芒格原话
第一手出处查理·芒格（本页观点出自芒格论述；暂无逐字引文，转述整理见 L1）
原典解读
忠于原典 · 卡片化定义：第一性原理思维（First Principles Thinking），归在元认知与思维方法论名下：遇到复杂问题，不从现成答案出发，而是一路下潜到最底层的事实，再从那里往上重新搭建推理。
核心论述：这套思维的老祖宗是亚里士多德——他给"基本命题"下的判据是：不能被省略，不能被删除，也不能被违反；凡不符合这三条的，都不配当推理的起点。它要对付的敌人，是大脑出厂自带的类比偏好。类比有个结构性天花板：它只能在"已经存在"的解空间里找答案——你能想出的最优解，顶天是某个老方案的改款，你被锁死在历史经验的边界里。更麻烦的是，类比会自我复制：一个行业的人用同一套类比框架思考，就会得出高度雷同的结论、做出高度雷同的决策，营造出"大家都这么想，肯定没错"的虚假确定性。第一性原理就是对这套惯性的蓄意造反：把已知的解决方案暂时清零，回到最硬的事实与物理约束，从零开始往上推。三步走：①揪出假设——"火箭贵"是预设，不是事实；②找到硬事实——火箭由特定材料构成，这些材料在市场上有明码标价；③从硬事实出发，重新推导结论。举个小例子：同样是"提高餐厅翻台率"，类比思维会去抄隔壁火爆餐厅的做法——压缩用餐时间、催单；而底层思维会问：翻台率=用餐人数÷（座位数×时间），瓶颈到底是座位、时间，还是厨房出餐速度？如果堵在厨房，催单只会让体验更差。这套方法有个隐形成本：它慢。类比推理是高速公路，第一性原理是徒步下山再爬上来；所以它只配用在值得的地方——被行业惯例严重扭曲、赌注又足够大的决策。为什么大脑这么爱类比？因为类比是节能模式：直接调用现成答案，比从头推理省掉九成算力。在祖先的环境里，省算力就是保命——草丛一晃，先当狮子跑了再说，误判的成本远低于慢半拍。所以类比不是设计缺陷，是进化留下的默认设置；这套思维的本质，是在关键时刻手动覆盖这个默认设置。
定义：一笔糖果交易里的拆解术（页面 §02）。
核心论述：芒格在 1972 年拍板巴菲特拿下了一笔看着"贵"的交易：2500 万美元买下喜诗糖果——按净有形资产算，溢价两倍。巴菲特的犹豫很正常：他师从格雷厄姆，信奉"价格低于净资产"的捡烟蒂哲学，喜诗的标价在这套框架里纯属离谱。这里作祟的是类比推理：格雷厄姆的方法过去几十年屡试不爽，于是"好投资"就该长成格雷厄姆描述的样子——一个从历史经验里继承的模具，而非从基本原理推出来的结论。芒格把问题推回更底层：一家企业的价值，到底由什么决定？不是账面资产（那只是会计的记账方式），而是未来能掏出多少自由现金流，这些钱又有多靠谱。从这个起点往上推：喜诗有近乎宗教般的品牌忠诚、轻得可以忽略的资本需求、年年提价消费者还照单全收——结论是它的真实价值远超账面，格雷厄姆的尺子量错了对象。这笔投资后来给伯克希尔账上添了超 20 亿美元的税前利润，更重要的是，它把两人的投资哲学彻底掰了过来：从"便宜买平庸"转向"合理买卓越"。喜诗一役有个容易被忽略的细节：芒格不是凭空想通的。他翻遍了喜诗几十年的经营数据，算过每次提价后销量的波动——第一性原理不是"拍脑袋想明白"，而是"把数据嚼碎了再想"。没有数据打底的基本原理，多半是幻觉。
定义：第一性原理思维的四道红线（页面 §04 的评价性论述）。
