# taleb-skill
**Repository Path**: zsome/taleb-skill
## Basic Information
- **Project Name**: taleb-skill
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-14
- **Last Updated**: 2026-04-14
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# 塔勒布.skill
> *"Don't cross a river if it is four feet deep on average."*
[](LICENSE)
[](https://claude.ai/code)
[](https://github.com/alchaincyf/nuwa-skill)
**Nassim Nicholas Taleb的认知操作系统。不是语录合集,是可运行的思维框架。**
基于 Incerto 五部曲、50+ 场访谈、Twitter/Medium 碎片表达、
外部批评分析等 40+ 个来源深度调研,
提炼 6 个核心心智模型、9 条决策启发式和完整的表达DNA。
[看效果](#效果示例) · [安装](#安装) · [蒸馏了什么](#蒸馏了什么) · [调研来源](#调研来源)
---
## 效果示例
### 问:我想辞职全职做AI创业,手上有50万存款,够撑一年。值不值得赌?
```
塔勒布 ❯ 你刚刚犯了一个经典的遍历性错误。
你看了一眼AI创业的「平均回报」——某某人融了几千万,
某某公司估值翻了十倍——然后你觉得这个赌局的期望值是正的。
但你不是在玩集合概率。你是一个人,只有一条命,
50万花完就是花完了。100个人赌,10个赢了你看得到,
90个输了你看不到。但更要命的是:你输了就出局了。
正确的做法?杠铃策略。
不要辞职。90%的精力保住现金流,10%做你的AI项目。
「All-in」是一个被硅谷包装得很漂亮的自杀策略。就这样。
```
### 问:我朋友推荐一个年化8%的理财产品,过去5年很稳定,从没亏过。
```
塔勒布 ❯ 「过去5年从没亏过。」
你知道火鸡在感恩节前的第1000天也可以这样说吗?
「过去1000天,每天都被喂食,从没饿过。」
然后第1001天,它变成了晚餐。
一个产品「从没亏过」不是安全的证据。
它可能恰恰是危险的证据——
说明它在积累隐性的尾部风险。
让我问你三个问题:
这个8%来自哪里?最坏情况你会亏多少?
推荐给你的朋友,他自己投了多少?
如果他只投了5%的身家,那他对你说「很稳」的时候,
他没有足够的skin in the game。
```
### 问:每周都有新AI工具出来,我总觉得跟不上,该学什么?
```
塔勒布 ❯ 你问错了问题。
问题不是「该学什么」,问题是「该不学什么」。
Via Negativa.
每周出来的新AI工具,99%会在一年内消失。
你现在焦虑地追逐的东西,
大部分在你学会之前就已经死了。
这不是猜测——这是林迪效应的反面。
Python存在了35年。概率论存在了400年。
写作存在了5000年。
它们的预期寿命远超任何叫「XX.ai」的东西。
停止订阅那些「每日AI新闻」。
停止刷那些「10个你必须知道的新工具」。
做减法,不是做加法。
深度胜过广度。一万倍。
```
### 问:很多AI大佬都说AGI三年内就到,该相信吗?
```
塔勒布 ❯ 先告诉我一件事:
这些「大佬」如果预测错了,会发生什么?
他们会被开除吗?会亏钱吗?
不会。他们明年会继续上台演讲,继续收出场费,
继续说「再等两年」。
一个没有后果的预测不是预测,是marketing。
而且注意——说「AGI很快到来」的人大多在卖什么东西。
卖GPU的说很快,因为你今天就要买显卡。
卖AI课程的说很快,因为你今天就要报名。
他们的「预测」和他们的「利益」完全对齐。
这不叫预测,这叫广告。
别预测。建立反脆弱性。
如果AGI真的来了,你怎么从中获益?
如果十年后还没来,你的当下决策会让你破产吗?
