1965 年 2 月 7 日凌晨，越共袭击了美军波来古基地，八名美国人丧生。几个小时内，国家安全顾问邦迪把一份备忘录推到约翰逊总统面前：持续报复。3 月 8 日，三千五百名海军陆战队员在岘港登陆。美国全面卷入越南战争，就是这么开始的。
值得注意的不是这个决定，是他们的推理方式。那间屋子里的人，被当时的媒体称为「最聪明的一代」。他们没有忽略历史——恰恰相反，他们是被历史喂得最透的一代人。会议上，洛奇大使明确援引 1938 年的慕尼黑协定，把胡志明的推进类比成希特勒的推进；后来学者在《Analogies at War》（普林斯顿大学出版社，1992）里复盘，在场的高级决策者们，包括邦迪，都确信这个类比是恰当的。肯尼迪本人大学时写过批评英国绥靖政策的荣誉论文，后来出版成书，书名就叫《英国为何沉睡》。「慕尼黑的教训」不是他们的盲区，是他们最深的信念。
十年之后：五万八千多名美军士兵、数百万越南人的生命、美国历史上最糟糕的一场对外战争。
最认真的历史类比，产出了最坏的决策之一。这不是要论证「历史没用」——恰恰相反，这篇要说的是，历史对大模型的价值极大，在训练和推理两端都是。但波来古之后那间椭圆办公室里的场景，指向我真正想讲的判断：历史是极好的律师，极差的法官。 而且它背后还有一个更反直觉的悖论：决策越大，历史的证据效力越弱。
一、训练价值：历史是人类唯一跑完的实验记录
先说历史对大模型的价值，这部分不打折扣。
社会科学有一个先天残疾：做不了对照实验。 你不能用两个国家做 A/B test，不能让一半省份试行一种制度、另一半作对照。于是历史成了唯一一份跑完的实验档案——每一条记录都是「情境 → 决策 → 后果」的配对数据，而且 label 是真实发生的，不是模拟出来的。大模型读历史，本质上是在压缩人类的制度经验：激励结构如何扭曲信息、升级如何一步步失控、群体如何犯下个体绝不会犯的错。这些模式变化极慢，是全部训练数据里最可迁移的部分。
关键事件还有一层独特的价值：它们是长尾样本，而且是唯一样本。 战争、恶性通胀、系统性金融崩溃、误判导致的升级——这些文明级失败模式，你不可能等它们自然发生一次来收集数据，历史是唯一含有它们的档案库。一个没读过历史的模型，只有常态分布，没有尾部想象力——它不知道事情可以坏到什么程度。这是历史给模型的第一件东西：见过深渊。
还有一层更隐蔽的：语言本身就是历史的沉淀。「绥靖」「多米诺」「修昔底德陷阱」「慕尼黑」——这些词不只是典故，是文明用来思考的概念工具箱。模型学到的从来不只是史实，还有人类给局势命名、归因、定性的一整套框架。
二、推理价值：一套可以即时检索的判例法
到了推理阶段，最好的类比是普通法系统。法官遇到新案件，检索先例，比对实质事实，然后判决——历史给模型的，是一套可以即时检索、无限扩容的判例法。具体有四个用途：
- 类比检索：穷举人类决策者可能遗漏的历史平行案例。顾问的记忆有限，模型的检索没有；
- 基率校准：给「这种局面通常如何收场」一个历史先验，对抗决策者天然的乐观偏差；
- 红队：历史是失败模式的图书馆——珍珠港的情报失灵（线索都在，没人把它们连起来）、猪湾的群体思维、还有侥幸；
- 反事实枚举：当年还有什么选项、为什么没被选、如果选了会怎样。
关于「侥幸」值得多说一句。1962 年 10 月 27 日，一艘被美军深水炸弹逼出水面的苏联潜艇 B-59，艇长差点下令发射核鱼雷，是艇上编队参谋长阿尔希波夫一个人反对才拦住——这个细节，四十年后的 2002 年才在哈瓦那的一次会议上被披露。这暴露了历史档案的一个系统性偏差：化解掉的危机不留档案。 古巴导弹危机被记成「brinkmanship 的经典胜利」，而它同时是一次离核战争只差一个人点头的运气。历史档案天然偏向失败——失败留下尸检报告，侥幸只留下结果。模型从这个有偏档案里学「危机管理」，学到的勇敢是被幸存者偏差美化过的。
到这里，历史对模型的价值可以说给满了：唯一跑完的实验记录、尾部的想象力、可检索的判例法。接下来的转折，才是这篇文章的主张。
三、反向相关悖论：决策越大，历史越不能当依据
先做一个思想实验：什么决策需要历史来做依据？
日常决策——库存怎么补、邮件怎么回、流程怎么批——不需要。它们例可循，早该被模式和自动化吃掉，翻历史是浪费时间。真正轮得到历史出场的，是重大决策。
而重大决策恰恰有一个共同点：它们是 first impression——普通法的术语，指没有先例可援引的新问题。一件大事之所以「大」，往往正因为它在结构上是新的。核武器出现后，大国冲突的物理学变了——此前所有战争史对「两个核大国直接开战会怎样」都没有证据效力。AI 出现后，决策速度和认知外包的物理学又在变——历史上任何一个「谋士进言、君主决断」的先例，都覆盖不了「一万个人在问同一个模型该怎么办」。
这就构成一个反向关系：
历史的证据效力
▲
高 │ ● 日常决策
│ ● 中等决策
│ ● 重大决策
低 │ ● 国运级决策
└──────────────────────────▶ 决策的重大程度
日常决策不需要历史（该自动化）
重大决策用不上历史（没有先例）
←—— 最需要依据的地方，依据最弱 ——→