核心论述：红线一：别把"从零开始"当成"从零开始学"——你要区分两种知识：硬事实和物理约束（货真价实的第一性原理，违背不了）vs 从硬事实长出来的经验规则和行业惯例（特定条件下好用，但不是永恒真理）。芒格是个读书狂，恰恰是深厚的知识储备让他分得清什么是真原理；一个肚子里没货的人宣称在用底层思维，大概率是在重新发明一辆已经被证伪的轮子。红线二：别什么事都上这套方法——人的认知带宽有限，不可能每个日常决定都一路追溯到物理定律；类比推理在绝大多数场景下又快又够用。这套重武器，要留给真正重要、且可能被行业惯例带偏的关键决策。红线三：先确认你找的是真原理——马斯克把火箭拆成原材料成本，找对了楼层；如果把"第一性原理"定义成"人类应该探索太空"，那是价值判断，不是物理事实，拿它做工程推理就是滥用。把价值判断当成物理事实，是最常见的翻车方式。红线四：推理对了，不等于路走得通——它告诉你天花板在哪，但从理论到量产之间的坑，还得靠笨功夫一个一个填。红线五：警惕"第一性原理"这个词本身被神化——当所有人都在谈它，它就从思维工具变成了社交货币；真正的检验标准永远是：你的推理能不能落地成别人做不出的结果。还有一条隐形红线：第一性原理推理得出的结论，常常在短期内看起来"不对"——因为它反共识，而共识有自我实现的惯性。马斯克2002年说火箭成本能降一个数量级时，整个航天界都当他疯了。扛住这种孤独，是这套思维最贵的学费，也是它回报最高的部分。
"我的做法是把复杂问题简化到最基本的层面，然后从那里开始思考。"（"My approach is to reduce complex problems to their most fundamental level, and then reason up from there."）
"人们低估了一些简单大道理的重要性。我的经验告诉你，情况恰恰相反——把几条基本的大道理贯彻到底，远比掌握一堆复杂的技巧更有效。"（"People underrate the importance of a few simple big ideas. My experience tells you the opposite — carrying out a few big ideas to their logical conclusion is much more effective than mastering a lot of complex techniques."）
"如果你能把复杂问题拆解成基本组件，然后重新组装，你就能看到别人看不到的东西。"（"If you can decompose a complex problem into its basic components and reassemble them, you can see things others cannot."）
适用：做投资和商业判断的场合（§05"投资与商业决策"）。
做法：1. 问"常识"的出身——听到"这个行业就是这样"，先查它的出生证明：是物理定律规定的，还是历史惯例攒出来的？后者的话，换个条件还成立吗？2. 问钱的来路——任何产品和服务，扒开看它的成本结构：利润里有多少是真价值创造，有多少是信息不对称或惯性在躺着收租？3. 问企业的"命门"——看标的时别被时髦的估值指标牵着走，回到那个最笨的问题：它未来能掏出多少自由现金流？多确定？要垫进去多少资本？4. 问依据的成色——如果你的理由是"龙头都这么干"或"过去十年数据都这样"，那是类比，不是第一性原理；它可能碰巧对，但你得验证它脚下的基本事实还在不在。5. 给翻车案例做尸检——找一个你所在行业最近栽跟头的例子，倒着拆：当初那个"常识"是在哪一层被当成事实的？下次轮到你时，就知道该从哪层开始挖。
避坑：硬事实和物理约束（动不了）vs 经验规则和行业惯例（只在特定条件下成立）——两类知识分开放，别混装。
适用：日常思维习惯的养成（§05"日常思维训练"）。
做法：1. 把"为什么"问到底——对每个照单全收的"常识"，连问三到五次为什么；大多数常识撑不过三问，就会露出"因为一直都这样"的类比底裤。2. 事实和推论分两栏——分析问题时，左边写板上钉钉的事实，右边写从事实推出来的结论；结论可能翻车，但事实是你的锚。3. 跟逆向思维组队——它负责找出真正的约束条件，逆向思维负责排查这些约束里哪个会要你的命；1+1 远大于 2。4. 建一本"反常识账"——把你用底层推理推翻过的行业常识记下来，定期翻看；既是战果陈列，也是防止自己滑回类比舒适区的闹钟。
