批判性思维与信息甄别
一、区分事实、推论与观点
同样一句话，可能是事实（可验证、可重复观测，如「该 API 在压测下 P99 为 200ms」）、推论（基于事实的逻辑推导，如「所以在高并发下可能成为瓶颈」）、或观点（偏好、价值判断，如「我们应当优先优化它」）。事实可被检验，推论可被审视前提与逻辑，观点则需显式标出「这是判断」而非伪装成事实。阅读与讨论时先问：这是事实、推论还是观点？避免把观点当事实、或用情绪代替证据。
二、来源可信度与证据强度
不是所有信息等价。来源可信度：一手资料（官方文档、论文、可复现实验）高于二手解读与汇总；有利益关联的（厂商软文、带货文）需打折扣。证据强度：可复现的实测、对照实验强于单点案例与轶事；「很多人说」弱于「在 X 条件下测得 Y」。选型与方案讨论时，优先引用高可信度来源与强证据；对弱证据保持「可参考但不作为唯一依据」的态度。
一手资料：官方文档、论文、可复现实验；实测、对照、可验证数据。
- 优先作为决策依据
二手解读、实践者总结、单点案例；需交叉验证与看前提条件。
- 可参考，不单独作为依据
厂商软文、营销话术、「很多人说」；利益相关、无数据支撑。
- 警惕，需独立验证
三、技术 hype 与长期价值的辨别
Hype（炒作）往往表现为：绝对化表述（「革命」「必选」「碾压」）、缺乏边界与前提、只讲好处不讲代价与适用场景、情绪化与身份绑定（「不用就落伍」）。长期价值则通常：有清晰问题域与边界、承认取舍与限制、有可验证的收益与成本、经得起时间与多场景检验。辨别时多问：在什么条件下成立？代价是什么？谁在说、利益是否相关？有没有反面案例与失败故事？
绝对化、无边界、只讲好处、情绪化；「革命」「必选」「不用就落伍」。
- 多问：在什么条件下成立？代价是什么？
清晰问题域与边界、承认取舍、可验证收益与成本、经得起多场景检验。
- 多看：反面案例、失败故事、前提条件
四、在选型与方案中避免被营销与从众带偏
选型时容易「别人用我们也用」「大厂在用所以靠谱」。要回到自己的上下文：团队能力、业务阶段、约束条件；同一技术在不同上下文下结论可能相反。避免被营销带偏：区分「宣传话术」与「可验证信息」；主动找反面资料（不适用场景、迁移成本、失败案例）。避免单纯从众：「很多人用」是参考不是理由；决策依据应是问题匹配度、证据与约束，而不是人气。
选型与方案中的自检
- 回到上下文： 团队能力、业务阶段、约束；同一技术在不同上下文中结论可能相反。
- 区分宣传与可验证信息： 主动找反面资料、不适用场景、失败案例。
- 从众不是理由： 「很多人用」可参考，决策依据应是问题匹配度与证据。
五、建立自己的判断框架
养成习惯：收到信息先分类（事实 / 推论 / 观点）、看来源与证据强度、问前提与代价、与自己的目标与约束对照。可以建简单清单：这条信息是事实还是观点？来源是谁、有无利益相关？有没有反面证据？对我当前要做的决策，哪些是充分条件、哪些只是参考？有了固定框架，就不容易在单篇爆文或一次会议里被带偏。
要点： 区分事实、推论与观点，不把观点当事实；看来源可信度与证据强度；辨hype 与长期价值（绝对化 vs 有边界、只讲好处 vs 承认代价）；选型时回到自己的上下文、避免营销与从众；用固定判断框架（分类、信源、前提、反面证据）做决策。
反例：把观点当事实、跟风选型、只看宣传不看反面。
某团队看到「某技术碾压传统方案」的几篇软文就决定全栈替换，没查官方文档也没做 POC，上线后性能和兼容问题频发。讨论时有人用「大家都说好」作为唯一论据，被问「在什么场景下、代价是什么」时答不上来。还有人把厂商的 benchmark 当金科玉律，忽略了测试条件与自家业务差异。正确做法：信息先分事实/推论/观点；选型回到团队与业务上下文、做小范围验证；主动找反面案例与不适用场景；用「前提、代价、证据强度」建自己的判断清单。批判性思维的目的是在噪声中做出靠谱决策，而不是否定一切或跟风一切。
小结： 事实、推论、观点要区分，不把观点当事实；来源可信度与证据强度决定信息权重；技术 hype多绝对化、无边界，长期价值有边界、承认取舍；选型与方案要回到上下文、避免营销与从众；用固定判断框架（分类、信源、前提、反面证据）形成习惯。下一章讲职业道德与责任：技术决策对用户、团队与社会的影响，何时说不、何时升级风险。
六、小结
批判性思维与信息甄别是架构师在信息过载中保持判断力的基础。区分事实、推论与观点；重视来源可信度与证据强度；辨别hype 与长期价值；在选型与方案中回到上下文、避免被营销与从众带偏；用固定判断框架养成习惯。下一章讲职业道德与责任：技术伦理、对质量与可维护性的责任、何时说不与何时升级风险。