2026-11-19 · 12 min read

老马的五个底层思维:一套「先怀疑问题」的方法

一份关于工程思维的整理。这套东西的内核不是勤奋,而是对「理所当然」的持续质疑——从第一性原理重新推导,而不是在既定规则里找最优解。五条里最扎实的是第二条简化流程:它把「质疑需求」放在了优化和自动化之前,并给了一个狠判据——如果最后没有至少加回一成,说明删得还不够狠。整套方法真正的价值在于它的顺序:动脑子的步骤全部排在动手之前。

本文是一份思维方法的整理稿,来源为流传的公开分享,非逐字记录,也未与其本人核对过原话。

文中观点属原作者个人主张,不是经过验证的结论;我把它当一套可用的思考工具来记,而不是当教条。

先说这套东西真正的内核

五条摊开看,容易以为它讲的是「勤奋」「敢于冒险」「重视人才」这类常见话题。

但通读下来,它反复针对的其实是同一件事:那些没人质疑过的前提。

我们太容易在既定规则里寻找最优解,却很少问自己:这个规则本身合理吗?

这个问题真的需要解决吗?这件事有没有一种完全不同的做法?

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart LR
    A["既定规则里<br/>找最优解"] --> B["默认前提成立"]
    C["先问前提<br/>成不成立"] --> D["可能换掉整个问题"]

上图是这两种做法的差别。注意它们不是「努力程度」的差别,而是「问到第几层」的差别——一个在给定的框里优化,一个先问框该不该存在。

第一条:第一性原理

不要复制已经存在的东西。

把问题拆解到最基本的事实,再从那里重新推导。

它把「类比思考」定义成了对立面:

普通人习惯类比思考——在别人已经做过的事情上稍作改进。

真正的创新,需要像物理学家一样思考:先判断一件事是否可能,再考虑成功的概率。

最后半句我觉得是这条里最见功力的地方:

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart LR
    A["先问:物理上可能吗"] --> B["再问:成功概率多大"]

这两步的顺序一换,结论会完全不同。 如果先算概率,几乎所有大胆的想法都会被否掉——因为新事物的初始概率总是很低。而先把「不可能」排除掉,剩下的才是该不该下注的问题,而不是能不能的问题。

第二条:极致简化流程 ⭐

这是五条里最具体、也最有操作性的。它有五步,而顺序本身是重点。

步做什么
①质疑每一个需求
②删除一切可以删除的零件和流程
③然后才是简化和优化
④加快迭代速度
⑤最后才是自动化

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart LR
    A["① 质疑需求"] --> B["② 删除"]
    B --> C["③ 简化优化"]
    C --> D["④ 加快迭代"]
    D --> E["⑤ 自动化"]

上图是这个顺序。它是一列严格的先后关系,而不是五个并列建议。

① 质疑需求

聪明人提出的需求反而最危险——因为人们更不敢质疑他们。

这句话我认为是全篇最锋利的一处。 它指出的不是「需求错了」,而是「提出者越权威,这个需求越难被否定」——于是错误的前提会被一路传递到实现层。

② 删除,以及那个狠判据

删除一切可以删除的零件和流程。

如果最后没有至少加回一成,说明你删得还不够狠。

「加回一成」这个判据我觉得非常实用——因为**「删过头」是可以靠加回来修的,「删不够」却没人会发现**。它等于给「保守」设了一个可检查的代价。

③ 那句最常被引用的话

最常见的错误,就是优化一个本不该存在的东西。

而第 ⑤ 步又把它推了一层:

不要加速或自动化一个本不该存在的流程。

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart TB
    A["一个本不该存在的流程"] --> B["优化它 → 浪费"]
    A --> C["自动化它 → 永久浪费"]

