在一秒钟内看到本质的人，
和花半辈子看不清的人,
自然是不一样的命运。
——《教父》
究竟是什么推动我们进步？
有没有一个简单的理论可能解释那些厉害的人是如何变成那么厉害的？
如果你看到了这里，不妨花点时间进来了解一下。
第一部分 什么是认知闭环
近代的科学管理大都是通过多个关键节点构建成为一个闭环，通过可持续改进的闭环获得螺旋式上升，我们举几个例子。
1
PDCA 戴明环
戴明循环是一个持续改进模型， 它包括持续改进与不断学习的四个循环反复的步骤， 即计划（Plan）、执行（Do）、检查（Check/Study）、处理（Act）。
戴明循环的研究起源于20世纪20年代，先是有着“统计质量控制之父”之称的著名的统计学家沃特·阿曼德·休哈特（Walter A. Shewhart）在当时引入了“计划-执行-检查（Plan-Do-See）”的雏形， 后来有戴明将休哈特的PDS循环进一步完善，发展成为“计划-执行-检查-处理（Plan-Do-Check/Study-Act）”这样一个质量持续改进模型。
做为改进质量的工具，其自身也在进化。做好PDCA首要是认知到PDCA每个环节，其次是执行它，不掉链。
1960年，日本天皇为戴明授勋，以表彰他为日本企业所做的服务与贡献。
2017年2月，《解决孙社长所有难题的超厉害PDCA》在日本出版，曾任孙正义贴身秘书多年的作者三木雄信指出，孙正义就是靠PDCA战胜所有困难，包括如何做到“超乎常人的目标执行力”、“为达目的无所不用其极”、“追踪数据进而缜密验证”以及“没有最好、只有更好”等，而这些正是PDCA的精髓。 说穿了，PDCA就是一趟修炼，让人们能够在一次一次的设定目标与执行过程中，练就凡事精确到位、按部就班的功夫。日本年轻人正在视它为个人进化的新解方，而台湾各大企业也逐渐将其视为员工必备要件。
如果觉得它古老，不妨想下，目前流行的敏捷项目管理SCRUM的理论基础也是来源于此。
2
精益创业
益精创业，就是大胆假设，小心求证。类似于有了一个想法，然后不去过早引于价值判断，如不去臆想自嗨自己了解市场了解客户，先摸石头过河走一步，得到数据反馈，再根据数据重新获得前路的信息，再选择路向再走一步，一步步假设、行动、数据验证、再重新假设，直到过完河。
同上，精益创业也是一个闭环，有3个关键节点
1.想法idea：通过和天使用户接触，自己不去自嗨臆想，了解天使用户真实的痛点与需求。
2.产品product:根据需求制定一个简单但又恰如其分的解决方案（MVP），给这批天使用户进行验证。
3.数据data：从这些天使用户中得到关于解决方案的可以数据化衡量的真实反馈。
4.迭代环闭：从这些反馈中重新反思与学习，完善产品，进行下一轮迭代。益精创业是一种快速试错迭代，不断去伪求真的过程。
3
增长黑客
增长黑客是基于精益创业的价值验证和数据衡量基础上而来，所谓增长有两个，一是产品价值假设，二是用户增长假设。增长黑客首要验证的是产品的价值，如用户留存率，转化率、产品单位净利润、NPS净推荐值等等，在产品能实现良性循环后，再进行用户、业绩规模化增长。
增长黑客的闭环：
1.设置目标
2.分析现状
3.提出假设
4.提出方案
5.开始小规模测试
6.收集数据复盘
7.验证假设
8.验证成功大规模推广，验证失败再提出假设重新验证，完成闭环。
影响增长黑客在国内发展有如下2个原因：
（1）没有做市场价值验证，产品还没有达到PMF就要增长。有在重庆做共享单车生意的，我们都知道重庆多山路，在这样的城市骑车本身就是伪需求。这种产品从它诞生的那一刻，就注定了会快速死亡。这样的产品没有办法增长。
（2）没有自上而下推进的独立增长团队，在执行上得不到保障。增长黑客这个概念要公司从上到下推进。增长黑客需要调动开发资源，设计资源，产品资源。
总的来说，1就是不知道各个增长工作流程的节点，没做PMF就想做用户增长，2没有团队保障，让环真正滚动起来。
4
