为什么"再试一次"之前，必须先写好退出条件？

一个项目已经延期三次。每次延期，理由都很合理：数据还不够，团队刚换人，市场发生了变化。每次追加的金额也不算多，十万、二十万、十五万，但加在一起，已经远远超过最初的预算。

你问项目负责人："什么时候可以判断这个项目该不该继续？"

他说："再看下一轮数据。"

这句话，你已经听了三遍。

真正的问题，不是项目负责人这一次判断得对不对，而是从来没有人定义过：什么结果出现时，这个项目必须停掉。

项目开始时，所有人都在讨论目标、预算和时间表，却唯独没有写下这样一句话：如果到了什么时间，哪项指标仍未达到什么水平，或者出现了什么风险，我们就停止、转向或者退出。

于是，每一次"再试一次"都显得合理，每一次追加都不算太大，但没有人知道累计投入的上限在哪里，也没有人知道谁有权说"停"。

这就是没有停止规则的项目：它往往不是死于一次致命的错误，而是死于无数次看上去合理、却没有统一边界的小决定。

大多数人听到"停止规则"，首先想到的是止损线：亏到多少就退出，花到多少就停手。

止损线当然有用。但它主要规定的是损失或投入的上限，只是停止规则的一种形式。

现实中的项目失控，常常不只是因为钱花超了，还可能因为成功没有标准、失败没有定义、期限不断延后，或者风险红线始终没有画清。钱花超了，往往只是最后看得见的结果。

那么，停止规则到底是什么？

一条完整的停止规则，至少包含三个部分：

• 可观察的条件：未来看到什么结果；

• 明确的判断标准：达到什么时间、数值或者状态；

• 对应的行动：条件触发以后，继续、选择、转向还是停止。

例如：

这里，"三个月后"是决策时点，"留存率低于10%"是判断标准，"停止当前方案并转向"是对应动作。三者缺少任何一个，都不能构成一条完整的停止规则。

停止规则不是预测未来，也不是提前认定项目一定会失败。它真正做的，是在结果出现之前，先规定自己在不同结果出现时将如何行动。

这样，到了决策节点，你不必再根据当时的情绪、压力和既有投入临时修改标准，只需要判断预设条件是否已经触发。

停止的也未必是整个目标。你可能停止的是一次寻找、一项试验、一个方案或者一个阶段，然后转入下一步行动。

在不同场景中，停止规则的具体形式并不相同。动物觅食时，它可能表现为一条边际收益规则；面对连续出现的选项时，它可能是一条结束寻找、开始选择的策略；在项目管理中，它通常是一组指标、期限、风险边界和执行责任。

形式虽然不同，它们都在回答同一个问题：

条件、标准、行动——这三个部分构成了停止规则的骨架。但落到真实项目里，光知道骨架还不够，你得知道具体查哪些边界。

成功边界：什么结果出现时，当前试验已经完成，可以进入扩大或交付阶段？

例如，用户留存率达到30%，就结束试点，进入全面推广。

失败边界：什么结果出现时，原方案已经不值得继续？

例如，连续两轮留存率低于10%，就停止原方案，重新设计或者退出。

安全边界：什么风险一旦出现，必须立即终止？

例如，出现重大合规风险、无法保障数据安全，或者用户伤害超过红线，就不能再用潜在收益为继续辩护。

时间边界：最晚什么时候必须做出决定？

例如，三个月内必须得出结论；延期只能批准一次，而且必须说明延期将获得什么新信息。

预算边界：最多允许累计投入多少资源？

例如，总预算不超过100万元。这里看的是累计投入，而不是"这一轮追加得不多"。

一条停止规则是否完整，可以用下面这个句式检查：

如果条件无法观察、标准无法判断，触发以后没有明确动作，也没有人负责执行，那么它仍然只是一种态度，而不是一条真正的停止规则。

如果用一句话记住停止规则：

1976年，进化生态学家埃里克·查诺夫研究了一个问题：一只动物在一片食物区域里觅食，什么时候应该离开，去寻找下一片区域？

答案不是"把这里的食物吃完再走"。

刚进入一片食物区域时，资源比较容易获得；随着停留时间增加，容易找到的食物越来越少，每多停留一分钟，能够获得的新增食物也越来越少。

但是，离开同样有成本。动物需要花时间赶往下一片区域，还要承担寻找新食物的风险。

查诺夫提出的边际价值定理认为：当动物继续留在当前区域所能获得的边际收益率，下降到整个环境中的长期平均收益率时，就应该离开。这个平均收益率已经把区域之间的旅行时间计算在内。

