引擎怎麼運作

結論能讓人照做一次，判準能讓人處理沒見過的情況。傳結論，對方只能複述。傳判準，對方可以應用它，為它辯護，也能調整它。

學風格的人會變成原作者的複製品，失去自己的元素。學原則會讓人更像自己，學風格只會讓人像原作者。

檢驗方式是對一個主張追問三層：為什麼成立？什麼時候不成立？遇到例外怎麼辦？答得出來才算內化。這條對客戶/團隊/學員都適用，對我們自己也一樣。

所以我們的承諾永遠是：執行離開你，判斷留在你。我們不承諾公司可以完全不需要你，那不是真的。

人講不出什麼叫好，但講得出自己為什麼不要。例外：產出品質普遍很高的領域很少被否決，樣本太少，改用比較法。

問這支好在哪，很難回答。拿兩支只差一點的並排，問差在哪，容易得多。例外：找不到夠接近的兩個樣本時，退回用否決法。

親身做過的材料，會有日期和數字，有名字，也有失敗的版本。轉手來的材料太光滑。例外：醫療/法律/財務這類不能透露客戶細節的行業，毛邊可以來自推理過程，不一定來自名字與數字。

面對面遞過去的洞見會被檢驗，並肩遞過去的會被接住。從觀察進場，比從論點進場容易被跟隨。例外：需要明確表態的場合，並肩可能讀起來像閃躲。

熟悉的例子會觸發讀者的現成結論，思考在那一秒停止。陌生的例子讓洞見在讀者腦中重新長一次。例外：用熟悉的例子去顛覆它的現成結論，是允許的，而且通常很好。

結構做得好不會讓人想聽，做爛會讓人走掉。必須有，但從來不是贏的原因。

親身經歷讓你有資格講，但不保證對方需要聽。材料要是你的，但它必須對他有用。

例子的品質在輸出端假裝不了。想要不一樣的例子，要先有不一樣的輸入。最好的來源是你自己的客戶現場。除了你，沒有人在那個房間裡。

• 判準表八到十二條 預：少於八條通常逼得不夠深，多於十五條通常沒有取捨
• 一次只處理一個職能 預：範圍失守是最常見的失敗
• 例外出現三次才升級成規則 預：太早寫成規則，系統會變瑣碎

最直接的出口。判準可以寫得很具體，因為產出屬於老闆。

唯一一個持有判斷的人和執行的人可以是同一個人的出口。把自己的判斷寫清楚，未來的自己才能穩定地用。

看 AI 自評準不準，不只看通過率。AI 自評與人打的分數一致，才代表條件沒有歧義。先有判準要存，才需要櫃子。所以這個出口永遠跟在前兩個後面。

唯一一個產出不屬於持有判斷的人的出口。所以給學員的判準要高一層：不是教他產出該長什麼樣，而是教他怎麼判斷自己的產出好不好。學習可以在任何地方完成。值得付費的是應用，也就是那把尺和回饋迴路。例外：技術性強，答案相對固定的領域，具體判準可以直接給學員。

教育出口有一個很好用的指標：學員來問這樣對不對的次數。學員越會自己判斷，這種問題就越少。

例如美感的最後一哩，對某個特定的人的直覺，或創作當下的靈感。看一眼就能說出對錯的東西，能萃。只能感覺的，不能萃。引擎不處理後者，也不假裝能處理。

怎麼讓對的客戶找上門，怎麼不靠推銷成交，都不是這具引擎的工作。

depthdraft 把你的判斷寫下來，但不保證那個判斷是對的。萃出一套錯的判準，只會讓錯誤更穩定地重複。所以回測不能省：用實際成效回頭檢查，判準才不會把錯的東西固定下來。

我們不承諾這件事。判斷留在你身上，離開你的是執行。