这是什么
贝叶斯更新说白了就是'根据新信息调整你的看法'。你先有个初始判断（比如这个客户有70%概率会签单），然后来了新信息（客户说预算被砍了），你就调整判断（降到30%）。关键是：不要因为一条新信息就180度大转弯，也不要完全无视新信息死守原来的看法。每次有新证据，就在原来的基础上微调。这其实是科学家思考问题的方式。
反常识判断
立场坚定不等于拒绝更新；真正可靠的人会随证据改变置信度。
常见误用
只记住“随着新证据出现，不断更新你的判断”，遇到任何问题都生搬硬套，最后用模型替代了证据。
犀利结论
证据变了还死守原判断，不叫原则，叫认知欠账。
什么时候用
判断一个项目能不能成、评估一个人的可靠性、投资决策中持续跟踪信息、预测某个事件的结果时
什么时候别用
只有一次性判断且没有后续信息的场景；需要绝对确定性答案时
怎么用
- 1
设定初始概率
基于你目前掌握的信息，给这件事一个可能性评估（比如60%会发生）
- 2
收集新证据
关注新出现的信息，判断它支持还是反对你的初始判断
- 3
调整你的概率
根据新证据的强度调整你的判断。重要证据多调，小证据微调
- 4
持续迭代
每次有新信息就重复这个过程，让你的判断越来越接近真实
30 秒练习
给一个判断写下当前置信度和能让它下降的证据。
先在纸上完成，不要急着找标准答案。模型只有改变了你的下一步，才算真正学会。
真实例子
纳瓦尔的决策哲学
硅谷投资人纳瓦尔说：'我对每件事都有一个初始概率，然后随着新信息不断调整。我不会因为一个数据点就推翻整个理论，也不会无视十个反面证据。'这让他在天使投资中保持冷静。