前八章把评价能力拆完了：标准、证据、见识、表达、校准。零件齐了，这一章回答最后一个问题：这些功夫怎么长在身上？答案和所有技能一样——练。但评价能力有个特殊困难：它不像弹琴有琴键可摸，它的练习机会散落在日常里，不刻意设计就不会发生。这一章给四个具体的训练装置。
装置一：评价日志——把判断变成可复盘的资产
所有训练装置的地基是同一个：把判断写下来。前面几章的理由已经很充分（第七章的三行法、第八章的校准统计），这里把它固化成一个动作：建一个「评价日志」，每次你正式评价了什么——一份方案、一个候选人、一篇文章、一个 AI 输出——花三分钟记五行字：
- 评价对象是什么
- 我的结论（含置信度，比如「70% 这版能过」）
- 我用的标准
- 关键证据（具体位置）
- 当时的背景与目的
日志的价值不在记，在三个月后翻回来对答案。判断这件事最大的训练障碍是反馈慢且模糊——你评了一个方案，半年后才知道它落地效果如何，到那时你早忘了当初怎么想的。日志把「模糊的事后感觉」变成「可逐条核对的事前记录」。没有它，你的判断力每年都在凭感觉增长；有了它，每一次判断都在给校准数据库添一行数据。
装置二：对照练习——借别人的眼睛校准自己的
这是成本最低、见效最快的装置：先独立评价，再看行家怎么评，比对差异。
操作很具体。看一部电影、读一篇文章、用一个新产品之后，先花五分钟写下你自己的评价（三行法）——然后才去看专业影评、书评、测评。比对你和他们的差异：他们注意到的哪些点你完全没注意到？你们注意到同一个点，为什么结论相反？
这个装置厉害在它同时训练两样东西：样本库（行家指出的维度扩充你的坐标系）和标准（你会发现自己尺子上的漏洞——比如你从没把「节奏」当成一个维度，而所有专业影评都在谈它）。注意顺序必须是先写再看：先看了别人的，你的「独立评价」就被污染了，练的就不是判断力而是复述能力。
AI 时代这个装置有了强化版：同一件事，先自己评，再让 AI 评，再看行家评。三方对照。你会发现 AI 的评价往往面面俱到、四平八稳（它的分布是「平均水准」），行家的评价往往只打七寸——这个对比本身就是一堂关于「什么是真判断」的课。
装置三：事前验尸——给未来的失败做评价
这是决策圈的经典工具事前验尸（premortem）：在一个计划启动之前，假设「一年后它失败了」，让每个人写下「它是因为什么死的」。它本质是评价能力的倒挂使用：评价一个还没发生的结果。
事前验尸为什么能练评价？因为它强制你调用标准里最容易被忽略的那类——风险维度。平时评价一个东西，我们习惯量「它好不好」；事前验尸量的是「它会在哪死」。后者需要的标准完全不同：不是「优点清单」而是「失败模式清单」。而失败模式清单，恰恰是被坑出来的——所以每次做完事前验尸、等结果揭晓后，把「真正杀死它的原因」和「当初列的死因」对照，你的风险维度尺子就在一轮轮升级。
它还有一个副产品：一个团队做事前验尸时，你会看到每个人默认的评价标准完全不同——有人只看市场，有人只看技术，有人只看人。这是观察「别人尺子」最便宜的现场。
装置四：主动找反例——给自己的判断做压力测试
人有一种顽固的倾向：形成一个判断之后，不自觉地只找支持它的证据（这叫确认偏误）。评价能力的反面教材几乎都是这么写成的：先有了结论，再收集论据，最后把「我觉得」包装成「事实证明」。
对抗它的装置只有一个动作：每下一个稍微重要的判断，强制自己找一个最强反例。你说「这个候选人不行」，就必须认真回答「支持他行的最强证据是什么」；你说「AI 写的这版能用」，就必须回答「哪一处最可能埋着雷」。不是走过场地想，是真的去找——找不到反例的判断，要么说明你对，要么说明你看得不够，而你要分清是哪种。
这个装置还有一层用处：它把第七章的「可辩护」练到实处。一个认真找过反例的判断，天然带着对自身边界的认识——「我认为它能用，风险集中在数据真实性，我已核查过其中三个」。这种判断别人拿去就能用，因为它连自己的误差条都附上了。
把四个装置串成日常
四个装置合起来是一条回路：日志负责记录，对照负责校准，验尸负责风险维度，反例负责压力测试。它们共同的底层逻辑是：评价能力不是「想清楚」练出来的，是「判断—记录—开奖—复盘」这个循环一圈圈转出来的。循环转得越快、记录越诚实，长进越快。
起步时别贪。最小可行版本是：从今天起，评价日志 + 每周一次对照练习。跑一个月，你会第一次看见自己判断力的形状——它擅长什么、系统性漏什么。那个「看见」本身，就是前面八章所有概念落地的时刻。
本章小结
评价靠「判断—记录—开奖—复盘」的循环生长。四个装置：评价日志（五行记录，事后对答案）、对照练习（先自己评再看行家评，顺序不能反）、事前验尸（练风险维度）、主动找反例（对抗确认偏误）。从最小版本起步。最后一章回到本书的起点：这套功夫练成之后，人和 AI 怎么分工？