{"schemaVersion":"drillso.agent.session.v1","scope":"node","resource":{"type":"shared-session","shareId":"TQVlNZIwAIVc","title":"twitter冷启动的10种贴文模板","canonicalUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F%E7%9A%84%E5%9B%9B%E6%AD%A5%E6%8B%86%E8%A7%A3-a004ac5f","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F%E7%9A%84%E5%9B%9B%E6%AD%A5%E6%8B%86%E8%A7%A3-a004ac5f","ownerName":"pyth0nb3st","updatedAt":"2026-07-22T08:13:53.560Z"},"currentNode":{"id":"a004ac5f-bb3d-452f-96fa-3ec2ca999760","slug":"贝叶斯公式的四步拆解-a004ac5f","title":"贝叶斯公式的四步拆解","type":"page","url":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F%E7%9A%84%E5%9B%9B%E6%AD%A5%E6%8B%86%E8%A7%A3-a004ac5f","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F%E7%9A%84%E5%9B%9B%E6%AD%A5%E6%8B%86%E8%A7%A3-a004ac5f","text":"你的直觉非常敏锐，并且切中了应用数学和决策科学中最核心的痛点：**现实世界不是教科书，没有人会给你精准的百分比。**\n\n如果你试图在日常生活中为每一个决策拉一张 Excel 表、套用贝叶斯公式算出 $63.6\\%$ 这样的精确数字，你不仅会陷入“分析瘫痪”（Analysis Paralysis），而且算出来的数字也毫无意义——因为**“垃圾输入，垃圾输出”（Garbage In, Garbage Out）**，你设定的初始概率本身就是拍脑袋想出来的。\n\n但是，这绝不意味着贝叶斯模型在现实中无法应用。相反，**真正的贝叶斯主义者（Bayesians）从不纠结于小数点后的精确度，他们将贝叶斯视为一种“认知操作系统”和“决策导向的思维模型”。**\n\n在无法精准量化的情况下，要在现实生活中运用贝叶斯并获得实实在在的收益（避开巨坑、做出高期望值的决策），你需要将公式转化为**四套核心的操作指针（Heuristics）**。\n\n以下是深度的实操拆解（置信度：**高**）。\n\n---\n\n### 一、 解决“先验概率”难题：参考类别预测（Reference Class Forecasting）\n\n在没有具体数据时，人最容易犯的错误就是**“内部视角”（Inside View）**——盲目乐观，认为自己是特殊的。\n\n*   **用户的困惑**：“我怎么知道我创业成功的初始概率 $P(H)$ 是多少？怎么知道对方喜欢我的基础概率是多少？”\n*   **贝叶斯解法**：启用**“外部视角”（Outside View）**，寻找**“参考类别”的统计数据（Base Rate）**。\n\n#### 实操方法：\n你不需要知道“你”的精准概率，你只需要知道**“像你这一类人/事”在历史上的平均成功率**。这就是你的先验概率。\n\n*   **案例 1：你想开一家高端咖啡馆。**\n    *   *愚蠢的非贝叶斯做法*：凭借热情估算，“我觉得我们产品独特，成功率有 80%”。\n    *   *合理的贝叶斯做法*：去查行业报告，得知“同城独立咖啡馆在 3 年内的存活率仅为 10%”。**你的先验概率 $P(H)$ 强行设定为 $10\\%$**。无论你觉得自己多特别，都必须从 $10\\%$ 开始更新。\n*   **案例 2：你准备在 35 岁时转行做原画师。**\n    *   *先验概率设定*：查一下非科班出身、35岁以上转行成功并拿到满意薪资的同行比例。如果这个比例是 $5\\%$，那么你的先验概率就是 $5\\%$。\n\n#### 获得收益：\n**防守端收益巨大。** 仅仅是“锚定基础率”这一步，就能帮你过滤掉 90% 冲动型投资、盲目创业和高风险的职业跳槽。它让你在开始前就拥有极度冷酷的现实感。\n\n---\n\n### 二、 解决“似然度”难题：只看“贝叶斯因子”（Bayes Factor）\n\n在现实中，分别计算 $P(E|H)$（如果假设成立，出现证据的概率）和 $P(E|\\neg H)$（如果假设不成立，出现证据的概率）极其困难。\n\n*   **用户的困惑**：“我怎么知道他不喜欢我、却深夜找我聊天的精确概率是 $10\\%$ 还是 $15\\%$？”