避坑：别拿着锤子看什么都是钉子——日常小事用类比又快又够用，这套方法是留给关键战役的重武器。
适用：动手做重要分析之前的自检（页面 §09"实践检查清单"）。
做法：1. 先审假设——眼下的结论里，有多少是从类比和惯例那儿继承的遗产，有多少是从硬事实长出来的？2. 下潜深度——你是真挖到了基本约束那一层，还是在半道上就收工了？3. 知识家底——对这个领域，你的认知够不够格认出第一性原理？不够的话，是不是在能力圈外裸奔？4. 落地路径——就算推理全对，从理论到现实的桥，存在吗？5. 事实还是立场——你有没有把自己的价值判断，包装成基本事实？6. 惯例体检——上一次因为"大家都这么干"而放弃独立思考，是哪一次？走完这六项，如果还有拿不准的，回到第一项再走一遍——多数人的第一遍都挖得不够深。
避坑：原页面没有单列避坑项。
扩展阅读
真实案例 · 与 L1 隔离马斯克拆解火箭成本——98% 的行业溢价 商业案例
喜诗糖果——穿透格雷厄姆框架 商业案例
伯克希尔的保险承保纪律——保险的第一性原理 商业案例
跨模型互见——关联模型节 8 条链接 跨模型互见
解读 1：回到最基本的事实——发现所有人都错了的时刻芒格一生都在做同一件事——穿透表层的复杂性，找到底层的简单事实，然后从那里开始推理。这种思维方式最深刻的价值不在于它能帮你得出正确的结论——有时候类比推理也能得出正确结论——而在于它能帮你发现那些所有人都错了的时刻。当整个行业、整个市场、整个社会都在基于某个未经检验的假设行动时，唯一能让你看到真相的工具就是回到最基本的事实，重新推理。简化到基本面——这就是第一性原理思维的全部含义：不是让事情变得简单，而是穿透不必要的复杂性，找到真正重要的东西。在一个被惯例、类比和"大家都知道"的假设层层包裹的世界里，这种能力的稀缺性，就是它的价值所在。
解读 2：类比推理的结构性缺陷——只能在已知方案空间内搜索类比推理有一个结构性的致命缺陷：它只能在已知解决方案的空间内搜索——能想到的最好方案，不过是过去已经存在的某个方案的变体，被锁定在历史经验的边界之内。更糟的是，类比推理会自我强化：一个行业里所有人都在用同样的类比框架思考，会得出高度相似的结论，做出高度相似的决策，创造一种虚假的确定性——"大家都这么想，所以这一定是对的"。喜诗糖果的教训：巴菲特最初的犹豫来自格雷厄姆的框架——一个从历史经验继承的框架，而不是从基本原理推导出的结论；芒格回到更基本的问题（一家企业的价值由什么决定），才看到了账面资产三倍之外的东西。职业判断的推导：当决策依据是"行业龙头都在这么做"时，要追问一句——这个"就是这样"是由物理定律决定的，还是由历史惯例决定的？
解读 3：最难的是正确识别"什么是第一性原理"三个边界必须清楚：第一，不是反知识主义——你要区分不可违背的基本事实与特定条件下的经验规则；芒格博览群书，正是深厚的知识基础让他能判断哪些是真正的基本原理；知识匮乏的人声称"从第一性原理思考"，很可能只是在重新发明一个已经被证伪的轮子。第二，混淆价值判断和物理事实是最常见的滥用——马斯克把火箭拆解成原材料成本是正确的第一性原理层面；如果把"第一性原理"定义为"人类需要探索太空"，那是价值判断，不能用来做工程推理。第三，推理正确不等于路径存在——它告诉你天花板在哪里，但不能替代将理论变为现实的艰苦实践。点睛：美股和 A 股都爱用估值指标（P/E、EV/EBITDA）给企业定价——指标是类比工具，不是第一性原理；真正的第一性原理是"这家企业未来能产生多少自由现金流"；工具不同，问题相同：回到现金流。