# 芒格决策助手 - 使用示例

**版本：** v1.2.0  
**更新：** 2026-03-31

---

## 示例 1：投资决策

### 用户输入

```
是否应该投资中宠股份？
```

### 系统响应

**场景识别：** 投资决策

**推荐模型：**
1. 能力圈 (06)
2. 安全边际 (10)
3. 护城河 (09)
4. 逆向思维 (07)
5. 机会成本 (02)

### 对话流程

**模型 1：能力圈**

Q1: 你对宠物食品行业的了解程度？（1-10分）  
A1: 7分，我对行业有一定了解

Q2: 你能清晰解释中宠股份的核心竞争力吗？  
A2: 主要是 ODM 代工能力和客户资源

Q3: 你是否了解行业的关键风险因素？  
A3: 了解原材料价格波动和客户集中度风险

**模型 2：安全边际**

Q1: 当前估值相比内在价值有多少折扣？  
A1: PE 约 20 倍，行业平均 25 倍

Q2: 最坏情况下你能承受多少损失？  
A2: 可以承受 30% 的回撤

**模型 3：护城河**

Q1: 中宠股份有哪些竞争壁垒？  
A1: 客户粘性、产能规模、质量认证

Q2: 这些壁垒能持续多久？  
A2: 预计 3-5 年内有效

### 生成报告

```markdown
# 投资决策分析报告

**决策问题：** 是否应该投资中宠股份？  
**分析时间：** 2026-03-31 22:00  
**使用模型：** 5 个

## 分析结果

### 1. 能力圈 (评分: 7/10)
- ✅ 对行业有一定了解
- ✅ 理解核心竞争力
- ⚠️ 需深入研究风险因素

### 2. 安全边际 (评分: 6/10)
- ⚠️ 估值折扣不明显
- ✅ 风险承受能力合理

### 3. 护城河 (评分: 7/10)
- ✅ 有一定竞争壁垒
- ⚠️ 持续性需观察

## 综合建议

**决策倾向：** 谨慎乐观

**关键要点：**
1. 能力圈内，但需深入研究
2. 估值不便宜，安全边际不足
3. 有护城河，但需持续跟踪

**行动建议：**
- 建议小仓位试探（5-10%）
- 深入研究原材料成本和客户集中度
- 设置止损位（-15%）
```

---

## 示例 2：产品决策

### 用户输入

```
是否应该开发 AI 教培 SaaS 产品？
```

### 系统响应

**场景识别：** 产品决策

**推荐模型：**
1. 第一性原理 (01)
2. 幂律分布 (38)
3. 边际递减 (53)

### 对话流程

**模型 1：第一性原理**

Q1: 用户的核心需求是什么？  
A1: 提升学习效率，降低教培成本

Q2: 现有方案的根本问题是什么？  
A2: 标准化内容无法满足个性化需求

Q3: 从零开始，你会如何解决这个问题？  
A3: 用 AI 生成个性化学习路径

### 生成报告

```markdown
# 产品决策分析报告

**决策问题：** 是否应该开发 AI 教培 SaaS 产品？  
**分析时间：** 2026-03-31 22:00

## 分析结果

### 1. 第一性原理 (评分: 8/10)
- ✅ 核心需求清晰
- ✅ 从根本问题出发
- ✅ 解决方案创新

### 2. 幂律分布 (评分: 7/10)
- ✅ 市场有头部效应
- ⚠️ 需快速占领细分市场

### 3. 边际递减 (评分: 6/10)
- ⚠️ 需注意功能堆砌
- ✅ 聚焦核心价值

## 综合建议

**决策倾向：** 建议推进

**关键要点：**
1. 需求真实，解决方案创新
2. 需快速占领细分市场
3. 避免功能过度复杂

**行动建议：**
- MVP 验证核心假设
- 聚焦 1-2 个细分场景
- 3 个月内验证 PMF
```

---

## 示例 3：人员决策

### 用户输入

```
是否应该招聘这位候选人担任技术负责人？
```

### 系统响应

**场景识别：** 人员决策

**推荐模型：**
1. 激励机制 (32)
2. 能力圈 (06)
3. 过度自信偏差 (26)

### 对话流程

**模型 1：激励机制**

Q1: 候选人的核心动机是什么？  
A1: 技术挑战和团队成长

Q2: 你能提供匹配的激励吗？  
A2: 可以提供技术自主权和期权

**模型 2：能力圈**

Q1: 候选人在哪些领域有深厚积累？  
A1: 后端架构和团队管理

Q2: 这些能力是否匹配岗位需求？  
A2: 高度匹配

### 生成报告

```markdown
# 人员决策分析报告

**决策问题：** 是否应该招聘这位候选人担任技术负责人？  
**分析时间：** 2026-03-31 22:00

## 分析结果

### 1. 激励机制 (评分: 8/10)
- ✅ 动机清晰
- ✅ 激励匹配

### 2. 能力圈 (评分: 9/10)
- ✅ 能力高度匹配
- ✅ 有深厚积累

### 3. 过度自信偏差 (评分: 7/10)
- ⚠️ 需观察是否过度自信
- ✅ 有自我认知

## 综合建议

**决策倾向：** 强烈推荐

**关键要点：**
1. 能力匹配，动机清晰
2. 激励机制到位
3. 需观察团队协作

**行动建议：**
- 发 offer
- 设置 3 个月试用期
- 明确 OKR 和考核标准
```

---

## 示例 4：战略决策

### 用户输入

```
是否应该进入下沉市场？
```

### 系统响应

**场景识别：** 战略决策

**推荐模型：**
1. 逆向思维 (07)
2. 二阶思维 (33)
3. 反脆弱 (39)

### 对话流程

**模型 1：逆向思维**

Q1: 什么情况下进入下沉市场会失败？  
A1: 成本控制不住，品牌定位混乱

Q2: 如何避免这些失败？  
A2: 独立品牌运作，严格成本管理

**模型 2：二阶思维**

Q1: 进入下沉市场的直接后果是什么？  
A1: 营收增长，但利润率下降

Q2: 这些后果会带来什么二阶影响？  
A2: 可能影响高端品牌形象

### 生成报告

```markdown
# 战略决策分析报告

**决策问题：** 是否应该进入下沉市场？  
**分析时间：** 2026-03-31 22:00

## 分析结果

### 1. 逆向思维 (评分: 7/10)
- ✅ 识别了关键风险
- ✅ 有应对方案

### 2. 二阶思维 (评分: 6/10)
- ⚠️ 二阶影响需深入评估
- ✅ 意识到品牌风险

### 3. 反脆弱 (评分: 7/10)
- ✅ 独立品牌可降低风险
- ⚠️ 需建立退出机制

## 综合建议

**决策倾向：** 谨慎推进

**关键要点：**
1. 独立品牌运作
2. 严格成本管理
3. 建立退出机制

**行动建议：**
- 小规模试点（1-2 个城市）
- 6 个月验证模型
- 设置明确的止损线
```

---

## 使用技巧

### 1. 问题描述要具体

❌ 不好：是否应该投资？  
✅ 好：是否应该投资中宠股份？

### 2. 回答要诚实

不要为了"通过"而美化答案，诚实的回答才能得到有价值的分析。

### 3. 多轮迭代

第一次分析后，可以根据报告深入研究，然后再次分析。

### 4. 结合实际

模型是工具，不是答案。最终决策需要结合实际情况。

---

**相关文档：**
- [SKILL.md](../SKILL.md) - 功能说明
- [models.md](models.md) - 模型库
- [INDEX.md](INDEX.md) - 模型索引