\n*   **贝叶斯解法**：放弃计算绝对概率，只计算两者的**比值**，即**贝叶斯因子（Bayes Factor，简称 BF）**：\n\n$$BF = \\frac{P(E|H)}{P(E|\\neg H)}$$\n\n这个比值代表了**新证据 $E$ 对假设 $H$ 的“解释力”有多强**。\n*   如果 $BF \\approx 1$：说明这个证据在“成立”和“不成立”的情况下都一样可能发生。**这是噪音，直接忽略。**\n*   如果 $BF \\gg 1$：说明这个证据在假设成立时极可能发生，不成立时极难发生。**这是强信号，必须大幅上调你的信心。**\n*   如果 $BF \\ll 1$：说明这是反向强信号，必须大幅下调信心。\n\n```\n 贝叶斯因子 (BF) 的决策尺：\n [ 趋近于 0 ] <---------- [ 1 ] ----------> [ 远大于 1 ]\n   反向强信号              无用噪音            正向强信号\n (立刻下调期望)          (不要做出反应)        (加大下注/推进)\n```\n\n#### 实操案例（商业合作）：\n一个潜在的合伙人对你热情洋溢，承诺未来带你赚大钱，甚至带你去了他昂贵的办公室（新证据 $E$）。你该信任他吗（假设 $H$）？\n*   **分析 $BF$**：\n    *   如果他是个真正的靠谱大佬（$H$），他会带你去看办公室吗？会（$P(E|H)$ 较高）。\n    *   如果他是个包装精美的骗子（$\\neg H$），他会带你去看办公室吗？更会！因为骗子最需要豪车和高端办公室来包装自己（$P(E|\\neg H)$ 极高）。\n    *   **结论**：$BF = \\frac{P(E|H)}{P(E|\\neg H)} \\le 1$。带你看办公室这个证据**无法区分他是大佬还是骗子**。这在学术上叫“低区分度证据”。你应当**完全忽略**这个证据，不进行任何信心上调。\n\n#### 获得收益：\n**极强的防骗和过滤噪音能力。** 现实生活中 95% 的公关、广告、甜言蜜语、包装，其贝叶斯因子都接近 1。学会不为 $BF \\approx 1$ 的噪音买单，能帮你省下无数的学费和时间。\n\n---\n\n### 三、 放弃“一步到位”，采用“小步快跑”的增量更新（Incremental Updating）\n\n非贝叶斯思维的人喜欢“全纳或全拒”（All-or-Nothing）。他们根据一次表现就断定一个人是好是坏，根据一天的股价就断定牛市或熊市。\n\n*   **贝叶斯解法**：**“观点要强烈，但要用弱线牵引”（Strong Beliefs, Weakly Held）**。\n    在没有精确数据时，你只需要做**方向性的微调**。\n\n#### 预测校准（Calibration）训练：\n参考超级预测手（Superforecasters）的训练方法，你可以使用“概率区间”和“动态微调”：\n\n1.  **初始定性定位**：对一个事件，先根据基础率给一个模糊的区间（例如：我觉得这个项目成功的概率大约在 $30\\% \\sim 50\\%$ 之间）。\n2.  **小步微调（Nudge）**：\n    *   出现一个利好证据（$BF > 1$），不要直接跳到 $90\\%$。而是将你的预估上限和下限上调 $5\\% \\sim 10\\%$（变为 $35\\% \\sim 60\\%$）。\n    *   出现一个利空证据，相应地下调 $5\\% \\sim 10\\%$。\n3.  **永远不要给出 $0\\%$ 或 $100\\%$ 的概率**：因为在贝叶斯公式中，一旦先验概率设定为 $0$ 或 $1$，无论后面出现什么震撼的证据，后验概率都永远是 $0$ 或 $1$（即数学上的“死脑筋”）。保持开放性，永远保留修正的余地。\n\n#### 获得收益：\n**在不确定性极高的环境中保持极佳的认知弹性。** \n在投资或管理中，你会比竞争对手更快地意识到行业风向变了。当别人还在为“我是不是看错了”而痛苦纠结、拒绝承认错误时，你已经在随着新证据的出现，悄悄且持续地调整你的投资组合了。\n\n---\n\n### 四、 商业与人生变现：贝叶斯决策流与“非对称下注”\n\n在生活和商业中，我们不需要为了计算而计算，我们计算概率的最终目的是**为了做出高期望值（Expected Value）的决策**。\n\n$$期望值 (EV) = (成功概率 \\times 成功收益) - (失败概率 \\times 失败成本)$$\n\n结合贝叶斯思维，现实生活中的终极应用是**“低成本探测”**。\n\n#### 步骤 1：寻找“非对称机会”（Asymmetric Bets）\n即：**失败了损失极小，成功了收益极大**的机会。\n例如：尝试写自媒体、链接一个行业大佬、开发一个微型 SaaS 工具、去一家创业公司面试。\n\n#### 步骤 2：用“贝叶斯探测器”低成本收集证据\n不要一上来就压上身家性命。先用最小可行性产品（MVP）或者极低的成本去“制造新证据 $E$”，然后更新你的先验概率。