锡级别的会议或一屋子挑剔的同事，只需要问对一个问题。

事前验尸到底是什么

做法很简单：想象一年后，你正在做的这个决定已经彻底失败。股价跌了60%。你的逻辑被证伪。现在，写出你是怎么走到这一步的。

这就是全部。

为什么有效？直觉上，“可能出什么问题”的练习听起来相似，但效果差很多。那三位心理学家称之为“前瞻性后见”——你的大脑处理“解释这次灾难”的方式和“预测可能灾难”完全不同。想象的后见，即使只是编造的，也能引发单纯的预见所没有的具体性。

Kahneman的贡献在于将其视为去偏工具。他的论点大致是：人的大脑天生对希望成真的事情保持乐观。当你决定要买入某只股票时，你的理性会悄悄弯曲去证明这个决定是正确的，而你毫无察觉。事前验尸创造了一个结构化许可，让你去找自己可能出错的原因，而不用承担“消极”的社交代价——这种代价通常会让团队内部的诚实批评被压制。

对于个人投资者来说，这一点更重要。大多数人没有搭档或团队可以争论。市场不会提前告诉你错了，直到它把你的钱拿走。事前验尸给了你一个近似于免费的、私密的唱反调者。

为什么AI很适合这个练习

事前验尸自己一个人做很别扭。你可以试试，但大概率做得比你以为的差。

原因很烦人但一旦细想就很明显：当你想象自己的决策失败时，你的大脑仍然想为其辩护。你会生成一些弱弱的失败模式，根本威胁不到你的逻辑。你会说出“利率飙升”或“经济衰退”——任何分析师都能列举的通用风险——而跳过你的特定逻辑可能出错的真正原因。

AI没有这种忠诚。当你把投资逻辑告诉它，让它写这份逻辑的“讣告”时，它在心理上没有理由对你的推理客气。它没有持有这个仓位两年。它不需要在你面前显得聪明。它只是生成合理的失败故事。

这种中立性是最大的价值。再加上AI已经读过足够多的金融历史，知道逻辑在实际中是如何被打破的，你得到的几乎就是一个懂金融、不担心伤你感情的贴心朋友。

还有第二个原因：大语言模型天生适合事前验尸所需的认知任务——生成合理的叙事链条。“这件事是怎么搞砸的”本质上是一个故事补全问题，而故事正是这些模型训练的基础。它们不是预测价格，不是选股，而是解释一个假设的过去，它们恰好擅长这个。

我问的具体问题

下面是提示词。没有独家技巧，没有特殊调参，就是我一直用的那套：

现在是未来一年后。我在[价格]买入了[股票代码]，逻辑是[用两到三句话描述你的逻辑]。现在这个仓位跌了60%。我的逻辑完全错了。写一份详细的复盘，说明我忽略了什么，以一位早就预见这一切的挑剔分析师的口吻。要具体。不要列举通用风险。告诉我我的推理到底哪里错了，当时有哪些证据被我忽视或合理化掉了。

就这些。五句话，三个变量。

回应的内容很少是我预期的。有时它识别出一个我一直在回避的真实风险——然后我调整仓位或放弃交易。有时它生成的失败模式并不令人信服，这反而增加了我的信心，因为AI找不到一个合理的方式来反驳我的逻辑。两种结果都有用。

那个我差点买但没买的股票呢？事前验尸揭示了一个监管风险，我隐约知道但一直在忽略，因为新闻已经平静了几个月。AI指出，“平静”通常不代表“解决”，而常常意味着“在等”。这个风险大约六周后成真，股价跌了35%。

需要澄清的是：AI并没有预测到下跌。它生成了逻辑可能失败的众多方式之一，而恰好这个方式成真了。如果我对一百笔交易做了事前验尸，AI指出的具体失败模式只有偶尔会和实际情况一致。但“生成它们”这个行为——强迫这个问题存在——本身就改变了决策质量。具体的失败是否出现几乎次要。

为什么这比常见替代方案好

你可以直接问AI一个看空理由。大多数人都这么做。输出通常是一个整洁的三点列表——估值风险、竞争风险、宏观风险——读起来让你感觉勤勉，但什么都不会改变。太抽象，没有威胁性。

你可以让AI反驳你的逻辑。输出更好，更尖锐，但往往流于辩论赛式的对称。AI给你一个平衡的反驳，你权衡一下，然后得出结论你的逻辑仍然更强。当然，因为你写了它。

事前验尸不同，因为它要求AI假设失败已经发生。这一个框架的改变迫使它具体化。AI无法说“可能因为竞争不行”——它必须承诺一个故事，其中竞争具体地杀死了你的逻辑。有赌注的故事包含细节。细节正是真正洞察所在。

还有一个有用的副作用：它降低了你的防御性。当AI在“解释一个已经发生的过去”时，你读它的方式就像读别人写的关于一场与你无关的灾难的事后复盘。你的大脑不会启动当有人告诉你你现在相信的事情是错的时候触发的防卫反射。你只是在读一个故事。然后，慢慢地，你意识到这个故事是关于你的。

它不能做什么

事前验尸不会告诉你是买还是不买。那仍然是你的决定。输出是一个合理的失败模式列表——你需要权衡上涨空间、时间范围、信心水平、组合背景以及其他所有真实决策的要素。

它也不能取代研究。如果你不了解公司，任何事前验尸都救不了你。AI填补看似合理的推理空白，但合理不等于真理。我见过一些事前验尸输出自信地列出了特定公司根本不存在风险。垃圾进，看似合理的垃圾出。

它也不会帮你做出你应该做但不愿意做的交易。事前验尸放大现有的怀疑；它不能凭空产生信心。从不扣扳机的投资者会在每次事前验尸中找到新的不买的理由。如果你已经有分析瘫痪的倾向，这个技术会让它更糟。知道这一点再决定是否采用。

我反复回到的框架

大多数投资者亏钱不是因为他们未能预测未来，而是因为他们的推理在投入资本之前本可以发现的方面出了错。事前验尸是发现这些缺陷的强制功能，而AI恰好是一个有用的伙伴——它没有人际或心理上的摩擦阻止人类彼此诚实。

Klein最初是为团队发明这项技术。他2007年的原始论文想象了一屋子项目经理在黄色法律便签上写失败场景。我认为值得注意的是，任何有每月20美元订阅费的人现在都可以独自运行同样的练习，针对他们即将做出的任何决策。这是一个曾经需要麦肯锡参与的工具，现在只值几杯咖啡的钱。

在你的下一个仓位尝试一下。在点击买入之前，写下提示词。读两遍回复。然后决定。

你并不总会改变主意。没关系——那不是重点。重点是确保当你真的下单时，你已经听到了反对它的论证。具体地、有细节地、用你不能轻易挥之而去的语言。大多数人从未得到过这个。

这是我反复回到的用例。不是预测，不是选股，不是组合优化。只是：让模型告诉你你错了的故事。仔细听。然后决定。

对我大部分交易来说，这是花得值得的十一分钟。

如果你找到了不同且更好的提示词，我很想听听。在金融决策前值得问AI的问题空间远不止这一种技术，很可能还有我没有尝试过的框架。