换成人话说，不是等到这里什么都没有了才走，而是当继续留下已经不如把时间投入其他地方时，就该离开。

这个模型把"什么时候停"从一种模糊感觉，变成了一个可以比较的判断。

边际分析提供的是判断依据：继续多投入一单位资源，还能增加多少收益？

停止规则做的是下一步：把这种比较转化为可以执行的动作。一旦继续的新增价值不再高于转向其他选择的价值，就结束当前行动。

停止规则不仅适用于"什么时候离开"，也适用于"什么时候结束寻找，开始选择"。

假设有100位候选人依次出现。你必须当场决定是否选择，拒绝以后不能回头；你只能比较已经见过的人，不知道后面的人怎么样，目标是尽可能选到其中最优秀的一位。

你应该从第几个人开始认真选择？

经典的"秘书问题"给出了一条停止规则：前约37%的候选人只观察、不选择，用这段经历建立比较标准；观察期结束后，遇到第一个超过此前所有候选人的人，就停止寻找，立即选择。

当候选人数量足够多时，这条策略能够把选中最优者的概率提高到大约37%。它不保证你一定选对，而是在这些严格条件下，成功概率最高的策略。

这条规则解决的是一个普遍矛盾：观察得太少，你还没有建立可靠的标准；观察得太久，又可能错过已经出现的好选择。

但37%并不是适用于所有场景的万能数字。它成立需要几个严格条件：候选人按照随机顺序出现；候选人的总数已知；拒绝以后不能回头；你只能判断相对排名；而且目标不是找到"足够好"的人，而是必须选到唯一最优者。

现实中的求职、择偶和商业合作，通常不完全满足这些条件。我们往往知道一个选项的绝对水平，也可能重新联系之前的对象，目标也未必是找到唯一最优解。

因此，真正值得记住的不是"凡事都等到37%"，而是这条规则揭示的基本结构：

不要一边寻找，一边临时决定什么时候结束。否则，人很容易陷入两个极端：还没看清就仓促决定，或者总觉得下一个可能更好，于是永远无法做出选择。

没有停止规则时，谁想退出，谁就要证明"为什么应该停"。这很难，因为继续的理由永远比退出的理由容易找到：也许下一轮就好了，也许市场会回暖，也许再投一点就能突破。

想继续的人不需要证明继续一定正确，只要说一句"还有可能"就够了。

而想退出的人，却要接受已经发生的损失，承认原判断可能有误，面对团队的质疑，还要承担做出终止决定的责任。

更重要的是，继续并不是什么都不做。继续同样是在追加资金、时间和人员，承担新的风险，同时放弃把这些资源投向其他机会的可能。

停止规则改变了这种不对称——规则一旦事先写好，触发条件一旦达到，默认动作就不再是继续追加，而是执行原定规则。此时，不应该再由退出者证明"为什么要停"，而应该由想继续的人证明"为什么这一次可以例外"。

而且，例外不能只靠一句"我觉得还可以再试一次"。

想继续的人，必须拿出足以改变原判断的新证据。它可能是新的数据，也可能是发现原有数据存在测量错误，或者失败主要来自已经确认且可以修正的执行偏差，又或者外部环境发生了重大变化，原规则依赖的关键假设已经被推翻。

重点不在于"出现了新情况"，而在于这个变化是否足以改变继续、转向与停止之间的未来价值比较。

即使批准例外，也要同时写清楚：允许增加多少预算、延长多长时间、这一轮将验证什么，以及下一次停止条件是什么。一次例外不能变成永久取消规则。

这才是停止规则真正的力量：它不是替你做出所有决定，而是改变了决策的默认方向。

安妮·杜克在《适时退出》中介绍过谷歌X实验室负责人阿斯特罗·泰勒的一个心智模型："猴子与基座"。

假设你的目标是训练一只猴子站在基座上，抛接燃烧的火把。你会先解决哪个问题？

很多人的直觉是先搭基座。因为基座简单、可控，很快就能做出成果，让团队感觉项目正在推进。

但真正决定项目能否成立的，不是基座，而是猴子能不能学会抛接燃烧的火把。

基座随时可以搭。如果猴子根本训练不出来，基座建得再漂亮，也只是无效投入。更麻烦的是，基座建得越多，团队越容易产生"已经做了这么多，不能停"的感觉。

所以，泰勒主张先解决最难、最不确定，也最可能让整个项目失败的部分。

需要注意的是，"猴子与基座"并不是停止规则本身。它解决的是先验证什么；停止规则解决的是验证结果出现以后，应该采取什么动作。

一个决定验证顺序，一个规定触发条件。两者结合，才能尽早发现项目究竟值得继续，还是应该停止。

谷歌X曾启动Foghorn项目，尝试利用海水制造碳中和燃料。团队在项目开始时就设定了一项关键停止指标：五年内，必须把一加仑汽油等量燃料的生产成本降到5美元，否则项目就不值得继续。

