我们很容易被一种方案吸引：
数字最好看，路径最清晰，理论收益最高。
选工作，希望工资最高、增长最快；
做项目，希望成本最低、效率最高；
学习，希望找到进步最快的方法；
做长期规划，也喜欢算出一条最节省时间、最少绕路的路径。
如果几个方案摆在一起，那个“理论上收益最大”的选项，看起来天然更高级。
可现实中经常出现另一种结果：
纸面上最优的方案，真正执行起来反而最容易失败。
不是因为计算一定错了。
而是很多“最优”，都偷偷依赖了一组没有写出来的条件：
你不能生病，计划不能中断，判断不能错，环境不能大变，关键资源必须按时出现，人也要长期维持预期中的状态。
只要这些条件全部成立，方案当然漂亮。
麻烦在于，人生从来不是在这些条件全部成立时运行的。
一个方案真正的质量，不只取决于一切顺利时它能做到多好，还取决于事情没有按预期发展时，它会变得多差。
“最优”其实永远带着前提
假设有两个工作机会。
A的收入明显更高，晋升路径也更快，但工作强度很大，技能高度依赖这家公司内部体系，而且你必须长期保持高产出才能拿到主要奖金。
B的收入低一些，成长速度看起来也没那么惊人，但工作节奏更稳定，积累的能力能迁移到其他企业，还能留下时间继续学习。
如果只比较明年的收入，A可能毫无疑问是更优解。
可时间拉长以后，问题会变复杂。
如果身体状态下降呢？
如果行业景气度变化呢？
如果公司调整奖金制度呢？
如果三年后你想换赛道呢？
原来的“最优”，其实建立在一系列假设上。
假设越多，方案对现实的要求越高。
这并不说明应该选择B，更不意味着高收益方案都是错误的。
关键在于：我们通常只计算方案成立时的收益，却很少计算假设失效以后会发生什么。
控制系统设计里，一个方案不能只在理想模型中表现优秀。
现实输入存在噪声，参数会漂移，外部环境也可能改变。
如果条件稍微偏离，系统性能就大幅恶化，那么它即使在理论模型里非常优秀，也未必是现实中的好方案。
人生决策同样如此。
最优解最容易忽视的，是“模型可能错”
我们做决定时，都在使用某种关于未来的模型。
换工作，因为判断这个行业还会增长。
创业，因为判断需求存在。
投资，因为判断未来收益高于风险。
学习某项技能，因为判断几年以后仍有价值。
问题不是我们使用模型。
没有任何判断模型，人根本无法行动。
真正需要接受的是：
模型必然不完整。
你永远只能掌握一部分信息。
有些变量根本没进入计算。
有些变量知道，却无法准确估计。
还有一些变化，在做决定时甚至还不存在。
所以人生规划里一个经常被忽略的问题是：
如果我的判断只有七成对，这个方案还能不能运行？
比如一项商业计划只有在销售额达到预期的90%以上才能维持现金流，那么预测稍微乐观一点，整个计划就可能陷入困难。
另一项方案预期利润低一些，但即使销售只有预测的60%，仍然可以缩减成本继续经营。
单看预测值，前者更优。
把预测误差加入以后，后者可能更值得选择。
这就是“鲁棒解”的意义。
它未必在某一个确定场景里做到最好，却能在一组不同场景中都保持可接受的结果。
人生还有一个变量经常被忘掉：你自己也会偏离计划
很多完美方案有一个隐藏假设：
未来的你会准确执行今天的计划。
可人并不是机器。
精力会波动。
情绪会变化。
兴趣可能转移。
家庭责任可能增加。
某些阶段你可以长期投入每天三小时，另一些阶段连一小时都很难稳定获得。
所以真正可执行的系统，不能建立在“我以后一定非常自律”的假设上。
比如一个学习计划理论上只要每天完成三小时，坚持两年就能取得巨大进步。
听起来很好。
但如果现实中只能有一半的日子完成，剩下的日子因为工作、身体和临时事务不断中断，那么这套方案的理论收益几乎没有意义。
