报告 05

MVP 设计：造尺子

造一台随机对照的干预效应发现装置：在同一个问题域里把人随机分到不同处理，用客观行为计数量出「干预 → 行为」的效应量，同时量出「用户觉得有没有用」，把这两个数放在一张表上对照

版本 v1 · 2026-09-16 · 产品 + 实验设计 上游：README_综合判定.md（主会话裁定）、04_munger_芒格格栅.md、03_strategy_战略解剖.md、02_constraint_约束.org、01_rank_降秩.org 引用约定：〔芒格·账一〕指 04_munger 第四节账一；〔降秩·R3〕指 01_rank 第三根；〔战略·4.1〕指 03_strategy 4.1 节；〔约束·矛盾对1〕指 02_constraint 互斥约束第一对；〔README·裁定〕指综合判定的主会话裁定。 未标出处的数字一律标「估算」。本文不联网，不引入新的外部事实。

1. 一页纸

1.1 目标

造一台随机对照的干预效应发现装置：在同一个问题域里把人随机分到不同处理，用客观行为计数量出「干预 → 行为」的效应量，同时量出「用户觉得有没有用」，把这两个数放在一张表上对照。这是对〔芒格·内核判断〕「你没有一把尺子，能分辨『它起作用了』和『它感觉起作用了』」的正面回应——造两把尺子同时量，就有了分辨力。

产物：一张带 95% 置信区间的效应表，加一条「主观有效感 vs 客观效应」的配对数据。 这两样 OpenAI 的记忆拿不到、抖音的行为数据拿不到、Rosebud 的日记也拿不到，因为它们都没有随机化〔战略·5.1〕。

1.2 非目标（第一版明确不做）

1.3 成功 / 失败判据（预注册式，实验开始前写死，不得事后修改）

主要判据一条，可行性判据四条。全部在随机化之前锁定并公开哈希。

失败判据（触发即停或转向）

• F1 < 35% → 装置本身不成立。停止，重做采集形态，不进入随机化。
• 三臂对对照的差值点估计全部 < 1.0 天且 CI 全部含 0 → 宣布阴性，按第 10 节决策树左支走。
• 任一 kill gate（第 8 节）未达 → 按该 gate 的预设动作执行。
• 招募 8 周内进入 run-in 人数 < 60 → 降级为两臂设计或停止（见第 9 节风险 2）。

功效的诚实声明：n=100 分三臂（每臂 33）只能以 80% 功效看见 d ≈ 0.57 的效应（约 3.4 天/28 天，ANCOVA 调整后，估算）。阴性结果不能排除 d < 0.5 的真实效应。 这一轮定位为先导试验（pilot / feasibility），产出是效应量的点估计与区间宽度，供第二轮做正式样本量计算——不是确证性检验。这条必须写进预注册和最终报告，否则就是重犯〔芒格·账二〕批评的错误。

1.4 一句话给创始人

花 ¥2,000 现金和 13 周，买一台有资格对你说「你错了」的仪器；〔芒格·账二〕已经证明按原设计（每臂 n=7）这台仪器的功效是 15–20%，也就是说它五次里有四次不会说话。

2. 对原方案的保留 / 改造 / 砍掉

处置的唯一标准：这个设计选择是加宽还是收窄「起作用了 vs 感觉起作用了」的盲区。

3. 实验设计

3.1 一张图

flowchart TD
    A["投放：小红书 + 微信私域｜目标 400 点击"] --> B["报名 + 单独同意（敏感个人信息）｜180 人"]
    B --> C["¥99 押金 + 51 题测评（C/N + 行动自评 + 目标设定）<br/>≤12 分钟｜140 人"]
    C --> D{"纳入 / 排除<br/>排除：&lt;18 岁 / 在精神科治疗中 /<br/>PHQ-2≥5 或 GAD-2≥5 / 无可测目标行为"}
    D -->|纳入| E["Run-in 基线 14 天｜全员相同：只记录不干预｜100 人"]
    E --> F{"Gate 2：14 天记录 ≥8 天<br/>且后 7 天完成率 20%–60%？"}
    F -->|不达标| X2["不随机化，数据保留作『淘汰者画像』"]
    F -->|达标| G["分层区组随机化｜≥60 人，理想 100 人"]
    G --> H["Arm C 纯记录 n≈33 ｜ Arm A 启动摩擦 n≈33 ｜ Arm B 人格匹配 n≈33"]
    H --> I["4 周干预期（28 天）｜每日两次触达｜期内只看可行性指标"]
    I --> J["D28 主结局锁定 + 猜臂 + 主观有效感 → 解盲，跑冻结的分析代码"]
    J --> K["结果三臂同等发放 + 公开发布（含阴性）"]

