《万万没想到：用理工科思维理解世界》——万维钢
一句话说破：这本书不是教你某个知识点，是逼你换一副”用概率和证据说话”的脑子——把你从小被常识、故事、直觉牵着走的思考习惯，换成可验证、可证伪的科学思维。
万维钢（笔名同人于野）是科学作家，这本书是他早年的科普文集，把一堆心理学、统计学、物理学的硬结论，翻译成普通人能用的思维工具。它的价值不在”又知道了多少知识”，而在于养成一种反直觉的思考习惯。
它真正在讲什么
1. 相关 ≠ 因果 这是全书的地基。两个现象一起出现，可能是 A 导致 B，也可能是 B 导致 A，或者 C 同时导致两者。“冰淇淋和溺水一起涨”不是因为冰淇淋害人，是因为夏天。书里反复提醒：看到一个相关，先别急着编因果故事。
2. 回归均值（Regression to the Mean） 极端的表现往往会”自然回落”到平均水平。一个员工某周表现奇差，你狠狠骂了一顿，下周他变好了——你以为是你骂得好，其实大概率只是回归均值，换只猫骂也行。同理，“病得最重时吃了药，好了”不等于”药管用”。这条能救你免于无数错误归因。
3. 幸存者偏差（Survivorship Bias） 你只看见飞回来的飞机弹孔少的地方（因为中弹多的都坠了），就拿”弹孔少的地方”当弱点——大错。书里用二战军方加固飞机的故事说明：你看到的样本，本身就是被筛选过的，失败者的声音你根本听不到。所以”成功的创业者都辍学”是胡说，你没看到辍学后默默无闻的那群。
4. 小样本不可信，大数定律才稳 抛 3 次硬币连出 3 个正面，不代表硬币有问题；但抛 3000 次，比例一定逼近一半。很多人被几个 anecdote 带节奏，就是因为忘了”样本太小啥都可能发生”。
5. 把”理工科思维”当习惯 核心不是记住结论，而是遇到任何说法先问：有数据吗？样本多大？是相关还是因果？能证伪吗？能重复吗？这套问题比任何具体知识都保值。
它的边界（别盲信的地方）
- 它是二手科普，且成书较早。 书里引用的不少研究是 10 年前的，而心理学正经历”复制危机”——很多经典实验后来复现失败。所以别把书里的每个具体结论当铁律，要信的是它提倡的思考方法。
- 科学思维不是万能解。 感情、审美、价值判断，不该全用”证伪/统计”去框。书偏理性至上，对生活里非理性但重要的部分着墨少。
- 知道偏差 ≠ 能免疫。 你读完还是会犯锚定、还是会追涨杀跌。知道和做到之间，差的是反复练习。
对你（写代码、读技术文的人）怎么用
这本书简直是工程师的”防忽悠必修课”：
- 读”X 比 Y 快 3 倍”类 benchmark 时，先查样本和方法。 是特定 workload 吗？跑了几遍？有没有把缓存热身的差异算进去？大多数”震惊”结论，经不起”样本多大、控制变量了吗”这一问。
- 别被 anecdote 带节奏。 “我朋友用框架 X 一天就上线了”——这是幸存者偏差的样本。要问：多少人用 X 踩了坑没声张？对你当前团队，失败成本有多高？
- 警惕”回归均值”式归因。 你改了个配置，性能”变好了”，先想：是不是之前正好处于异常峰值、现在自然回落？做 A/B 和对照，别急着给自己的改动记功。
- 用”可证伪”筛技术观点。 一个架构主张如果怎么都对（“微服务就是好”），它就不是科学判断，是信仰。好观点要能说出”什么情况下它会错”。
- 小样本别下结论。 一次发布没出问题 ≠ 系统稳了；多收集、用数据说话，而不是凭几次体感拍板。
一句话带走：世界比你直觉以为的更随机、更讲概率。先问”证据硬不硬”，再决定信不信。