前面几章都在磨「判断」这台仪器的零件：标准、证据、见识、表达。这一章处理一个更扎心的问题：仪器本身有系统误差。人不是一台中立的判断机器——我们会在某些领域系统性地高估自己，在某些时刻系统性地跑偏。知道仪器什么时候不准，和仪器本身好不好，是两种独立的能力。前者叫元认知，它是评价能力的最后一道保险。
最危险的状态：不知道自己不知道
心理学里有个著名现象叫达克效应（Dunning-Kruger effect）：能力越不足的人，越容易高估自己的能力——因为「判断自己水平」所需要的能力，恰恰就是「做这件事」所需要的能力。一个不懂品酒的人，连「自己不懂品酒」都判断不出来。
放回本书的框架里，达克效应有一个特别锋利的版本：评价能力是领域特异的，但自信不是。你在代码领域的判断练得很准，这份「我很会判断」的自信会不知不觉漫到产品、设计、投资、育儿——而你的样本库、你的尺子、你的核查清单，全都只长在代码那一块地上。第六章说过，品味是喂出来的，喂在 A 领域的饲料长不出 B 领域的肌肉。但自信是流体，它会溢出容器。
这就是为什么很多聪明人会在陌生领域做出惊人的烂判断，而且做得理直气壮。他们的问题不是判断力的引擎坏了，是仪表坏了——显示「油量充足」的那个表，不看你在哪个领域。
大白话：判断力是分科目的，自信不分。你在数学考场上练出的底气，会跟着你走进语文考场——尽管它在那儿一文不值。
校准：给判断装一个误差条
解决之道不是「谦虚一点」这种态度说教，而是一个技术动作：校准（calibration）——让你「觉得自己有多确定」和「你实际上有多准」对上号。一个校准良好的人，说「我九成把握」的事，长期来看真的九成是对的；说「五五分」的事，真的对错各半。校准差的人，说「九成把握」的事，实际可能只对六成——多出来的三成自信，就是他做决策时看不见的坏账。
校准是可以练的，而且练法意外地具体：
练法一：给判断标数字，然后等开奖。凡是你做的可验证的判断（这个项目会延期吗？这篇稿子会爆吗？），在判断时写下你的置信度：「我认为 70% 会延期」。攒上几十条，等结果出来后统计：我说 70% 的事，实际发生了多少？多数人第一次做这个统计都会发现自己的自信系统性偏高——这个发现本身值回票价。
练法二：区分「我的领域」和「我旁观的领域」。拿一张纸画两个圈，一个圈里是你有真实样本库、真实反馈记录的领域，另一个是「我看得多但从没负过责」的领域。在第二个圈里做判断时，强制自己把置信度下调一档，并把结论写成假设而不是断言。这个圈画得诚不诚实，决定了你犯大错的概率。
练法三：主动寻找「我居然错了」的时刻。校准差的人不是没有错过，是错完就忘——大脑天然倾向于记住自己判断对了的时刻。对抗它只能靠记录：判断写下来（第七章的三行法正好派上用场），定期复盘。复盘时最值得停留的不是「我对了哪些」，而是「我错了的那些，错在哪个部件上」——标准拿错了？证据看漏了？还是领域根本不在我的圈里？
知道何时该说「我评不了」
元认知练到最后，最高级的产出不是更准的判断，而是一句以前说不出口的话：「这个我评不了。」
在评价文化里，说「我评不了」被当成露怯。但拆开看，它是评价能力成熟的三重标志：它说明你知道自己的分布在哪个领域才有效（样本库自觉）；它说明你知道一个判断需要哪些前提（结构自觉）；它说明你把「判断的质量」看得比「我的面子」重（责任自觉）。一个肯说「这部分超出我的判断范围，我们找个真懂的人」的评审者，比一个什么都敢评的评审者值钱得多——因为前者的「这个行」才是真金白银。
AI 时代这给了一个特别的对照。AI 从不说「我评不了」——它对任何问题都给出同等自信的回答（第五章讲过，它的自信不携带信息）。这恰好反衬出人的元认知是多么稀缺的互补：机器负责永远有答案，人负责知道答案什么时候不算数。
本章小结
判断力领域特异，自信却会溢出——达克效应让仪器在最陌生的领域显示满格。对策是校准：给判断标数字等开奖、画清「我的领域」的圈、主动复盘错判。最高级的元认知产出是「我评不了」——它恰恰是一个评审者可信度的来源。仪器磨好、误差条装好，下一章给一套把它们全部串起来的日常训练方案。