\n\n```mermaid\nflowchart TD\n    Start[\"设定先验概率 (参考基础率: 较低)\"] --> Step1[\"小成本试错 (收集新证据 E)\"]\n    Step1 --> Step2{\"分析贝叶斯因子 (BF)\"}\n    Step2 -- \"BF 极佳 (强信号)\" --> Step3[\"大幅上调成功概率，加大资源投入 (下注)\" ]\n    Step2 -- \"BF 糟糕 (弱信号/噪音)\" --> Step4[\"小额止损，或者微调方向后再次测试\"]\n    Step3 --> Start\n    Step4 --> Start\n```\n\n*   **错误案例**：你想写一本书。你闭门造车 2 年，写了 30 万字投给出版社，结果没人要。这是非贝叶斯决策——你没有提供中间更新先验概率的机会。\n*   **贝叶斯案例**：\n    1.  **初始先验**：我写一本书能大火的概率很低（基础率 $< 1\\%$）。\n    2.  **第一步探测**：先写一篇文章发在社交媒体上。如果阅读量寥寥（证据糟糕），说明先验概率进一步降低，不要写书了。\n    3.  **第二步探测**：如果这篇文章意外爆火，阅读量十万加，点赞极高（强证据 $E$，使得 $BF \\gg 1$）。\n    4.  **更新后验**：我写这本书能火的概率从 $1\\%$ 提升到了 $25\\%$。\n    5.  **加大投入**：开始写前三个章节，放到读者群里付费试读。如果转化率极高（新强证据），后验概率提升到 $60\\%$。\n    6.  **全面下注**：辞职，全力以赴完成这本书。\n\n---\n\n### 总结：现实生活中贝叶斯主义者的三大铁律\n\n| 铁律 | 对应贝叶斯要素 | 现实世界翻译 |\n| :--- | :--- | :--- |\n| **第一铁律** | **先验概率 $P(H)$** | **别自作多情。** 承认自己和大多数人一样平庸，先用大众基础率作为你的决策起点。 |\n| **第二铁律** | **似然度比值 $BF$** | **不为噪音买单。** 问自己：“如果对方在骗我/这个项目是个坑，这个现象是不是同样容易发生？” 如果是，忽略它。 |\n| **第三铁律** | **连续更新 $P(H\\|E)$** | **不要捍卫自己的面子。** 随时准备根据最新的事实，像修正软件版本一样，修正自己对世界的认知。 |\n\n现实生活中的贝叶斯，不是一道数学题，而是一种**“承认自己无知，但通过不断与世界碰撞、收集反馈，从而比所有人更快接近真相”**的进取型人生态度。你不需要精准的数字，你只需要在每一次决策时，比你的竞争对手更客观地评估基础率，更理性地过滤噪音，更快速地根据新情况调整航向，你就能在漫长的人生博弈中获得无法被剥夺的超额收益。","markdown":"# 贝叶斯公式的四步拆解\n\n你的直觉非常敏锐，并且切中了应用数学和决策科学中最核心的痛点：**现实世界不是教科书，没有人会给你精准的百分比。**\n\n如果你试图在日常生活中为每一个决策拉一张 Excel 表、套用贝叶斯公式算出 $63.6\\%$ 这样的精确数字，你不仅会陷入“分析瘫痪”（Analysis Paralysis），而且算出来的数字也毫无意义——因为**“垃圾输入，垃圾输出”（Garbage In, Garbage Out）**，你设定的初始概率本身就是拍脑袋想出来的。\n\n但是，这绝不意味着贝叶斯模型在现实中无法应用。相反，**真正的贝叶斯主义者（Bayesians）从不纠结于小数点后的精确度，他们将贝叶斯视为一种“认知操作系统”和“决策导向的思维模型”。**\n\n在无法精准量化的情况下，要在现实生活中运用贝叶斯并获得实实在在的收益（避开巨坑、做出高期望值的决策），你需要将公式转化为**四套核心的操作指针（Heuristics）**。\n\n以下是深度的实操拆解（置信度：**高**）。\n\n---\n\n### 一、 解决“先验概率”难题：参考类别预测（Reference Class Forecasting）\n\n在没有具体数据时，人最容易犯的错误就是**“内部视角”（Inside View）**——盲目乐观，认为自己是特殊的。\n\n*   **用户的困惑**：“我怎么知道我创业成功的初始概率 $P(H)$ 是多少？怎么知道对方喜欢我的基础概率是多少？”\n*   **贝叶斯解法**：启用**“外部视角”（Outside View）**，寻找**“参考类别”的统计数据（Base Rate）**。\n\n#### 实操方法：\n你不需要知道“你”的精准概率，你只需要知道**“像你这一类人/事”在历史上的平均成功率**。这就是你的先验概率。\n\n*   **案例 1：你想开一家高端咖啡馆。**\n    *   *愚蠢的非贝叶斯做法*：凭借热情估算，“我觉得我们产品独特，成功率有 80%”。\n    *   *合理的贝叶斯做法*：去查行业报告，得知“同城独立咖啡馆在 3 年内的存活率仅为 10%”。**你的先验概率 $P(H)$ 强行设定为 $10\\%$**。无论你觉得自己多特别，都必须从 $10\\%$ 开始更新。