3.2 人群：纳入与排除

目标人群：主诉「知道该做什么却做不到」的成年人，且能指定一个具体、可数、可客观留痕的目标行为。

富集招募的代价必须显式测量。〔芒格·工程悖论〕：留下来的是尽责性本来就高的人，「你的数据护城河将由最不需要你的那群人建成」。对策是量化而非回避——Gate 2 淘汰者的测评数据全部保留，最终报告必须含一张「淘汰者 vs 随机化者」的 C/N 分数与基线完成率对照表。全行业没人报这张表。

3.3 招募渠道：微信漏斗怎么用

现有的需求声量写在报告里了——小红书「人生教练」笔记 18 万篇+，而中国认证教练不足 2000 人（对话中数字，见〔芒格·账三〕）。供给和需求的声量差百倍，说明约束不在供给侧。

社会在场（R4）的处置：〔README·裁定〕是「力要留，容器要换」。本文再加一层时序处置——R4 不进第一轮，作为第二轮的一个干预臂（真人见证 vs AI 见证）。理由：第一轮若加社群，社会在场同等作用于三臂，把完成率一起推向天花板、压缩组间差异，功效本就紧张的设计会直接失效。

3.4 随机化方法与分层

• 时点：run-in 结束当晚由服务端执行，用户在次日早晨第一次触达时才看到自己的处理内容。
• 方法：分层区组随机（stratified permuted block），block size = 6。
• 分配隐匿：分配序列由独立脚本预生成，加密存储，业务代码只能调用「取下一个」的接口，不能读序列。
• 分层因子（3 个）：

• 盲法：
  • 用户不可盲（干预内容明显不同）。诚实声明：期望效应无法排除。缓解手段是 Arm C 也有每日两次触达与每周一份「本周记录回顾」（中性、无建议），让接触频次在三臂间相等。
  • 结局评估天然盲：主结局由服务端自动采集（时间戳/步数/计时器），不经人工判断。
  • 分析者盲：分析代码在随机化之前写完并冻结（git tag + SHA256 公开）。干预期内只跑可行性指标，不跑任何效应估计。
  • 猜臂检验：D28 问用户「你觉得自己被分到了哪一组」，用于评估盲法破坏程度与期望效应大小。

3.5 三臂：用户每天到底看到什么

所有臂的触达次数、屏数、字数量级相同（估算：每次 2 屏、≤60 字），差别只在内容。 | | Arm C 纯记录对照 | Arm A 通用启动摩擦干预 | Arm B 人格匹配干预（产品主张） | |---|---|---|---| | 早 08:30 触达 | 「今天会到【情境】吗？」+「到时候你会做吗（0–100 滑条）」 | 同 C，外加一行当日最小启动脚本：「今天的版本：只做 5 分钟 / 只换鞋走到门口」 | 同 C，外加一行按 C/N 分数与前 7 天误差匹配的当日指令 | | 晚 21:30 触达 | 「做了吗」+「现实是哪种」+「明天押多少」 | 同 C，外加一行归因反馈：「今天卡在【启动】那一段」 | 同 C，外加一行假设更新：「你昨天押 60% 实际做了，我们把启动摩擦的权重调低了」 | | 每周一次 | 「本周记录回顾」：只有数字与图，零建议、零解释 | 「本周启动摩擦报告」：完成 vs 未完成的时段分布 + 下周固定脚本 | 「本周模型更新 + 下周三条下注」：见第 4 节 | | 是否有个性化 | 无 | 有，但只基于行为数据，不用人格分数 | 有，基于人格分数 + 行为数据 + 预测误差 | | AI 生成内容 | 无 | 模板化，无 LLM | LLM 生成 | | 这一臂在检验什么 | 测量本身（self-monitoring）的效应 | 最强杠杆（环境/启动成本）是否成立 | 人格建模带来多少增量 |

