1. 一个具体问题
一位候选人表达沉稳、喜欢推理题，你立即觉得他很像优秀的数据分析师。可是岗位需要的数据清洗、业务解释和协作能力还没有被检验。“像某类人”的直觉，有时会悄悄替代“具备该能力的证据”。
2. 一句话解释
代表性启发式是用对象与典型形象的相似程度，代替对其类别或概率的完整判断。
3. 出处与原意
Tversky 与 Kahneman 的早期研究讨论了相似性如何影响概率估计。它不是说模式识别都不可靠，而是提醒人们：判断类别时除了相似性，还要考虑总体比例、样本大小及证据的诊断能力。
4. 原理与机制
典型形象把复杂信息压缩成容易识别的组合，帮助我们迅速分类。但一个特征可能同时存在于很多类别中；如果忽略这一点，判断便会过度集中于最像的类别。小样本也常被期待像总体一样平衡，因此连续几次同类结果会被误认为“不正常”，即便随机过程允许这种波动。
相似性有时只反映外在呈现，而岗位表现取决于另一组变量。招聘者应能说清每个特征如何帮助完成任务，不能把“符合我们的风格”当成万能评分项。对不同背景的人使用同一证据门槛，也能减少典型形象带来的不公平。
5. 一个完整案例
假设案例：某团队有一百份申请，其中二十人有相关项目经历。面试官偏爱十名谈吐特别像资深分析师的人，打算直接进入终面。招聘负责人要求先为所有人提供同一份脱敏数据任务，评价数据检查、结论边界和解释过程。结果即便与直觉一致，也能说明判断由哪些工作表现支持；若不一致，则回看所谓“专业感”是否主要来自术语或说话节奏。这里的数字只是展示筛选流程，并不是声称某类表达预测不了能力。
团队保留面试前预测，再与任务结果比较，逐步检验哪些直觉线索值得使用。假如表达清晰确实预测了报告质量，可以保留其权重；假如某种学校背景只影响好感，就不应继续把它当成能力证据。所有结论仍需足够案例。
6. 适用条件与反例
在反馈清晰、环境稳定、经过大量练习的领域，专家对模式的识别可能很有效。反过来，不能因为描述符合刻板印象，就认定它毫无信息。正确做法是检验该特征在目标类别和其他类别中分别有多常见，并避免把群体特征直接归到个人身上。
7. 今天可以尝试的行动
遇到“他看起来像”“这种项目通常就是”的判断时，补写三个问题：这个类别原本有多常见？当前特征在其他类别里是否也常见？还能收集哪条更直接的行为证据？重要筛选尽量使用相同任务和预先确定的评分标准。
8. 参考资料与关联条目
- Tversky、Kahneman（1974），Judgment under Uncertainty: Heuristics and Biases。