\n*   **案例 2：你准备在 35 岁时转行做原画师。**\n    *   *先验概率设定*：查一下非科班出身、35岁以上转行成功并拿到满意薪资的同行比例。如果这个比例是 $5\\%$，那么你的先验概率就是 $5\\%$。\n\n#### 获得收益：\n**防守端收益巨大。** 仅仅是“锚定基础率”这一步，就能帮你过滤掉 90% 冲动型投资、盲目创业和高风险的职业跳槽。它让你在开始前就拥有极度冷酷的现实感。\n\n---\n\n### 二、 解决“似然度”难题：只看“贝叶斯因子”（Bayes Factor）\n\n在现实中，分别计算 $P(E|H)$（如果假设成立，出现证据的概率）和 $P(E|\\neg H)$（如果假设不成立，出现证据的概率）极其困难。\n\n*   **用户的困惑**：“我怎么知道他不喜欢我、却深夜找我聊天的精确概率是 $10\\%$ 还是 $15\\%$？”\n*   **贝叶斯解法**：放弃计算绝对概率，只计算两者的**比值**，即**贝叶斯因子（Bayes Factor，简称 BF）**：\n\n$$BF = \\frac{P(E|H)}{P(E|\\neg H)}$$\n\n这个比值代表了**新证据 $E$ 对假设 $H$ 的“解释力”有多强**。\n*   如果 $BF \\approx 1$：说明这个证据在“成立”和“不成立”的情况下都一样可能发生。**这是噪音，直接忽略。**\n*   如果 $BF \\gg 1$：说明这个证据在假设成立时极可能发生，不成立时极难发生。**这是强信号，必须大幅上调你的信心。**\n*   如果 $BF \\ll 1$：说明这是反向强信号，必须大幅下调信心。\n\n```\n 贝叶斯因子 (BF) 的决策尺：\n [ 趋近于 0 ] <---------- [ 1 ] ----------> [ 远大于 1 ]\n   反向强信号              无用噪音            正向强信号\n (立刻下调期望)          (不要做出反应)        (加大下注/推进)\n```\n\n#### 实操案例（商业合作）：\n一个潜在的合伙人对你热情洋溢，承诺未来带你赚大钱，甚至带你去了他昂贵的办公室（新证据 $E$）。你该信任他吗（假设 $H$）？\n*   **分析 $BF$**：\n    *   如果他是个真正的靠谱大佬（$H$），他会带你去看办公室吗？会（$P(E|H)$ 较高）。\n    *   如果他是个包装精美的骗子（$\\neg H$），他会带你去看办公室吗？更会！因为骗子最需要豪车和高端办公室来包装自己（$P(E|\\neg H)$ 极高）。\n    *   **结论**：$BF = \\frac{P(E|H)}{P(E|\\neg H)} \\le 1$。带你看办公室这个证据**无法区分他是大佬还是骗子**。这在学术上叫“低区分度证据”。你应当**完全忽略**这个证据，不进行任何信心上调。\n\n#### 获得收益：\n**极强的防骗和过滤噪音能力。** 现实生活中 95% 的公关、广告、甜言蜜语、包装，其贝叶斯因子都接近 1。学会不为 $BF \\approx 1$ 的噪音买单，能帮你省下无数的学费和时间。\n\n---\n\n### 三、 放弃“一步到位”，采用“小步快跑”的增量更新（Incremental Updating）\n\n非贝叶斯思维的人喜欢“全纳或全拒”（All-or-Nothing）。他们根据一次表现就断定一个人是好是坏，根据一天的股价就断定牛市或熊市。\n\n*   **贝叶斯解法**：**“观点要强烈，但要用弱线牵引”（Strong Beliefs, Weakly Held）**。\n    在没有精确数据时，你只需要做**方向性的微调**。\n\n#### 预测校准（Calibration）训练：\n参考超级预测手（Superforecasters）的训练方法，你可以使用“概率区间”和“动态微调”：\n\n1.  **初始定性定位**：对一个事件，先根据基础率给一个模糊的区间（例如：我觉得这个项目成功的概率大约在 $30\\% \\sim 50\\%$ 之间）。\n2.  **小步微调（Nudge）**：\n    *   出现一个利好证据（$BF > 1$），不要直接跳到 $90\\%$。而是将你的预估上限和下限上调 $5\\% \\sim 10\\%$（变为 $35\\% \\sim 60\\%$）。\n    *   出现一个利空证据，相应地下调 $5\\% \\sim 10\\%$。\n3.  **永远不要给出 $0\\%$ 或 $100\\%$ 的概率**：因为在贝叶斯公式中，一旦先验概率设定为 $0$ 或 $1$，无论后面出现什么震撼的证据，后验概率都永远是 $0$ 或 $1$（即数学上的“死脑筋”）。保持开放性，永远保留修正的余地。\n\n#### 获得收益：\n**在不确定性极高的环境中保持极佳的认知弹性。** \n在投资或管理中，你会比竞争对手更快地意识到行业风向变了。当别人还在为“我是不是看错了”而痛苦纠结、拒绝承认错误时，你已经在随着新证据的出现，悄悄且持续地调整你的投资组合了。