设计逻辑：〔芒格·生物学 4〕的杠杆强度排序是 环境改造 > 社会约束 > 即时后果 > 身份认同 > 信息与洞察，而产品的核心交付物（个性化解释与匹配）落在最弱的那一端。Arm A 就是把最强杠杆做成对手盘。 B > A 是这家公司存在的全部理由；B ≈ A 意味着人格建模在 C 端无增量；B < A 意味着个性化在添乱——三种结果都值钱，第 10 节各给一条路。

Arm C 是「只测量」，不是「什么都不做」。 自我监测本身就是干预，用它做对照估出来的才是产品要卖的那个增量。

3.6 基线周设计（正面回答均值回归）

〔芒格·账二〕第 2 条结构问题：W1 基线 = 均值回归发生器，「你用产品结构保证了『有效』这个结论」。三条处置：

1. Run-in 14 天，基线值只取后 7 天。 前 7 天作为适应期丢弃，避开「求助当周即谷底」这个锚。
2. 随机化在 run-in 之后。 这是随机对照设计的全部意义所在——均值回归是 within-person 的威胁，不是 between-arm 的威胁。三臂经历完全相同的基线期，回归量在三臂上同等发生，组间差值不受污染。原方案的 W1→W2→W3 前后对比没有这个保护，所以它的「有效」结论无法与均值回归分离。
3. 结果页改锚。 不再展示「30 天前的你 vs 现在的你」，改为「你 vs 对照臂的平均」，并标注置信区间。前者是〔芒格·对比误反应〕直接命中的幻觉制造机。

run-in 的 14 天数据另作盲态样本量重估（只看合并 SD、不看分组），不抬高第一类错误率，是标准做法。

3.7 主 / 次结局定义与客观采集方式

主结局：28 天窗口内「带证据完成天数」（0–28 的计数）。

「带证据」的三条通路，用户在 run-in 前选定一条并锁定：

统一硬约束：所有主结局数据必须带服务端时间戳且当日锁定。次日补录的记录标记 source=补录，进次结局不进主结局。 这条是数据完整性优先于数据量的取舍，写死在预注册里。

次结局

双尺子分析（本设计的核心产出）：把「客观效应量」和「主观有效感」画成同一张 2×2。四个格子各自意味着什么：

〔芒格〕原文预测的是右上格。如果实测落在右上格，这不是失败，这是这一轮最贵的发现，且是可以公开发表、别人没有的数据。

3.8 样本量与功效

原始账〔芒格·账二〕：W1–W4 各一周 = 每臂 n=7；Fisher 精确检验下 2/7 vs 5/7（29%→71%）双侧 p=0.286；按方案自己文案的效应量 31%→76% 算，功效 15–20%。

补救后的账（以下全部标估算）

• 裸 t 检验，α=0.05 双侧，power 0.80：可检出 d = 0.71（约 4.3 天）
• ANCOVA 调整（方差降 1−r² = 0.64，等效 n ≈ 51/臂）：可检出 d ≈ 0.57（约 3.4 天）
• 若做三组两两比较并 Bonferroni 校正：可检出 d ≈ 0.64

所以采用序贯把关（hierarchical gatekeeping），不做多重校正：主要比较只有一个（B vs C，α=0.05）；只有它达标，才在同一 α 下检验 B vs A；再才是 A vs C。这把功效省回来了，代价是检验顺序必须事前锁死。

功效相对原设计的提升来自四处，逐条对账：

结论一句话：100 人只够看见大效应（d ≳ 0.57，约 3.4 天/月）。要在第二轮以 80% 功效检出 d = 0.35（行为改变文献里更现实的量级，估算），需每臂 n ≈ 131，三臂 ≈ 390 人。第一轮的正式任务，是把 SD 和效应量的点估计测准，好让这个 390 变成一个有依据的数字而不是拍脑袋。

3.9 预注册与阴性结果发布承诺

〔芒格·第三层〕：「它需要愿意发表阴性结果。全行业没有人这么做。没有人这么做，正是它能成为护城河的原因。」

3.10 停止规则

4. 「让人下注」测评

把第一测评的 KPI 从「用户点头」换成「我们敢不敢押、押得准不准」。〔芒格·90 天第 2 件事〕：「对了，用户的信任是挣来的、有证据的；错了，你拿到了这个产品最宝贵的东西——一次真实的 prediction error。」