团队后来确实制造出了燃料，技术并非一无所获。但是，随着实验数据和成本模型逐渐完善，他们发现，未来五到十年内看不到把成本降到足以与汽油竞争的可行路径。停止条件已经触发，团队最终终止了项目。

Foghorn不是因为"技术完全失败"而停止，而是因为它没有通过真正决定项目价值的商业可行性条件——能做出来，不等于值得继续做；项目取得进展，也不等于项目已经通过继续投入的标准。

这个案例还有一个更重要的启示：停止条件必须指向真正决定成败的"猴子"，而不是那些容易完成、却不能证明项目成立的"基座"。

为什么要在项目开始之前写好这些条件？

不是因为现在的你一定比未来的你更聪明，而是因为现在的你通常比未来的你更容易保持清醒。投入大量金钱、时间和感情以后，人很容易为继续寻找理由，也很容易悄悄降低原来的标准。

当会议中不断出现"再试一次""再给一次机会""也许下一轮就好了"，或者项目一再延期，却始终没有产生足以改变判断的新证据时，就该启动停止规则。

不必立刻主张退出，但应该先把四个问题摆到桌面上。

第一，继续下一阶段，能够新增什么价值或信息？

下一轮究竟要验证哪个关键假设？得到什么结果以后，我们会改变现在的判断？如果下一轮只是重复已有动作，既不能创造足够的价值，也不能带来足以改变决策的新信息，就不应该仅凭"再试一次"自动继续。

第二，继续会新增多少成本、风险和机会成本？

继续不是免费的。每多一轮，就会多投入一轮资金、时间和人员，也会多承担一轮风险。还要追问：如果这些资源不继续投在这里，最好可以用到哪里？

第三，什么条件出现时，必须继续、转向或者停止？

成功达到什么水平可以扩大？什么结果说明原方案已经失效？哪些安全风险一旦出现必须终止？最晚什么时候做出决定？累计投入最多是多少？条件必须能够观察，标准必须能够判断，触发以后必须对应具体动作。

第四，谁负责在条件触发时真正执行？

这是最容易被忽略的问题。很多项目里，所有人都可以建议继续，却没有人负责关闭。停止规则必须明确：谁负责监测，谁能触发停止，谁负责执行，谁有权申请例外。申请例外时，还必须说明：出现了什么原规则没有包含的新证据，它为什么足以改变原来的判断，以及下一次停止点在哪里。

这四个问题不会自动给出"继续"或"退出"的答案，但能把讨论从"要不要再试一次"，拉回到"我们究竟按照什么标准判断该不该再试"。

不是。

停止规则反对的不是坚持，而是没有边界的坚持。

有些事情确实要经历一段低回报时期，才能看到后面的收益。基础设施建设、品牌信任积累、技术研发和学习曲线爬坡，都不应该因为短期数据不好就轻易退出。

但停止规则要求你在开始之前就说明：这段低回报期预计会持续多久，在最终结果出现之前，哪些领先指标能够证明我们仍然走在正确的方向上。

也就是说，要事先区分两种困难。

一种是预期内的难：你原本就知道前面会经历投入期，也提前设定了阶段性里程碑。

另一种是足以否定原方案的难：本来不应该出问题的关键环节出了问题，决定项目成立的核心假设没有通过检验。

分不清这两种信号，就会在应该停止时说"再坚持一下"，又在真正需要耐心时说"算了，不做了"。

还有三种常见误用，需要特别警惕。

第一，不能因为结果不满意，就临时移动边界。

如果外部环境发生重大变化，规则当然可以按照事先约定的机制更新。但如果只是因为停止条件已经触发，就降低标准、延长期限，那么任何项目都可以永远不失败。

第二，不能忽视停止本身的成本。

停止项目可能产生违约金、遣散费、转换成本和声誉影响。这些是从现在开始退出将要承担的未来成本，不属于沉没成本，必须纳入当前判断。

第三，停止当前路径，不等于放弃最终目标。

很多时候，正确的动作不是放弃目标，而是停止已经失效的方案，换一条更有可能到达目标的路径。

停止规则不是让人更容易放弃，而是让坚持变得更有根据。

在讲述上一个思维模型066沉没成本时说过：已经付出且无法收回的投入，不应该继续影响当前判断。

停止规则解决的是另一个问题：在投入不断加深之前，先规定未来资源追加的边界。

回到开头那个已经延期三次的项目。

如果项目开始时，团队就写下了这样一段话：

那么，每一次"再试一次"都不再是无条件追加，而必须对照事先写好的条件。

条件达到，就执行；想要例外，就拿出足以改变原判断的新证据。真正成熟的坚持，不是永远不放弃，也不是遇到困难就转身离开。