\n\n---\n\n### 四、 商业与人生变现：贝叶斯决策流与“非对称下注”\n\n在生活和商业中，我们不需要为了计算而计算，我们计算概率的最终目的是**为了做出高期望值（Expected Value）的决策**。\n\n$$期望值 (EV) = (成功概率 \\times 成功收益) - (失败概率 \\times 失败成本)$$\n\n结合贝叶斯思维，现实生活中的终极应用是**“低成本探测”**。\n\n#### 步骤 1：寻找“非对称机会”（Asymmetric Bets）\n即：**失败了损失极小，成功了收益极大**的机会。\n例如：尝试写自媒体、链接一个行业大佬、开发一个微型 SaaS 工具、去一家创业公司面试。\n\n#### 步骤 2：用“贝叶斯探测器”低成本收集证据\n不要一上来就压上身家性命。先用最小可行性产品（MVP）或者极低的成本去“制造新证据 $E$”，然后更新你的先验概率。\n\n```mermaid\nflowchart TD\n    Start[\"设定先验概率 (参考基础率: 较低)\"] --> Step1[\"小成本试错 (收集新证据 E)\"]\n    Step1 --> Step2{\"分析贝叶斯因子 (BF)\"}\n    Step2 -- \"BF 极佳 (强信号)\" --> Step3[\"大幅上调成功概率，加大资源投入 (下注)\" ]\n    Step2 -- \"BF 糟糕 (弱信号/噪音)\" --> Step4[\"小额止损，或者微调方向后再次测试\"]\n    Step3 --> Start\n    Step4 --> Start\n```\n\n*   **错误案例**：你想写一本书。你闭门造车 2 年，写了 30 万字投给出版社，结果没人要。这是非贝叶斯决策——你没有提供中间更新先验概率的机会。\n*   **贝叶斯案例**：\n    1.  **初始先验**：我写一本书能大火的概率很低（基础率 $< 1\\%$）。\n    2.  **第一步探测**：先写一篇文章发在社交媒体上。如果阅读量寥寥（证据糟糕），说明先验概率进一步降低，不要写书了。\n    3.  **第二步探测**：如果这篇文章意外爆火，阅读量十万加，点赞极高（强证据 $E$，使得 $BF \\gg 1$）。\n    4.  **更新后验**：我写这本书能火的概率从 $1\\%$ 提升到了 $25\\%$。\n    5.  **加大投入**：开始写前三个章节，放到读者群里付费试读。如果转化率极高（新强证据），后验概率提升到 $60\\%$。\n    6.  **全面下注**：辞职，全力以赴完成这本书。\n\n---\n\n### 总结：现实生活中贝叶斯主义者的三大铁律\n\n| 铁律 | 对应贝叶斯要素 | 现实世界翻译 |\n| :--- | :--- | :--- |\n| **第一铁律** | **先验概率 $P(H)$** | **别自作多情。** 承认自己和大多数人一样平庸，先用大众基础率作为你的决策起点。 |\n| **第二铁律** | **似然度比值 $BF$** | **不为噪音买单。** 问自己：“如果对方在骗我/这个项目是个坑，这个现象是不是同样容易发生？” 如果是，忽略它。 |\n| **第三铁律** | **连续更新 $P(H\\|E)$** | **不要捍卫自己的面子。** 随时准备根据最新的事实，像修正软件版本一样，修正自己对世界的认知。 |\n\n现实生活中的贝叶斯，不是一道数学题，而是一种**“承认自己无知，但通过不断与世界碰撞、收集反馈，从而比所有人更快接近真相”**的进取型人生态度。你不需要精准的数字，你只需要在每一次决策时，比你的竞争对手更客观地评估基础率，更理性地过滤噪音，更快速地根据新情况调整航向，你就能在漫长的人生博弈中获得无法被剥夺的超额收益。","structured":null,"children":[{"id":"04679de0-9fea-4d10-ae25-c39394620a60","slug":"heuristics-04679de0","title":"Heuristics","type":"translate","url":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/heuristics-04679de0","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=heuristics-04679de0"}]},"breadcrumbs":[{"id":"25341357-d122-4c58-9df1-6034816857ef","slug":"twitter冷启动的10种贴文模板-25341357","title":"twitter冷启动的10种贴文模板","type":"page","url":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/twitter%E5%86%B7%E5%90%AF%E5%8A%A8%E7%9A%8410%E7%A7%8D%E8%B4%B4%