4.1 题量与量表

总时长目标 ≤ 12 分钟。 | 模块 | 题量 | 时长（估算） | 用途 | |---|---|---|---| | IPIP-NEO 尽责性 C：6 facet × 4 题 | 24 | 4 分钟 | 主要预测变量 | | IPIP-NEO 神经质 N：N1 焦虑 / N3 抑郁 / N5 冲动放纵 / N6 脆弱，4 facet × 4 题 | 16 | 3 分钟 | 次要预测变量 + 安全筛查交叉验证 | | 行动执行自评（目标清晰度、启动时长、完美主义、环境约束） | 8 | 1.5 分钟 | 域状态 | | 目标行为设定（选一条、选可测形态、设阈值） | 交互 | 2 分钟 | 主结局定义 | | 基线自报 + 首次下注 | 3 | 1.5 分钟 | 第一条可证伪预测 | | 合计 | 51 题 + 交互 | ≈12 分钟 | |

明确不进模型的：MBTI、九型、星座、依恋类型。可以在投放文案里出现（「你测过 MBTI 吗？这次我们换个玩法」），不采集、不计分、不在任何页面呈现。〔战略·结论二〕。

4.2 Big Five 复用 bigfive-public 的可行性结论

复用：是，但只复用一半。

4.3 输出格式：一条可证伪预测

模板

【本周下注 · 第 N 周】

未来 7 天里，你在【{情境}】的时候，
会出现【{具体可数的行为}】—— 我们押 {点估计} 次，
80% 的把握落在 {下界}–{上界} 次。

我们凭什么这么说：{一句机制，只准引用 ≤2 个已测变量，必须报出数值}
我们可能错在哪：{一句，指出这个预测最脆弱的那个假设}

一周后对答案。错了算我们的。

三条硬规则：

1. 必须可数。不准出现「你会感到焦虑」这种无法计数的预测。可数是反巴纳姆的第一道闸——一条足够普适的描述无法被写成计数。
2. 必须给区间。点估计 + 80% 区间。区间宽度本身是诚实度的度量。
3. 必须写「我们可能错在哪」。这一行的作用是把预测从「权威判词」变成「待检验假设」，直接对冲〔芒格·避免不一致性〕说的身份固化。

示例 1（启动摩擦）

未来 7 天里，你在【下班到家后计划运动】的时候，会出现【换好鞋但最终没出门】—— 我们押 3 次，80% 的把握落在 2–4 次。 我们凭什么：你的 C5 自律在量表位置 28（偏低），而 run-in 里「到家时精力」自报中位数 3/10。这两个数一起出现时，失败集中在「已启动未执行」这一段，不是「根本没想起来」。 我们可能错在哪：如果这周有人约你一起跑，社会在场会盖过精力低谷，这个数会偏高。

示例 2（完美主义）

未来 7 天里，你在【打开文档准备写方案】的时候，会出现【先改格式或查资料超过 10 分钟才动笔】—— 我们押 4 次，80% 的把握落在 3–5 次。 我们凭什么：C4 成就追求 76、C1 自我效能 34 —— 高标准配低效能感，典型的表现是延后第一笔而不是放弃任务。 我们可能错在哪：如果这周有硬 deadline，时间压力会压过完美主义，次数会明显低于 4。

示例 3（反向预测，故意押「不会发生」）

未来 7 天里，你在【周末】完成计划任务的次数【不会超过工作日】—— 我们押周末 0–1 次，80% 把握。 我们凭什么：你的目标行为靠通勤和工作日节奏挂钩（run-in 数据：工作日完成 5/5，周末 0/2），结构消失时行为一起消失。 我们可能错在哪：如果你这周末有明确的外部安排作为新的锚点，这条会被推翻。

每周三条里至少一条必须是反向或高风险预测（点估计落在分布尾部）——只押「你会失败」的系统是在顺着用户的自我预期说话。

4.4 一周后核对流程

sequenceDiagram
    participant U as 用户
    participant S as 服务端
    participant O as 客观数据源
    Note over S: 周一 09:00 生成三条下注并冻结（存 prediction 表）
    S->>U: 「本周三条下注已经押好」（含区间与「可能错在哪」）
    O->>S: 一周内步数 / 计时器 / 产物证据逐日回流
    Note over S: 下周一 09:00 自动结算，客观可算的条目自动填实际值
    S->>U: 「对答案时间」→ 逐条显示 押3次 ｜ 实际5次 ｜ 落在区间外
    S->>U: 高亮「这条我们押错了 2 次 —— 本周最有价值的一条数据」
    U->>S: 补填客观算不出来的条目（≤3 个数字）
    S->>S: 只更新被证伪的 1–2 个参数（核对次数 ≥3 才允许更新）
    S->>U: 下周三条新下注，其中至少一条来自本周的误差

