没有反馈的学习会越来越会解释；有反馈的学习才可能越来越接近真实。
人刚形成一个判断时，最愿意做的是继续找支持材料。每多一个赞同案例，结构更完整，信心也更强。
真正难受的是相反方向：主动寻找能推翻自己的事实，并允许它修改已经搭好的结构。
反馈为什么伤人
反馈否定的不只是一个答案，还会碰到自我评价。我们容易把“这个判断错了”听成“我不够聪明”，于是本能地辩护、解释例外、降低反面证据的权重。
这正是反馈有价值的原因。它让认知不再只服从内部一致性，而必须接受外部世界的否决。
舒服的学习如何变成封闭系统
只读同意自己的文章，只让AI补充支持论据，只复盘成功案例，系统会越来越顺。每个新事实都能被旧框架解释，但框架本身永远不受检验。
自洽不是错误，可如果任何结果都能解释，框架也就失去了区分真假和指导行动的能力。
真正成熟的知识，不只能够被调用，还必须能够被现实改回去。
什么反馈值得进入结构
不是所有反对意见都有同样价值。情绪、单次结果和偶然波动可能只是噪音。好的做法是提前写证伪条件：出现什么可观察事实，我会降低信心、修改哪一部分？
选一个最相信的判断，写三条具体条件。不要写“别人不同意”，要写可观察事实、时间范围，以及出现后你准备怎么改。
反馈让人难受，是因为它拿走确定感；反馈最值钱，是因为它防止确定感与现实脱节。
本文讨论用高质量反馈校正判断，不主张迎合所有质疑。反馈应评估证据质量、因果关系与噪音；单次结果不能自动证明原判断错误。