E6%96%87%E6%A8%A1%E6%9D%BF-25341357","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=twitter%E5%86%B7%E5%90%AF%E5%8A%A8%E7%9A%8410%E7%A7%8D%E8%B4%B4%E6%96%87%E6%A8%A1%E6%9D%BF-25341357"},{"id":"b1cdef67-a901-47fe-9348-352375074e33","slug":"稳定互动-b1cdef67","title":"稳定互动","type":"page","url":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/%E7%A8%B3%E5%AE%9A%E4%BA%92%E5%8A%A8-b1cdef67","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=%E7%A8%B3%E5%AE%9A%E4%BA%92%E5%8A%A8-b1cdef67"},{"id":"bab26490-9fde-4a74-b637-9395019bbc07","slug":"回音室效应-bab26490","title":"回音室效应","type":"page","url":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/%E5%9B%9E%E9%9F%B3%E5%AE%A4%E6%95%88%E5%BA%94-bab26490","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=%E5%9B%9E%E9%9F%B3%E5%AE%A4%E6%95%88%E5%BA%94-bab26490"},{"id":"1e0bcab4-aa51-48a7-98c2-9038a3ff7b59","slug":"确认偏误-1e0bcab4","title":"确认偏误","type":"page","url":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/%E7%A1%AE%E8%AE%A4%E5%81%8F%E8%AF%AF-1e0bcab4","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=%E7%A1%AE%E8%AE%A4%E5%81%8F%E8%AF%AF-1e0bcab4"},{"id":"96f859ae-046a-4391-bfa7-43abbb01ebb2","slug":"贝叶斯公式-96f859ae","title":"贝叶斯公式","type":"concept","url":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F-96f859ae","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F-96f859ae"},{"id":"b3ac579b-b459-47f0-81a2-235408fa98d3","slug":"贝叶斯公式-b3ac579b","title":"贝叶斯公式","type":"page","url":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F-b3ac579b","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F-b3ac579b"}],"parent":{"id":"b3ac579b-b459-47f0-81a2-235408fa98d3","slug":"贝叶斯公式-b3ac579b","title":"贝叶斯公式","type":"page","url":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F-b3ac579b","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F-b3ac579b"},"children":[{"id":"04679de0-9fea-4d10-ae25-c39394620a60","slug":"heuristics-04679de0","title":"Heuristics","type":"translate","url":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/heuristics-04679de0","agentUrl":"https://drillso.com/es/share/sessions/TQVlNZIwAIVc/agent.json?node=heuristics-04679de0"}],"fullTree":null,"warnings":[],"truncated":false}