要点三条：①客观可算的条目自动填，用户只补填算不出来的；②产品必须主动庆祝自己的错误（「这条我们押错了 2 次。你比我们以为的更能在周末动起来——下周改了一个参数」），这是反巴纳姆的结构性护栏；③更新要克制，只改被证伪的参数且该参数至少被核对过 3 次——小样本上做全模型重估就是在拟合噪声（〔芒格·账一〕每参数 0.15 条证据的直接后果）。

4.5 预测误差怎么回流

个体内（表 A）：prediction_error = |实际 − 点估计|，以及区间覆盖标志 in_interval ∈ {0,1}。误差方向驱动下周点估计的偏移；连续两周同方向出错则触发一次机制假设切换（如「启动摩擦」→「目标模糊」），并在下周的下注文案里明示这次切换。

个体间（表 B）：把 (C/N 分数切片, 预测类型, 误差方向与大小) 聚合，回答「哪一类人的哪一类预测被我们系统性高估/低估」。这是那把尺子的第一块砖。

校准曲线是唯一诚实的「我们有多准」：宣称 80% 的区间，实际覆盖率是多少？

目标：D+6 周时覆盖率落在 65–90%（判据 C）。这个数字可以对外公开，且它是这个赛道里没人敢公开的数字。

5. Micro Capture 四元组

5.1 结构改造：从一次四步，改成两次各两步

〔芒格·账一 (a)〕：第四问「结果是什么」是唯一能产生 prediction error 的一问，没有它整条片段的信息增益等于零，而它恰恰是完成率最低的那一问；每步 70% 则四步串联 ≈ 24%。改造后的收益主要在失败模式上：

「预测先于现实」这一条是〔战略·5.1〕说的唯一不可被规模碾压的东西：「所有被动观察型系统，无论数据量多大，都只能拿到结果，拿不到反事实。」

5.2 字段 Schema

capture(
  capture_id        uuid       PK
  user_hash         char(64)   -- 不可逆哈希，与手机号分表存储
  arm               enum       -- C / A / B
  day_index         int        -- 相对随机化日
  ts_morning_open   timestamp  -- 早间触达打开
  context_tag       enum       -- 8 个预设情境之一
  context_note      text NULL  -- ≤20 字，可选，字段级加密
  prediction_p      int        -- 0-100 滑条：会做的概率
  pred_confidence   int        -- 0-100，用户对自己这个预测的把握
  ts_prediction     timestamp  -- 预测写入时刻（必须早于 ts_behavior）
  behavior          enum       -- done / partial / not_done   ★主结局来源
  behavior_minutes  int NULL
  evidence_type     enum       -- steps / timer / artifact
  evidence_value    json       -- {steps:4210} / {start,end} / {url,sha}
  outcome           enum NULL  -- easier / as_expected / harder
  outcome_note      text NULL  -- 可选，字段级加密
  ts_evening_submit timestamp
  prediction_error  float      -- 派生：|prediction_p/100 − behavior_binary|（Brier 分量）
  is_same_day       bool       -- 派生：ts_evening_submit 与事件同日  ★主结局过滤条件
  source            enum       -- app / notif_degraded / backfill
  locked_at         timestamp  -- 23:59 硬锁定时刻
)

主结局的取数规则（写死在冻结的分析代码里）： 完成天数 = COUNT(day) WHERE behavior='done' AND is_same_day=TRUE AND source IN ('app','notif_degraded') AND evidence_value 通过阈值校验

source='backfill' 的记录进次结局，不进主结局。

5.3 前台文案（30 秒内完成）

三条文案纪律：不出现「坚持」「加油」「打卡」「连续第 N 天」；不出现任何 streak 视觉（〔芒格·奖励超级反应〕：streak 一旦存在，用户优化的就是 streak）；Arm C 的每周回顾里不出现任何一句解释或建议。