飞轮效应
飞轮效应指为了使静止的飞轮转动起来，一开始你必须使很大的力气，一圈一圈反复地推，每转一圈都很费力，但是每一圈的努力都不会白费，飞轮会转动得越来越快。达到某一临界点后，飞轮的重力和冲力会成为推动力的一部分。这时，你无须再费更大的力气，飞轮依旧会快速转动，而且不停地转动。这就是“飞轮效应”！
对互联网公司比较有名的应用是亚马逊电商。
亚马逊的飞轮节点：
1.低价吸引更多消费者
2.更多的消费者提升销售额从而带来更多的第三方卖家
3.更多供应商和消费者让亚马逊的投入的硬件和服务的固定成本中边际成本更低，效率更高，收入更高。
4.更高的效率和更多的供应商卖家，从此飞轮转起来。
很多互联网公司都想拥有自己的飞轮，但连基础的单个节点都没做好，更别说把环完好的连起来，跑起来的时候各种节点掉链。
5
反思与OODA
反思指回过头对过去的事进行再思考，从中吸取经验教训。反思的几个环点如目的、方法、行动、结果、总结提升，如PDCA差不多，但在美国空军训练对战中，有一个环节就是找有利位置进行攻击，这里面有一个OODA循环，可以帮助空军快速进行反思，快达几十秒一次：
观察Observe—从环境中收集与您试图解决的问题有关的信息。
确认Orient—使用收集来的信息建立环境的心理模型。也就是说，通过对数据加以综合，在心中对情况进行评估。随着接收到的信息量在不断增长，你将解构旧的心理模型，然后创建更符合情况的新模型。
决策Decide—考虑各种选择，然后选出您认为有助于解决问题的行动路线。
行动Act—执行构思出的决策，并检验结果。当您观察到行动的结果后，您会将这一信息反馈到循环的开始处，然后开始新一轮的循环。
反思循环就是快速的完成一个OODA循环，快速的结束一个劣势的位置，找到一个新的有优势的位置，而不是一直沉湎于上一个劣势位置的失意当中，不能自拔。
反思自己，必须要让自己抽身出来看事件或者场景，看一段历程当中的自己。当你身处一个场景或者事件当中，你是无论如何没有办法进行反思的，因为你没有反思的支点，反思的支点就在一个循环的结束。
如现在要做一个产品，如果你不马上投入并尽快完成最小可行性产品（MVP），拿给用户看得到反馈，是没法对你现在现在的思路的对错、优劣进行评估的。
所谓“拖延”，有一种解释就是永远滞留在一个循环里，根本不愿意去完成和结束一个过程。如写文章写论文，老想着要一切准备好了，想完美了，再下笔，正确的方法是，只有把它写出来，才能获得反思的支点，发现自己的思考起点是不是正确的。
同样来到新的环境和位置，如果不给自己一个新的视角观察旧环境，将无法解构旧的心理模型，就无法获得反思的支点。知识经验一直停留在一个循环当中。
1
复盘
复盘是围棋术语，本意是对弈者下完一盘棋后，重新在棋盘上把对弈过程摆一遍：
· 看看哪些地方下得好（下次继续做），
· 哪些地方下得不好（下次停止做），
· 哪些地方可以有不同甚至更好的下法等（改进做），
这个把对弈过程还原并且进行研讨、分析的过程就是复盘。
复盘的环节：
1. 当初设定的目标是什么
2. 为了达成目标，当初设定的策略是什么
3. 目标执行的结果如何？
4. 接下来要怎么做？哪些是好的行为下次继续做，哪些不好下次停止做，哪些可以做得更好改进做。
复盘同样是一个循环，有些人一辈子学不会复盘，原因：
1是不了解复盘的环节；
2是不能闭环，把所有的环节串起来；
3是不能把环转起来，停留在这一环里无法自拔，不能提升。
7
瑞·达利欧 原则
如果讲认知这个词太不好理解的话，我们可以换成达利欧的原则，利用原则一样可以实现个人的持续进化。
达利欧的进化其实是由五个步骤所组成:
第一步你要有自己的目标。
第二步是发现和面对问题。所谓问题就是目标与现实的差距。
第三步是诊断问题。
第四步是设计好一个方案去解决问题，做出改变。
第五步是践行。
