第三章 · 评价不是「我觉得」

上一章结尾说了：评价不是一句话，是一个结构。这一章把这个结构拆开。拆完你会发现，「评价」这个动作内部其实有两道工序，它们用的肌肉不一样，练法也不一样——很多人评价能力弱，其实是卡在其中一道上，却一直在练另一道。

先立个定义，不然全书没法谈

本书给「评价」下一个可操作的定义：

评价 = 拿一把明确的标准，去对照一份可查的证据，得出一个可以辩护的结论。

三个部件，缺一不可。标准回答「用什么量」；证据回答「量的对象是什么、量出来的结果是什么」；可辩护回答「别人不服时，你能不能把这个判断的来路摆出来给他检验」。

对照这个定义看日常语言，会发现我们嘴里大量「评价」其实不合格：

• 「这个设计挺高级的。」——没有标准。什么叫高级？对谁而言高级？
• 「我觉得这篇写得不好。」——没有证据。哪一段、哪一句、为什么？
• 「反正就是不行，你不懂。」——拒绝辩护。判断的来路被封死了。

这些话不是评价，是意见——一种不需要依据、也不接受检验的个人反应。意见没有错，人人都有意见；但意见不解决问题。当老板说「四份方案你挑一个」，他要的不是你的意见，是你的评价：能摆出来给全组人检验、最后能为之负责的那个判断。

评价的两道工序：检查与评判

2001 年修订布鲁姆分类学的那批学者（安德森、克拉斯沃尔等）做了一件很细的事：他们把「评价」这一级又拆成了两个子动作。

第一个叫检查（checking）：发现一件东西内部的矛盾和错误。它问的是「这东西自己跟自己打架吗？它说的事实是真的吗？它的逻辑链条断没断？」

第二个叫评判（critiquing）：拿一件东西去对照外部的标准，判断它好不好、合不合用。它问的是「按这个目的、这个标准、这个受众，它够格吗？」

用体检打比方最清楚。检查是看化验单本身有没有问题：数值自相矛盾吗？样本是不是拿错了？评判是拿着化验单对照健康标准：这个血压对这个年龄的人来说危险吗？需不需要干预？

再用工作场景过一遍。同事交来一份市场分析：

• 检查：里面的数据是真的吗？引用来源存在吗？第三章的结论和第一章的数据一致吗？「增长 300%」是从哪个基数算的？
• 评判：就算数据全对，这份分析回答了我们真正的问题吗？对我们这个阶段的决策有用吗？深度配得上它要支撑的那个决定吗？

看出来了吗？这两道工序的失败方式完全不同。检查不过关的东西是「错的」，评判不过关的东西是「不对题的」。一份报告可以数据全真、逻辑全顺（检查满分），却答非所问、没法用（评判零分）；反过来，一份洞察极准的报告里可能埋着一个致命的错误数据。高手两道关都过，而且清楚地知道自己此刻在做哪一道。

为什么这个拆分在 AI 时代特别要命

因为 AI 的输出有一个非常独特的失败模式：它极擅长通过「评判」的第一印象，又极擅长埋「检查」才能发现的雷。

AI 生成的东西，往往结构漂亮、措辞专业、看起来很切题——在评判这道工序的初筛里容易拿高分。但同一篇输出里，可能有一个不存在的引用、一个编造的数字、一处前后矛盾的论述——这些只有耐着性子做检查才抓得到。人类作者写错东西时往往「看起来也有点勉强」，错误和水平大体匹配；AI 不一样，它的语言质量和事实质量是脱钩的。文笔的可信度不再能代理内容的可信度。

这意味着面对 AI 输出，老编辑的直觉（「读着顺，应该没问题」）会系统性地失灵。你必须把「检查」从后台直觉升级成一道独立的、刻意的、有流程的工序。第五章会专门讲检查的功夫怎么练。

还有一个隐藏前提：你得先知道「这是要拿来干嘛的」

评判工序里藏着一个经常被跳过的步骤：明确目的。同一份方案，用来「探索方向」还是「明天上线」，评价标准天差地别。同一段代码，原型阶段「能跑就行」是优点，生产环境「能跑就行」是事故。

很多评价争执的根源，是两个人在用不同的目的量同一件东西，却以为在争同一个问题。一个说「这方案太糙」，另一个说「这是用来试水的，糙是对的」——其实他们都对，只是目的没对齐。所以成熟的评价者在开口前会先问一句：这东西是拿来干嘛的？把这个答案写下来，后面的评判才有靶子。

本章小结

评价 = 标准 × 证据 × 可辩护，三者缺一就是意见。评价内部有两道工序：检查（对内部，找错）和评判（对外部，定好坏），失败模式完全不同。AI 输出的麻烦在于文笔质量与事实质量脱钩，让检查从直觉变成了必须刻意执行的工序。而一切评判的前提是先把目的说清楚。接下来两章，一章攻标准，一章攻证据。