5.4 结果那一问的补录保障（四层）

这是承重柱，单独设计。

第 3 条主动扔掉数据。理由在〔芒格·账一 (c)〕：事后重构的污染方向与被测量的东西相关（防御越强的人重构偏差越大），所以补录数据是系统性偏向某个方向的假数据，混进主结局会坏掉整台仪器。

5.5 埋点：每一步的完成率

漏斗看板每天更新。Gate 1（10 人内测）就用 F1 和 F2 拦——如果一台采集装置在 10 个高动机内测用户身上都跑不到 F1 ≥ 35%，它在 100 个真实用户身上不可能跑到 75%。

6. 数据模型：两张表，两门科学

〔芒格·第三层〕：「L0–L5 是个体内的问题，L6 干预匹配是个体间的因果推断问题。这是两门不同的科学，需要两种完全不同的数据。你被架构图骗了——它画成一摞，其实是两摞。」

6.1 表 A：个体内证据表（within-person）

• 一行 = 一个人一天一个四元组（Schema 见 5.2）。
• 回答的问题：这个人是怎么运转的。
• 归属：用户的。可全量导出（JSON）、可删除。
• 它永远回答不了「对像你这样的人，A 比 B 好多少」——攒一万个纵向 n=1 也得不到反事实，一个人身上永远只发生一支〔芒格·第三层〕。

6.2 表 B：个体间效应表 / 基础比率表（between-person）

• 一行 = 一个 (人群切片 × 干预 × 对照 × 结局 × 窗口) 的效应估计。
• 回答的问题：在什么人、什么条件下，哪个干预有多大效应，以及多少比例的人身上无效。
• 归属：公司的，且是去标识化的聚合统计。
• 它只能从随机化里长出来，不能从表 A 里攒出来。 这是本文与原方案最根本的分歧——原方案的隐含假设是「数据攒够了因果自然会出来」。

effect(
  effect_id        uuid  PK
  prereg_id        text        -- 预注册 ID，必填，无预注册不得入表
  cohort_def       json        -- {C_pct:[0,40], N_pct:[60,100], baseline_rate:[0.2,0.4], target:"timer"}
  n_treat          int
  n_ctrl           int
  intervention_id  text        -- 版本化，如 "startup_friction_v1"
  comparator_id    text        -- 必填，不允许为 "none"
  outcome_id       text        -- 含测量方式，如 "evidence_days_28d_steps"
  window_days      int
  effect_raw       float       -- 天数差
  effect_d         float       -- 标准化
  ci_low, ci_high  float       -- 95%
  p_value          float       -- 报告，不作为判据
  pct_no_change    float       -- 无变化者比例  ★对外表达的关键字段
  analysis_sha     char(64)    -- 冻结分析代码哈希
  published        bool, published_url text   -- 含阴性结果是否已公开
)

对外表达模板（决策支持话术，非诊断话术）：

「在和你相似的 N 个人里，这个干预让 28 天完成天数平均多 X 天（95% 区间 Y–Z），其中有 W% 的人没有变化。要不要试一个月？」

对照原方案的话术「你有 68% 的概率出现 Y 模式」——后者是在做诊断，前者是在做决策支持。〔芒格·第三层〕：「前者监管友好，后者监管高危。」pct_no_change 这个字段是这套话术的骨头，也是全行业没人报的数字。

6.3 PIPL：心理数据属敏感个人信息

〔芒格·逆向 #9〕：「L0–L7 心理画像属 PIPL 敏感个人信息，需单独同意 + 必要性 + 影响评估……未提及一次。」

7. 产品形态与技术栈

7.1 三选一

决定：微信小程序。 两条决定性理由：①每日定时通知是这台装置的命脉，四元组靠两次触达，H5 做不到，小程序订阅消息能做到（每次交互顺手续订下一条，配合「结算完顺手押明天的注」的动线自维持链路；估算次日触达率 50–70%）；②微信运动步数是唯一零成本的客观行为源，而主结局的客观性是这次实验的全部意义。

审核风险与降级路径：注册「工具 / 效率」类目而非「医疗 / 心理咨询」；全站无诊断与疗效表述；测评标注自评问卷。若仍被驳回 → 降级：H5 承载记录与测评 + 企业微信应用消息承载每日推送，这条路径在开发第一周就要验证，不要等驳回才想。