进化就是大家看到的这五个步骤，所有进化都是诊断你所面临的问题，诊断方案、适应环境、做出变化，最终践行，慢慢实现进化。只要每一步都连接上，快速迭代进化，那怕我们现在是在猿人时代，经过快速迭代也很快到智人时代了。
在实现进化的过程中，最大的问题就是面对自己的非理性，你是否有勇气承认自己的不足，是否有智慧去分析和积累问题的解决方法，是否有决心去果断践行。
为了防止大脑非理性的情况发生，达利欧给了几个必杀武器，就是：
大脑极度开放、极度透明、极度求真，可信度加权决策。
呃，大概就是把自己当成人肉AI。
8
机器学习算法
机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。
如如何分辨一只猫，传统算法是有两只眼，4支腿，跑得快等等符合这些已知的参数，就可以定义这个对象为猫，但是如果猫的照片太多，无法穷尽猫在不同光线，不同姿态、颜色....等等变量超多，无法穷尽，这时候就要用到机器学习了。
而机器学习的过程：输入训练数据与想要的结果--算法学习--输出算法--运用算法--产生假设-验证--放弃或完善。
有监督机器学习是给出一批猫的照片，并告诉这是只猫，训练数据越多，最后那怕只有只有猫的半身，也只根据学习到的算法，告诉我们给的新的照片里的动物有多大概率是一只猫。
机器学习也是一个随着数据增加，算法不断迭代，不断逼近真相的过程。
9
元认知与反馈回路
巴甫洛夫的实验展示刺激-反应之间的条件反射，回想一下，我们大多时候都是服从条件反射的，如有人骂我们，我们总想骂回去，而忽略了我们在刺激和反应之间还有积极主动思考的能力，为什么大多时候我们会丧失主动思考的能力呢？因为大脑处在系统1下的“自动化思维”的状态下是最节省能量的，而大脑在系统2的利用认知是要额外消耗大脑带宽的。
所谓元认知，就是审视自身思想的能力（或者说关于思维的思考），每当我们对思维过程和所获取的知识进行反思时，其实都在使用元认知。
意识层面的元认知
无意识认知：自动化思维，运行于无意识空间，信息加工速度为11 000 000次/秒，它是由多个模块组成的复杂自动化系统，它允许人们调整地处理从外界接收到的信息，并生成行动的处理模块，
低级元认知：运行于无意识与有意识空间之间，包括非语言，想法和感受
高级元认知：控制性思维，运行于有意识空间，信息加工速度为40次/秒，它是对感知、想法和感受的再思考，可以进行认知察觉，完成认知的反馈回路，大脑通过处理这些反馈回路接收信息、处理信息，并转化为行动。
通过对比，我们发现在意识空间连大脑加工的1%都不到（真是冰山一角），剩余部分都是新的无意识。在进化过程中，大脑中生成了一个弥足珍贵的系统--“自动化”，自动化保证了我们那些无意识的模块在没有意识参与的情况下能正常工作。如我们无法想像，当我们呼吸、心跳都要动用有意识参与下动用高级元认识能力去处理。
同时参看图里的箭头，无意识空间的自动化想法是有意识几个数量级，我们无法阻止这些无意识涌现到意识，但是我们可以有目的训练和控制自己的注意力，但同时我们很难利用高级元认知控制无意识（无意识的自动化处理速度可是高级元认知的27.5万倍啊），所以很多时候我们都是情绪、非理性的动物，但很难说这些情绪和非理性不是在趋利避害的进化后的结果。
高级元认知的作用是可以察觉到反馈回路，调整行动。
如有段时间，自我怀疑的想法不断地在意识空间涌现，同时，我们总是以一种情绪的方式对之进行反应（低级元认知）。我们自我感觉很糟糕，并且由于感觉很糟糕，我们对任何有价值的事都提不起兴趣，更加加重我们的自我怀疑，如此周而复始，恶性循环。
因为身处问题当中，我们压根没意识到，我们的大脑陷入一个消极思维的反馈回路。但如果从问题抽离出来，利用高级元认知（或者说上帝视角）去审视消极思维的反馈回路，我们才能有意识地评估接下来会怎么样，从而扭转反馈回路，而不是不停地反刍所有消极的想法。
第二部分 人生算法
1
底层算法
什么是底层算法就是处在最底层最简单而又影响最大的认知基本单元，大道至简，越简单使用场景越大。