最需要历史做依据的场合，恰恰是历史证据效力最弱的场合。 这不是历史的缺陷，是「重大」的定义：结构上前所未有的决定，才配叫重大决定。
支撑这个悖论的有三个技术性原因。
样本量。 世界大战，二十世纪两次；真正的系统性金融危机，一只手数得过来。关键历史事件天然稀少，统计功效弱到不足以支撑任何强推断。历史押韵，但韵脚很松。
叙事偏差。 史书是事后写的，而事后叙事会把混沌压缩成必然、把侥幸压缩成智慧。模型学了这个压缩过程，输出的类比就会流畅、自信、过度决定——「历史告诉我们，这种情况必然如何如何」。但请记住 1965 年那间屋子里的真实体感：决策者看到的是一团迷雾，是相互矛盾的情报和猜不透的对手。流畅度恰恰是危险信号——真实的重大关头没有流畅叙事，叙事是结果出来之后才被写出来的。你今天问任何一个模型「历史对这件事怎么说」，都能在三十秒内得到一份比任何顾问都流畅的类比清单。这份流畅不是质量，是叙事偏差被工业化放大的样子。
教训欠定。 同一段历史，可以论证相反的结论。慕尼黑 1938 被读成「绥靖必然招来战争」，于是 1965 年推向越南升级；越南败后，同一段历史又被读出鲍威尔主义——「没有重大国家利益、没有明确目标和退出策略，绝不投入军队」，教训变成「永远不要再无准备地介入」；2003 年伊拉克战争开场，「慕尼黑的教训」又被援引了一次，用来论证对萨达姆绝不能绥靖。同一段历史，先后为两场结局相反的战争做了辩护。你给它任何立场，它都能找到先例——这就是「极好的律师」的确切含义：律师的职责不是真相，是委托人的立场。
四、更深一层：模型为错误的类比不付任何代价
律师的类比再漂亮，还有一道防线：法官要为判决签字担责。而模型这道防线是缺失的。
模型对错误的类比没有 skin in the game。它把越南类比成慕尼黑，如果错了，它不损失任何东西；如果对了，功劳也不是它的。它永远流畅，永远自信，永远不用为「决定不做什么」心疼——我在 判断力会成为新的健身 里写过，判断的内核是「决定不做什么」，而这件事 AI 结构上给不了你。
「依据」这个词在法律里是有严格含义的：依据意味着有人署名、有人担责、有人可以被追问。这是我在 企业级 AI 必须设计成出错后可以追责到人 里讨论过的原则，放大到国家层面同样成立——一个不为后果付代价的系统，它的输出在结构上就不配被称为「依据」，只能被称为「陈词」。 历史由模型代言时，它是一位口才极好、读过全部卷宗、但永远不会被追究的律师。
五、正确的架构：用法官的方法使用历史
那么答案是「不用」吗？不是。答案是把它放回律师的位置，用普通法法官使用先例的方法使用它：先例默认有约束力，但当实质事实（material facts）变了，法官必须 distinguish——说明为什么这个先例不适用。
具体到 LLM 参与决策支持，这意味着输出格式的彻底改变。模型不该输出「历史告诉我们应当 X」，而应该输出一份判例法式的清单：
- 最相似的 N 个先例，各自的情境与结局；
- 每个先例的相似点；
- 每个先例的不相似点——这一栏是整个清单里最容易被叙事流畅性吞掉的，必须强制输出、放在最显眼的位置；
- 这类局面的真实基率（包括化解掉的危机，主动补偿幸存者偏差）；
- 当年的决策者误判了什么、以及他们是事后才知道还是当场就该知道。
还有一个副产品：历史案例可以反过来做 Evals。我在 私有 Eval 是终极护城河 里论证过评估体系的价值，历史给这个论证提供了一个天然题库——已知结局的重大决策，就是现成的测试题：把 1965 年的情报状态喂给系统，看它会不会掉进慕尼黑的坑；把 1962 年的档案喂给它，看它认不认得出 B-59 那种侥幸。一个决策支持系统的及格线，不是能找出多少相似先例，而是能找出多少不相似之处——能抵抗「所有先例都指向同一个结论」的诱惑，能说「这个先例不适用，因为实质事实变了」。能发现 disanalogy 的系统，才配进决策室。
六、历史的想象力，人的签字权
把两半合起来，结论就清楚了。
历史对大模型的价值，大到它应该成为每一个决策支持系统的底层素养：训练端，它给了模型别处得不到的尾部想象力——见过深渊的系统，才不会把深渊当成常规波动；推理端，它把判例检索从顾问的个人记忆变成了人人可用的基础设施。历史的价值，是让模型想象出它没见过的局面。
但依据永远是另一个东西。依据需要签字，签字需要担责，担责意味着选错了会疼。模型不疼，所以它的流畅永远不能替你拍板。判断的价值，是让人守住历史没覆盖过的决定。
国运级的决策，是这个时代的终极手动飞行时间：越是自动驾驶可靠，越要有人保持亲手操纵的能力——因为 first impression 来临的那一刻，判例法沉默，只有那个要为后果签字的人还在场上。
1965 年的教训不是「别信历史」，而是：那间屋子里最聪明的一代人，手里握着最好的历史，却没有人认真问一句——这个类比，哪里不像？ 给模型装上全部的历史，给人留下问这句话的权力和责任。这个分工，本身就是我们这个时代最重要的一次 first impression。
你会让 LLM 参与哪一层决策？它的「历史素养」让你更放心还是更警惕？欢迎留言讨论。