7.2 技术栈（最轻）

7.3 分析管线的结构性防呆

〔芒格·账二〕最后那句：「公司会读哪一个？读主观那个。」防呆必须写进代码结构，不能靠自律。

每周一 02:00 的 cron 按 UNBLIND_FLAG 分流：flag=false（干预期内）只跑 feasibility.py（完成率 / 留存 / 缺失模式 / 漏斗），产出团队可见的可行性看板；flag=true（仅 D28 之后）才跑 effects.py（ANCOVA 主分析 + 序贯把关 + 敏感性分析 + 双尺子 2×2）。effects.py 在解盲前物理不可执行——flag 由一个不在业务仓库里的独立密钥控制。中期不做任何疗效分析。

7.4 成本量级（估算）

真实成本是人力：1 全栈 + 0.5 实验设计 + 0.5 运营 × 3 个月（估算）。

把这个数字和〔芒格·90 天第 1 件事〕并排看：「要接受一个结果：很可能全部无效。这个结果值 100 万，因为它省掉后面两年。」——现金侧的价格是 ¥1,500。

8. 90 天时间线

总长 13 周（D1–D91 完成全部数据采集；分析与发布在 D92–D105，明确超出 90 天）。

9. 风险与对策

概率均为估算。「触发信号」一栏的作用是把风险变成可以每周检查的指标，而不是一段读了就忘的文字。

10. 决策树：实验结束后走哪条路

flowchart TD
    R["D98 解盲｜主要比较 B vs C"] --> Q1{"点估计 ≥3 天<br/>且 95% CI 下界 >0？"}
    Q1 -->|"是 · 25%"| E2{"B vs A 也达标？"}
    Q1 -->|"否，所有臂 <1 天 · 45%"| N3{"完成率 ≥60%？"}
    Q1 -->|"仅某切片成立 · 30%"| M2["把有效切片做成表 B 第一行<br/>产品窄化到该切片，其余全砍"]
    E2 -->|是| E5["人格匹配有增量<br/>→ 第二轮 n≈390 + 启动 B 端<br/>买家序：企业EAP > 健康险 > 教练供给侧<br/>消费者排最后"]
    E2 -->|否| E6["整包有效但人格建模无增量<br/>→ 收缩为启动摩擦干预器<br/>人格模型降级为分流器"]
    N3 -->|"是（干预弱）"| N4["换干预：加 R4 社会在场臂<br/>真人见证 vs AI 见证"]
    N3 -->|"否（装置弱）"| N5{"客观数据密度够吗"}
    N5 -->|不够| N6["换问题域：睡眠 / 运动<br/>R3 在那儿更松"]
    N5 -->|"够但留不住人"| N7["换人群：企业 / 临床<br/>付钱的与受苦的分开"]

10.1 有效（概率 25%，估算）

判据：B vs C 达标。

卖给谁 —— 不是消费者。〔战略·3.4〕：「愿意为『证明有效』付真金的买家，是保险、企业健康、临床——不是消费者。消费者只为『被理解』付钱，不为『被证明』付钱。」

下一步：第二轮 n≈390 确证试验，把表 B 的第一条基础比率做扎实；同时启动供给侧（教练）这条最快见现金的通路。

10.2 无效（概率 45%，估算）

判据：所有臂 vs 对照的点估计 < 1 天且 CI 全含 0。

学到什么（三样，都可公开、都能复用）

1. 一条被证伪的核心主张：在「行动执行」域上，个性化信息型干预不优于纯记录。把〔芒格·生物学 4〕的文献推断变成自己的数据，省掉后面两年。
2. 三份没人有的可行性数据：同日完整率真实值、缺失的系统性模式（按 C 分数 / 星期几 / 臂切）、淘汰者对照表。
3. 第一组「主观有效感 vs 客观效应」配对数据：可发表、可做内容资产、可当 B 端谈判的信用凭证。

下一轮改什么（按数据自动分流，不靠拍脑袋）

10.3 混合（概率 30%，估算）——最有价值的一格

判据：某一臂达标而另一臂不达标，或效应只在某个切片上成立。

怎么切：把有效的那个切片做成表 B 的第一行，然后把产品窄化到那个切片，其余全砍。

两种典型形态，动作完全不同：