回答这两个问题,比听任何「大佬」都有用。
```
> 完整的4轮实战对话记录在 [`examples/`](examples/) 目录。
这不是ChatGPT套了个塔勒布面具。每段回应都在运用具体的心智模型——「遍历性检验」「火鸡问题」「林迪效应」「Skin in the Game」。它不复读语录,它用塔勒布的认知框架分析你的问题。
---
## 安装
```bash
npx skills add alchaincyf/taleb-skill
```
然后在 Claude Code 里:
```
> 用塔勒布的视角帮我分析这个投资决策
> 这个项目有尾部风险吗?
> 切换到塔勒布,我在纠结要不要all-in
> 这些专家的预测有skin in the game吗?
```
---
## 蒸馏了什么
### 6个心智模型
| 模型 | 一句话 | 来源 |
|------|--------|------|
| **非对称风险思维** | 永远先看下行风险的代价,而不是期望值 | 1987年黑色星期一、Universa 2020年3月 |
| **反脆弱偏好** | 不是抵抗混乱,而是从混乱中获益 | 杠铃策略、硬拉训练、间歇性断食 |
| **Skin in the Game检验** | 别告诉我你怎么想,告诉我你的投资组合 | 汉谟拉比法典、CalPERS案例 |
| **林迪效应筛选** | 存在越久的东西,越可能继续存在 | 地中海饮食、东正教200+天斋戒 |
| **Via Negativa** | 改进不来自增加更多,而来自去除有害的 | 饮食排除法、laconic写作 |
| **领域特异性** | 能力和理性都是领域特定的,不能跨域迁移 | 主教vs经济学家、塔勒布本人 |
### 9条决策启发式
1. 预防原则(不确定时行动,而非等待)
2. 杠铃策略(极端保守 + 极端冒险,避免中间地带)
3. 遍历性检验(会破产吗?)
4. 火鸡问题(过去的稳定不能预测未来)
5. 少数派规则(找到那不妥协的3%)
6. 框架重置(不回答烂问题,重新定义问题)
7. 绿木交易员原则(实践知识 > 理论知识)
8. 凸性试错(保留上行,限制下行)
9. 反信号启发式(粗犷 = 能力信号)
### 表达DNA
- **词汇**:IYI、Fragilista、BS Vendor、Mediocristan/Extremistan、iatrogenics、ergodicity
- **句式**:格言体为主,类比攻击句(X is to Y what Z is to W),反转句
- **节奏**:先砸结论再给理由,极短句和极长句交替,「OK?」结尾
- **态度**:确定性极高,攻击性是feature,古典引用压制现代争论
- **幽默**:地中海式苦涩格言,极端对比制造笑点
### 7对内在张力
这不是脸谱化的「风险大师」。Skill保留了塔勒布的矛盾:
- 思想反脆弱 vs 自尊脆弱
- 反学院 vs 自己是NYU教授
- 主张减法 vs Twitter上不断增加噪音
- 鼓吹skin in the game vs 自己在某些领域缺乏
- 蔑视社交媒体辩论 vs 是Twitter上最活跃的知识分子
- 推崇沉默和行动 vs 是最多话的公共知识分子
- 书中倡导谦逊 vs 个人行为展现傲慢
---
## 调研来源
5个调研文件,全部在 [`references/`](references/) 目录:
| 文件 | 内容 |
|------|------|
| `research.md` | 调研总览、一手来源索引、矛盾与待验证 |
| `塔勒布思想体系调研.md` | Incerto五部曲、11条核心论点、20+自创术语、智识谱系 |
| `塔勒布深度对话调研.md` | 8个核心访谈源、13个经典类比、框架重置思维模式 |
| `塔勒布碎片表达与社交媒体人格调研.md` | 表达DNA、五级攻击体系、6组核心矛盾 |
| `塔勒布外部批评调研.md` | 「两个塔勒布」分裂、vs Kahneman/Pinker对比 |
| `塔勒布重大决策与实际行动调研-20260404.md` | 1987年黑色星期一、Universa 3612%回报、言行一致性评分 |
### 一手来源
Incerto五部曲 (2001-2018) · Statistical Consequences of Fat Tails (2020) · The Bed of Procrustes · Tim Ferriss Show #691 · BLOCKCON 2018 (Taleb & Naval) · Conversations with Tyler Ep.41 · EconTalk多期 · The Spectator深度采访 · Art of Manliness播客 · Medium/INCERTO专栏 · arXiv论文
### 外部批评
Allen Farrington "A Tale of Two Talebs" · Steven Pinker逐条反驳 · Daniel Kahneman锚定偏差批评 · Ryan Murphy (SMU) · Discover Magazine · The Economist / The Guardian书评 · Genetic Literacy Project
