查理·芒格曾提出过“普世智慧”的概念，主张通过构建一个“思维模型格栅”来理解世界。以下是值得每个人了解，各学科中对我们最有启发、能显著提升认知水平的效应与原理：

心理学与认知科学

自证预言（Self-fulfilling Prophecy）

又称 自我实现预言，人们对某个情境的预期或信念，会无意识地影响他们的行为，最终导致预期结果成真。简单来说，你相信什么，就可能让这件事真的发生，即使最初这个信念可能并不准确。

皮格马利翁效应（Pygmalion Effect）或 罗森塔尔效应（Rosenthal Effect）

赞美、信任和期待具有一种能量，能够改变人的行为，最终使预言成真。强调他人（如老师、父母、上司）的期望对受众（学生、子女、下属）产生的积极推动作用。

达克效应 (D-K Effect)

能力欠缺的人往往会产生一种虚假的优越感，错误地认为自己比真实情况更聪明。

请保持谦逊，警惕“无知产出的自信”。

幸存者偏差 (Survivorship Bias)

我们往往只看到经过某种筛选过程而留存下来的结果（如成功的创业者），却忽略了那些失败的大多数。

认知失调 (Cognitive Dissonance)

当人的行为与自我观点产生矛盾时，会感到不适并倾向于为行为寻找借口。理解它能帮你减少自我欺骗。

哲学与逻辑学

第一性原理（First Principles Thinking）

回归事物的本源，从最基础的真理出发，而不是通过“类比”来思考。

相较于比较思维（analogy）参考别人或过去是怎么做的，第一性原理更强调底层逻辑、基本的物理定律。

幸存者谬误 (The Gambler's Fallacy)

错误地认为随机事件发生的频率在短期内会互相补偿。比如赌徒认为“已经开了十把大，下一把必定是小”。

社会学与系统思维

马太效应 (Matthew Effect)

强者愈强，弱者愈弱。在资源分配、名声累积中，初始优势会被不断放大。

帕累托法则 (二八定律，80/20法则，Pareto Principle)

系统中约 80% 的结果往往源于 20% 的原因。提示将精力聚焦在关键少数上。

破窗效应 (Broken Windows Theory)

一个坏榜样如果没有被及时纠正，会诱发更多人效仿。强调环境维护和早期干预的重要性。

墨菲定律（Murphy's Law）

凡是可能出错的事，必定会出错。（Anything that can go wrong will go wrong.）

你排的队伍永远是动得最慢的，掉落的面包总是涂有黄油那一面着地，平时好好的电脑在演示时蓝屏……

墨菲定律不是为了让你害怕失败，而是让你通过承认可能失败，从而做得更严密。

经济学与金融学

机会成本 (Opportunity Cost)

为了得到某种东西而放弃的另一种东西的最大价值。决策的核心不仅要看得到了什么，更要看放弃了什么。

沉默成本（Sunk Cost）

指已经发生且无法收回的投入（如金钱、时间、精力等）。理性的决策应该只看未来，不看过去，沉默成本不应该参与决策。

如果心疼已经付出的成本，而选择继续投入，就会陷入沉没成本谬误。

复利效应 (Compound Interest)

只要方向正确且时间足够长，微小的增长也会带来爆炸性的结果。爱因斯坦称之为“世界第八大奇迹”。

边际效用递减 (Diminishing Marginal Utility)

随着消费某种物品的数量增加，每一单位新增消费带来的满足感会下降。它解释了为什么“第一口蛋糕最甜”。

物理学与自然科学

蝴蝶效应（Butterfly Effect）

在一个复杂动态系统中，初始条件微小的、看似不相关的变化，经过不断放大，可能引发系统长期且巨大的连锁反应，导致结果出现巨大差异。

熵增定律（热力学第二定律，second law of thermodynamics）

在一个孤立系统中，总的混乱度（熵）会自发地增加或保持不变，永远不会减少，系统总是趋向于从有序走向无序，并最终达到热寂状态。

均值回归（Regression to the Mean）

极端的变化之后往往跟着平庸的表现。如果一个孩子考了满分，下次大概率会退步。说明事物是会波动的。

海森堡不确定性原理（Uncertainty principle）

这是量子力学的核心概念。在微观世界，你无法同时知道粒子的位置和速度。

计算机科学

摩尔定律（Moore's Law）

在相同成本下，集成电路上的晶体管数量大约每18至24个月会翻一倍，这意味着芯片性能随之翻倍，而成本相应下降。这不是自然科学定律，而是一个指导行业进步的预测。

缩放定律（scaling law）

也称规模定律，是机器学习（尤其是深度学习）中观察到的一种经验规律。描述了模型性能（如准确率、生成质量等）与模型规模（参数量）、训练数据量和计算资源（如算力）之间的数学关系。简单来说，它回答了一个关键问题：当模型、数据和算力按比例增大时，性能会如何变化？总体上，性能会随着这些参数的增加而稳定、可预测地提升，甚至效率更高，但边际收益递减。

图灵完备 (Turing Completeness)

如果一个系统或语言是“图灵完备”的，那么它在理论上能够执行任何可计算的任务。

这说明只要逻辑足够，简单的规则可以模拟极其复杂的系统。