上图是这两句的关系。自动化会把错误固化——手工流程还有机会被发现是多余的,自动化之后它就变成了「系统的一部分」。

这也是为什么顺序不能乱:自动化排最后,是因为它让前面的错误变得不可逆。

第三条:建立自己的行动原则

唯一不可违背的规则是物理定律,其他一切都只是建议。

这句是第一条的世界观版本——把「规定」和「约束」分开:前者是人定的,可以改;后者是客观的,不能碰。

而它给的自我要求很有意思:

保持近乎疯狂的紧迫感。

犯错没关系,最可怕的是错得离谱却依然自信满满。

「错得离谱却依然自信满满」——这个描述精确得有点刺人。 它把失败分成了两类:犯了错(可修),和不知道自己错了(不可修)。后者才是真正危险的。

第四条:做值得做的事

别人每周工作五十小时,你工作一百小时,理论上一年就能完成别人两年的活。

但这条的重心不在工时,而在这半句:

当一件事足够重要,即使成功的概率对你不利,你也应该去做。

注意它和第一条是呼应的:第一条说「先判断可能,再算概率」,这一条说「概率不利也要做」——两者并不矛盾,因为它们讨论的是不同层级的事:前者判断技术上可不可行,后者决定值不值得下注。

第五条:人才、失败与冒险

这一条其实是三条独立的话。

主题原话
人才最重要的事情是聚集一群优秀的人。一家公司的上限,就是这群人的上限。
反馈主动寻求负面反馈,尤其是来自朋友的反馈。很少人这么做,但它极其有价值。
聚焦如果一件事不能让产品变得更好,就停止做它。

「上限是人的上限」这个说法很朴素,但它有一个很硬的推论:如果瓶颈在人,那加资源、加流程、加管理都不会提高上限。

而「尤其是来自朋友的反馈」这半句我觉得值得单独记——因为朋友最可能知道问题,也最不愿意说。 所以「主动寻求」这个动作是必需的,光「欢迎反馈」不够。

那条贯穿五条的线索

整理完之后回看,这五条其实都在做同一件事:把「默认」变成「待验证」。

默认什么样这套方法怎么问
这个需求是合理的谁提的?为什么需要?
这个流程该优化它该不该存在?
大家都这么做从基本事实重新推一遍会怎样?
这个规定不能改它是物理定律还是只是建议?
这件事大概做不成先判断可能,再算概率

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart LR
    A["默认:它对"] --> B["先假设它对"]
    C["默认:待验证"] --> D["先问它对不对"]

上图是这两种姿态。第二种更慢,但它能发现第一种永远发现不了的东西。

我的三点补充

以下是评注,不是原片内容;取舍由我负责。

第一,这套方法真正的价值在于「顺序」,而不在于「条目」。 五条里最实用的第二条,如果打乱成「优化、自动化、删除、质疑需求」——每条都还是对的,但整体就失效了。因为动手之后很难再回头质疑:你会开始为已经投入的东西辩护。所以「动脑子的步骤全部排在动手之前」这件事,比记住哪五条更重要。

第二,「删不够没人发现」这个问题,是工程里最普遍的一种隐性浪费。 代码多写一层没人会抗议,流程多一道没人会觉得不对——因为多余的东西不会报错,它只会慢慢变慢。而「至少加回一成」这个判据的高明之处,是把「删得够不够」变成了一个可以自我检查的动作:你没法验证「有没有多余」,但你能验证「我有没有删到需要往回加」。

第三,第五条里那句「上限是人的上限」,其实推翻了很多管理上的默认做法。 如果瓶颈在人,那么更多的流程、更多的监控、更多的协调会都在做无用功——它们只增加了摩擦。这也解释了为什么第二条把「删除」排在「优化」之前:当一个组织开始靠加流程来解决问题时,它往往已经在该删的地方停手很久了。


一句话总结:这套东西不是教你更努力,是教你在动手之前多问一句「这个前提成立吗」。 而它最难的地方在于——越是聪明人提的需求,你越不敢问。

搜索全站

输入关键词,查找项目与实践记录。