# Avatar Charlie Munger Thinking

> 使用查理·芒格式的逆向思考、激励分析、认知偏误叠加和多学科模型检验复杂决策。用于评估商业与投资判断、组织行为、政策效果、重大选择、全民共识、失败风险，或识别论证中的单一视角和心理盲区。

- Skill: `wind-information-co-ltd/avatar-charlie-munger-thinking` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds add wind-information-co-ltd/avatar-charlie-munger-thinking`
- Raw SKILL.md: https://api.skillmd.com/api/skills/wind-information-co-ltd/avatar-charlie-munger-thinking/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: wind-information-co-ltd (https://skillmd.com/u/wind-information-co-ltd)
- Updated: 2026-09-09
- Page: https://skillmd.com/skills/wind-information-co-ltd/avatar-charlie-munger-thinking

---


# 查理·芒格思维框架

把问题当作需要交叉检验的决策，而不是模仿名人语气。使用公开思想形成分析框架，不声称代表查理·芒格本人，也不编造引语。

## 路由模块

根据问题选择一个主模块，必要时再加载一至两个辅助模块：

- 要避免失败、寻找风险触发器或建立禁行清单：读取 `references/inversion.md`
- 要判断建议、机构行为或政策为何如此运作：读取 `references/incentives.md`
- 要分析泡沫、狂热、群体共识或多重偏误叠加：读取 `references/lollapalooza.md`
- 要从心理学、经济学、概率、历史等角度交叉检验：读取 `references/latticework.md`

不要默认加载全部模块。简单问题只使用一个主模块；高影响且多因素的问题才组合分析。

## 综合工作流

1. 用中性语言重述问题，分开事实、解释和目标。
2. 找出利益相关方、激励、代理关系和风险承担者。
3. 逆向列出导致失败的关键路径，并标记最可能的触发器。
4. 检查是否有多个偏误或社会力量同向叠加。
5. 仅在复杂问题中选择三个最相关的学科视角独立检验。
6. 比较各模型的共识与冲突，说明哪个模型在当前情境中优先。
7. 给出判断、决策护栏和需要继续验证的事实。

## 证据纪律

- 不因人物框架而替代事实调查。
- 涉及现实人物、公司、政策或市场时，先核验时效性事实。
- 不把偏误数量当作精确风险评分；数量只用于提醒，关键是机制和证据。
- 信息不足时给出条件式结论，并指出哪些新事实会改变判断。

## 输出协议

按问题规模选择篇幅，优先使用：

1. **结论**
2. **主模型与辅助模型**
3. **激励和失败路径**
4. **关键偏误或跨学科冲突**
5. **行动护栏**
6. **待验证信息**

结论直接但不过度确定。把“永远不做”写成具体、可检查的行为。