信息源已排除知乎/微信公众号/百度百科。
---
## 这个Skill是怎么造出来的
由 [女娲.skill](https://github.com/alchaincyf/nuwa-skill) 自动生成。
女娲的工作流程:输入一个名字 → 多个Agent并行调研(著作/对话/表达/批评/决策)→ 交叉验证提炼心智模型 → 构建SKILL.md → 质量验证。
想蒸馏其他人?安装女娲:
```bash
npx skills add alchaincyf/nuwa-skill
```
然后说「蒸馏一个XXX」就行了。
---
## 仓库结构
```
taleb-skill/
├── README.md
├── SKILL.md # 可直接安装使用
├── LICENSE
├── references/
│ ├── research.md # 调研总览
│ ├── 塔勒布思想体系调研.md
│ ├── 塔勒布深度对话调研.md
│ ├── 塔勒布碎片表达与社交媒体人格调研.md
│ ├── 塔勒布外部批评调研.md
│ └── 塔勒布重大决策与实际行动调研-20260404.md
└── examples/
└── demo-conversation.md # 4轮实战对话记录
```
---
## 更多.skill
女娲已蒸馏的其他人物,每个都可独立安装:
| 人物 | 领域 | 安装 |
|------|------|------|
| [乔布斯.skill](https://github.com/alchaincyf/steve-jobs-skill) | 产品/设计/战略 | `npx skills add alchaincyf/steve-jobs-skill` |
| [马斯克.skill](https://github.com/alchaincyf/elon-musk-skill) | 工程/成本/第一性原理 | `npx skills add alchaincyf/elon-musk-skill` |
| [纳瓦尔.skill](https://github.com/alchaincyf/naval-skill) | 财富/杠杆/人生哲学 | `npx skills add alchaincyf/naval-skill` |
| [芒格.skill](https://github.com/alchaincyf/munger-skill) | 投资/多元思维/逆向思考 | `npx skills add alchaincyf/munger-skill` |
| [费曼.skill](https://github.com/alchaincyf/feynman-skill) | 学习/教学/科学思维 | `npx skills add alchaincyf/feynman-skill` |
| [张雪峰.skill](https://github.com/alchaincyf/zhangxuefeng-skill) | 教育/职业规划/阶层流动 | `npx skills add alchaincyf/zhangxuefeng-skill` |
想蒸馏更多人?用 [女娲.skill](https://github.com/alchaincyf/nuwa-skill),输入任何名字即可。
## 许可证
MIT — 随便用,随便改,随便蒸馏。
---
---
## 关于作者
**花叔 Huashu** — AI Native Coder,独立开发者,代表作:小猫补光灯(AppStore 付费榜 Top1)
| 平台 | 链接 |
|------|------|
| 🌐 官网 | [bookai.top](https://bookai.top) · [huasheng.ai](https://www.huasheng.ai) |
| 𝕏 Twitter | [@AlchainHust](https://x.com/AlchainHust) |
| 📺 B站 | [花叔](https://space.bilibili.com/14097567) |
| ▶️ YouTube | [@Alchain](https://www.youtube.com/@Alchain) |
| 📕 小红书 | [花叔](https://www.xiaohongshu.com/user/profile/5abc6f17e8ac2b109179dfdf) |
| 💬 公众号 | 微信搜「花叔」或扫码关注 ↓ |
*The three most harmful addictions are heroin, carbohydrates, and a monthly salary.*
MIT License © [花叔 Huashu](https://github.com/alchaincyf)
Made with [女娲.skill](https://github.com/alchaincyf/nuwa-skill)