如大自然创造出如此丰富的物种世界，它无须一个个去设计，只须拥有一个算法：自然选择。
如人的大脑想法如此复杂，但究竟还是一个一个的神经元连接驱动。
如计算机如此复杂，但放到运算层就是0和1的运算。
如我们要如何达成目标，从细的讲就是无数个遇到问题、思考问题、决策、行动解决问题。
而我们每时每刻，每次遇到的问题、每个想法、每个决策，每个行动，把这些串起来，就构成了我们的智能系统，遇到的事、解决的事越多，即数据越多，我们越能强化学习，越加智能，那怕是吃一埑长一智，数据越多，见识，我们的认知决策水平越高，这就是我们的底层算法。
2
人生算法——认知闭环
吴伯凡在他的《认知方法论》详细的阐述了数据与算法，所谓数据就是我们遇到的种种事与经历，算法就是不过学习进化的认知，瑞·达利欧把这些认知称之为原则。
老喻在他的公众号《孤独大脑》讲得更详细明了，他通过总结了那些厉害的人，发现低层逻辑就是认知闭环，通过认知闭环，来构建人生算法。
什么是人生算法？人生算法=认知飞轮+概率分层，人生算法就是我们的底层算法。
认知飞轮
认知飞轮的基本单元：感知-认知-决策-行动。
我们对信息的处理都遵循这一基本单元，人工智能、智慧物联网也是同样的运作模式。认知飞轮本质上是一种学习提升的方法。
这个认知飞轮有4个节点：
节点一 感知：感知是外界刺激于感官时，脑对外界的整体看法和理解，它为我们对外界的感觉信息进行组织和解释。
节点二 认知：这里的认知是指对不同方案与选择的量化评估过程 。认知在心理学、神经科学、哲学、系统学及计算机科学都不同的解释，心理学上指个体思维进行信息处理的心理功能。
节点三 决策：在心理学中，决策（Decision-making)是一种认知过程，在这个过程，决策者往往面临不同的方案和选择，决策者会根据认知偏好、预期和效用做出决定。
节点四 行动：这里指人对所处环境与其它生物体或物体的一种反应。
完成4个节点后，在下一步，持续迭代，加强感知、丰富认知、提升决策质量和行动质量。
如果我们出身于偏远的山村，要想获得大家所认可的财富与精神的上自由，那么：
在感知上，我们就要更加的好奇敏感，如走出山村，了解城市与环境，以免我们错过更多机会或选择。
在认知上，随着感知的增加，我们才不至于在认识的环节丟失更多方案和选择，导致量化大错误。
如种田5亩，一年无休年，收入6000元；
做小学教师，有周未放寒暑假，年收入4万；
富士康流水线工人，一月休6-8天，年收入10万；
互联网运营和产品，995，年收入20万；
......
在决策上，有了认知上的量化，根据自身能力，就可以快速的找到更适合自己的方向。
在行动上，因为有了远景认知，懂得了目前自己所做的选择就是最好的选择，而不再患得患失，就一往无前的干就是了。
值得重点说的是人生算法是适用于每一个细微的行动思考以及每个大的人生方向决策与行动，仍至组织的整体运用。它也可以说是一种不断进化的学习方法，是和PDCA、复盘、OODA、精益创业等等这些一样的可进化迭代的循环。
概率分层
概率分层则是将概率思维引入认知和决策当中。
泰德•威廉姆斯是过去70年来唯一一个单个赛季打出400次安打的棒球运动员，他的《击球的科学》一书中这样描述道：对于一个攻击手来说最重要的事情就是等待最佳时机的出现。
他的技巧如下：
第一步：把击打区划分为77个棒球那么大的格子。
第二步：给格子打分。
第三步：只有当球落在他的最佳“格子”时，他才会挥棒，即使他有可能因此而三振出局，因为挥棒去打那些“最差”格子会大大降低他的成功率。
和玩德州扑克一样，给手里的牌赢的按概率算期望值评分。 一旦期望值的收入大于成本，就继续跟下去。
用球赛来构建一个同样适用于生活的模型：
第一层：感应层。生活中有各种各样的事（球），有的是好事，有的是坏事，无法预测，但对于球手而言，必须有球打，对于算法而言，必须得有数据，对于复盘PDCA等等而已，必须是有事做，我们也可以称之为“资源层”，每个球都是外部世界发给我们的资源。
