TL;DR
满意即可:提前定义最低可接受结果。选择第一个满足它的选项,然后停止搜索。优化很少值得其成本;快速做出的好决策通常比缓慢做出的最优决策更好。
赫伯特·西蒙,1978年诺贝尔经济学奖得主,在1956年的论文中引入了满意即可的概念,作为其有限理性理论的一部分。经典经济学假设决策者拥有无限信息、无限认知能力和无限时间——因此总是会进行优化。西蒙观察到,现实的决策者没有这些。他们面临不确定性、认知限制和时间约束。在这些约束下,优化通常不可能且总是成本高昂。
他的替代方案:满意即可。不是定义最佳可能结果并搜索直到找到它,而是定义一个"够好"的阈值,接受第一个满足它的替代方案。阈值应设置得足够高以确保真正好的结果,但不要高到实际上仍在优化。
核心洞察:继续搜索的成本——时间、认知努力、决策疲劳、延迟导致的错失机会——通常高于找到边际更好选项的预期价值。对于大多数决策,"好"和"最优"之间的差异很小;"快"和"慢"之间的差异很大。
满意即可与妥协不同。妥协意味着接受糟糕的结果。满意即可意味着设定严格的标准,接受第一个真正满足它的选项。纪律在于正确设定阈值——高到有意义,但不高到需要无限搜索。
步骤1:在搜索前定义可接受阈值
"我需要一个软件供应商:(1) 能处理我们的数据量,
(2) 有SOC 2认证,(3) 月费低于5千美元,
(4) 有类似公司客户的推荐信,
(5) 能在90天内部署。"
这是阈值。不要在搜索过程中
因为你喜欢某个候选者而调整它。
步骤2:搜索替代方案
逐个评估每个选项是否满足阈值。
这是顺序搜索,不是同时比较。
步骤3:接受第一个满足阈值的替代方案
停止搜索。不要继续寻找更好的。
继续搜索的机会成本是真实的。
步骤4:如果没有替代方案满足阈值...
降低阈值(如果某个要求限制过多且不如其他重要)。
或者:接受当前不存在好选项。
不要:降低阈值来接受已经遇到的不满足要求的选项。
一位软件工程师正在求职。她确定了自己的阈值:有趣技术问题的公司、总薪酬超过16万美元、强大工程文化、提供领导机会的角色。她正在六家公司面试。
满意即可方法:当她收到来自C公司的17.5万美元offer,具有强大工程文化、有趣问题和领导角色时,她接受——即使D公司和F公司的流程仍在进行中。
为什么?继续搜索的成本(市
[Response interrupted by a tool use result. Only one tool may be used at a time and should be placed at the end of the message.]
心智模型是"知道",练成肌肉记忆才是"会"。去 AI 陪练用这个场景过一遍,或在训练营里找对应实战课。
🤖 AI 陪练 🗓️ 30 天训练营 🎨 生成海报