反过来，一个每天只要求四十分钟、繁忙时期还能降到二十分钟、错过一天以后第二天直接恢复的系统，看起来增长慢，却可能真正运行五年。
长期结果有时恰恰来自这种“没有那么完美”的设计。
因为现实中决定结果的，不只是理论效率。
还有执行概率。
收益很高但很难持续的方案，和收益稍低但长期高概率执行的方案，不能只比较纸面收益率。
一个好方案，应该允许三个东西发生
面对重要决策，可以增加一个很简单的检查。
不要只问：
这个方案成功以后，我能得到什么？
再问三个问题：
如果我判断错了一部分，它还能不能运行？
如果环境变了，它能不能调整？
如果我执行不到100%，结果会不会直接崩掉？
这三个问题分别检查三种现实中无法彻底消除的误差。
判断误差。
环境误差。
执行误差。
如果一个方案要求这三件事都不能发生，它就算再漂亮，也是一种高度脆弱的方案。
比如一个人做职业转换，把全部积蓄耗完，同时辞掉原工作，押注一个自己尚未验证的新方向。
如果成功，回报可能很高。
但这个方案要求几个条件同时成立：
新方向判断正确；
学习速度符合预期；
收入在资金耗尽前出现；
个人状态能够持续投入。
只要其中一个环节出现明显偏差，后面的选择会迅速减少。
另一种方案可能慢很多：
保留基本现金流，用一段时间验证需求，再决定是否全面切换。
它牺牲了一部分速度，却购买了修改判断的机会。
真正有价值的，正是这种“还能改”。
鲁棒不是保守，而是让错误变得可修正
这里很容易把鲁棒性理解成谨小慎微。
什么都不冒险。
什么都留后路。
永远选择收益较低的方案。
这同样是误解。
有些目标本来就值得承担较高风险。
真正的区别在于：
风险发生以后，你是否仍然有下一步。
一个激进方案，只要失败成本有限、反馈足够快、能够重新开始，它完全可以是鲁棒的。
相反，一个看起来很稳妥的决定，如果一旦判断错误就需要付出十年才能修正，也可能非常脆弱。
所以评价一个方案，不妨观察两个东西：
错误代价有多大，修正能力有多强。
能够快速试错、获得反馈、控制损失，然后重新调整的系统，即使经常犯小错，也可能长期非常稳定。
最危险的反而是那些平时看起来极其优秀，但不能犯一次大错的结构。
因为人生很长。
时间一长，“永远不犯错”几乎不是一个现实假设。
最优解追求一个未来，鲁棒解准备面对多个未来
所谓纸面最优，通常隐含着一个确定未来。
收入会这样增长。
市场会这样变化。
身体会保持这个状态。
需求会按照这个速度增加。
计划会以这个节奏执行。
如果未来真的如此，它当然可能是最好的选择。
可现实世界更像是一组可能的未来。
有些比预期好。
有些比预期差。
有些完全没有想到。
因此，人生设计真正困难的地方，并不是找出某个未来里收益最高的路径。
而是构建一种结构：
未来无论向哪个方向偏一点，自己都还有能力继续行动。
收入下降，可以收缩。
行业变化，可以迁移。
计划中断，可以恢复。
判断错误，可以止损。
机会出现，也有能力增加投入。
这种系统也许很少看起来“极致”。
它保留现金、时间、技能和修改空间，甚至故意放弃一部分理论效率。
但这些看起来不够完美的地方，恰恰让它能够穿过现实中的误差。
人生最终也很少按照最初的模型精确展开。
所以真正值得追求的，并不是一条只有在自己永远正确时才成立的完美路径，而是一条即使自己判断错过、状态差过、环境变过，仍然能够不断修正并继续向前的路径。
人生真正需要的，不是条件全部成立时最完美的解，而是条件不断变化以后，依然不会轻易失效的解。
https://mp.weixin.qq.com/s/yy9G1rIQsy3xL-DZQ5cBzg