第二层：配置层，或理性层，对于球手而言，要做两件事，1对球进行评估（理化认知），2决定是否击打（决策），当然还有3，击打后进行复盘，对1和2的系数进行调整（贝叶斯）。
图的左上角即贝叶斯公式
第三层：行动层。一旦做了决策，一流的球手就会立即忘掉概率，不管这个球是99%胜率还是51%胜率，他都会以平常心稳稳的完成，努力击球后，不管结果是成功还是失败，因为这是根据理性认识做的最好的决策和行动了。完成后，才会进行复盘，决定是否修改配置层的概率。
理解了认知闭环和概率分层，我们可以理解人生算法的闭环了。
第三部分 为什么要认知闭环？
这世界上只有一种成功，那就是能够用自己的方式度过自己的一生。
——克利斯托福·莫利
1.构建人生底层算法，推动认知飞轮，只是为了认识这个世界后，拥有更多的选择，以及按自己的选择，做真实的自己。
越来越多的人开始努力提升他们的认知能力，以令自己干蠢事时更加心安理得。追求认知的升级，不是堆砌知识，单纯扩大边界，而是痛苦的消减无知、自我雕刻、发现自己的过程。认知是找回自己的工具，不是目的。如同有钱一样，有钱不是目的，只是有钱了可以选择得更多，也可以保障更多，从选项里做真实的自己。
2.求外不如求已。这个世界变得太快，我们试图通过掌握所有的事物的本质规律（求外），追求整体最优，还不如构建自己的内在算法（求已），一步步迭代，对于每一件事都尽力做到闭环，达到局部最优，再一步步逼近全局最优，简单说就先做好自己，自己才是这个世界的原点。
3.分清正确的失败和错误的成功，接纳自己并不断提升。
我们在做事失败的时候，经常的都会很懊恼，埋怨自己怎么当时那么笨什么的，但如果我们在决策的时候引入算法和概率预测，那么一但选择和行动了，就不必为此懊恼。如选择：
（a） 0.50的概率赢得 50元，否则一无所有。
（b） 0.30的概率赢得 50元，否则一无所有。
生活题目：
（a）0.5的概率去大公司工作获得年薪25万与加背景，但还有0.5的概率混日子。
（b）0.1的概率去创业公司工作获得暴富100万年薪，但还有0.9的概率拿8K月薪混日子。
虽然我们有很大概率的都是在混日子，但如果我们是选择范围内选了期望值最高的概率，那无论什么结果都是自己能做的最好的选择了，并且这个做选择的过程是科学的，在下次可在这基础上优化的，那就算是失败，这是正确的失败，下次还要继续根据这样的认知这样选。而错误的成功是低概率的，巧幸的成份具多，追求错误的成功就像是莽撞的无头苍蝇。
同时一旦有了概率树的思维，大脑里就可以容纳两种相反的结果了，从而更容易接纳未达预期的结果。
第四部分 如何构建我们的底层人生算法？
构建底层的人生算法，有3点。
1.节点，认识闭环的每一个节点，提升单点能力。
2.闭环，把环节连起来，构建认知闭环的内核。
3.滚雪球，把飞轮驱动，构建认知闭环的外环。
1.节点
1.节点，认识闭环的每一个节点，提升单点能力。
对于“感知、认知、决策、行动”，节点的问题会出现在缺乏感知力、不懂概率思考、决策困难、光想不行动。
简单来说就是：
1、感知：多去试，找机会，找资源。
2、认知：构建决策树，什么时候都做正确的事情，努力集中于（相对的）优势境地。
3、决策：知错就改，别在不擅长的地方负隅顽抗，除非你能改变那种“不擅长”。
4、行动：正确的时候才死磕到底。
不管你在人生哪个阶段，不管分到你的牌有多烂（你的出身），你都应该专注于找到该局面下最好的打法。什么是最好的打法？就是选择收益概率最高的事，并死磕到底。
《不确定世界的理性选择》一书里里介绍的例子：
两个赌博游戏：
（a） 0.20的概率赢得 45美元，否则一无所有。
（b） 0.25的概率赢得 30美元，否则一无所有。
通过决策树选择期望值最大的选择a，即便有80%的概率一无所有。
让我们用决策树来描述一个困扰绝大多数人的问题：沉没成本。
假如你和一位朋友买了几张打折的滑雪票，租了滑雪板，然后开车到了度假的地方。此时你才发现，滑雪场的条件极其恶劣，天气非常寒冷，你认为，与其在这里去滑雪，直接掉转车头回家或许是一个更好的选择。
你的朋友则认为，这样做并不好，因为你们已经花钱购买了滑雪票，而这个滑雪票过期作废，而且你们租滑雪板的钱也是不能退还的。也就是说，你们俩当然可以选择在家里度假，却会浪费 90美元，而这是你们不能承受的。
这是我们现实中经常遇到的难题，一条路都到黑，与混蛋男朋友分不了手，家里做不到断舍离，买错的股票舍不得斩仓，道理谁都懂，做到真难。
让我们用树状图分析一下：
如图所描述，90美元根本没有出现在你的决策困境中。你最明智的选择，就是赶紧回家喝杯热咖啡，而不是去受罪，继续放大自己的损失。
可惜，我们绝大多数人，更多的被“自动思维”支配，而不能启动“控制性思维”。公式谁都明白，但是没法在关键时刻启动，便毫无意义。
据说，人类大脑每秒钟能够接收1000w比特的信息量，但其中只有50比特思维是在有意识的状态下加以处理的，属于有意识的思维。我们的很多行为都是由潜意识或者习惯驱使的，这是一个自动驾驶系统，其中一部分取决于人类的计划，一部分是因为你的基因和后天习惯。
所以，很多时候，我们都是踩着西瓜皮决策的，在那些关键的路口，从来都是不假思索。
2.闭环
2.闭环，把环连起来，构建认知闭环的内核。
在节点之间，大脑的非理性会频繁干扰节点之间的转化。如：
（1）.在感知到认知之间，因为感知过于敏感或感知麻木，没法给下一层的认知提供可参考数据，如有些人看了很多书，感知力很强，但是不总结规律，无法转化为认知，在决策时无法量化，变成决策障碍。
（2）.在认知到决策之间，因为从众心理、峰终定律、近因效应、光环效应、存活者偏差、鲜活性效应等造成认知偏见，夸大概率。
（3）.在决策与行动之间，明知故犯、一直在做低概率选项和患得患失不行动。如有些人是认知高手，能算出每种选择的预期收益，但是就是无法正确的行动，那认知再高也白搭。你理智上决定了的事情，情感上必须要接受，行动上必须要忠诚。现实中我们总是在背叛自己。
（4）.在行动与感知认知之间，不懂复盘，屡错不改，不懂提升感知，不断修正认知概率。《阿甘正传》说：你得丢开以往的事，才能不断继续前进。
把环连起来就是要解决以上问题，如一开篇所讲的复盘、反思、精益创业、瑞·达利奥的原则等等都是闭环。
3.滚动飞轮
认知飞轮是一个工具，它强不强大关键在于我们是怎么用它。认知是要耗费大脑高级元认知的带宽的，明明在大脑自动驾驶的状态下是最舒适的，我们还为什么要逆流而上的滚雪球，要不断的提升认知，提升成功的概率？这力量来自哪儿？
对人而言，外环是：强烈的动机、目标与愿望。
对企业而言，外环是：使命、愿景与价值观。
有了外环，才可以对抗未知、不确定性、恐惧、疲惫。
推动飞轮类似于西西弗里式的劳作
以上是讲了企业和个人的科学管理里的各种著名的环和我们要构建的底层算法——人生算法，以及如何构建它。一旦你掌握了自己的底层算法，你也许就有了些许把握自己命运的权力，从而实现物质和精神的双重自由。
我一直想总结这些年对认知闭环的学习与理解，但实际上，这方面是有科学的研究，我从头探索无疑于从石器时代重走一遍。但对于闭环的执念，我得把这想了一两年，在这一两个月又查看书籍学习反思，想用费曼学习法写出来给闭环了。这里面说的不能表达相关原作者完整的意思的十分之一，同时我也做不到简单三言两语就把事给讲清楚了。认知飞轮是个不断学习进化的工具，希望这次的粗糙是个起点，下次会迭代更好。
若想进一步学习了解认知和决策相关知识，可以参考以下资料。欢迎大家保持大脑极度开放，共享认知，共同提升。
参考资料：
书籍：雷德·海斯蒂《不确定世界的理性选择》
书籍：大卫·迪绍夫《元认知》
书籍：迈克尔·刘易维《思维的发现》
书籍：瑞·达利欧《原则》
书籍：邱昭良《复盘》
公众号：老喻《孤独大脑》
音频：吴伯凡《认知方法论》
网站：wiki维基百科