循环论证是一种很常见、但很容易被忽略的逻辑错误。
它的形式很简单：用结论本身，或者换一种说法后的结论，来证明结论。
听起来像是在解释，其实没有增加任何新证据。
比如：
这家公司好，因为它是一家优秀公司。
这个人可靠，因为他值得信任。
这个判断对，因为真正懂的人都会这么判断。
这个系统先进，因为它比传统系统更先进。
这些话表面上有解释，实际上只是把同一个意思绕了一圈。
“好公司”证明“公司好”；
“值得信任”证明“可靠”；
“真正懂的人这么认为”证明“这个判断对”；
“先进”证明“先进”。
这就是循环论证。
它的问题不是结论一定错，而是这个结论没有被真正证明。
一、循环论证为什么容易骗人
循环论证之所以容易骗人，是因为它常常披着解释的外衣。
人听到一句话后，如果语言流畅、语气确定、概念听起来高级，就容易误以为里面有逻辑。
但逻辑不是看一句话像不像解释。
逻辑要看：它有没有提供独立理由。
什么叫独立理由？
就是这个理由不能只是结论的另一种说法。
比如你说：
“这家公司值得长期持有，因为它是一家伟大的公司。”
这里的问题是：伟大公司本身就需要证明。
它不能直接拿来证明值得长期持有。
你需要继续说明：
它的客户为什么持续付钱？
它的竞争优势为什么可持续？
它的自由现金流为什么稳定？
管理层为什么能理性配置资本？
当前价格是否给了足够安全边际？
这些才是独立理由。
如果只是说“伟大公司值得长期持有”，那只是把结论换成了一个更漂亮的词。
二、循环论证常常藏在抽象词里
循环论证最喜欢藏在抽象词里。
因为抽象词本身边界模糊，容易让人感觉已经解释了，其实没有。
比如：
他成功是因为有企业家精神。
这段关系不好是因为不合适。
这个项目失败是因为认知不够。
这家公司厉害是因为有护城河。
这些话都可能有道理，但不能停在这里。
“企业家精神”是什么？
是冒险能力？判断力？组织能力？资源整合能力？长期主义？逆境中的韧性？
如果不拆开，“企业家精神”就可能只是“他为什么成功？因为他有成功者特质”的循环说法。
“不合适”也是一样。
一段关系不好，当然可以说不合适。
但不合适到底指什么？
价值观不一致？边界感不同？责任承担不对称？沟通模式冲突？长期目标不一致？关键时刻不可靠？
如果不拆，“不合适”只是把“关系不好”换了一种说法。
“认知不够”也很容易变成循环论证。
一个人失败了，说他认知不够。
但认知不够具体指什么？
没看清行业结构？没理解激励机制？没有识别能力圈边界？没有安全边际？没有执行纪律？
如果不拆，“认知不够”就是一句万能解释。
万能解释最大的问题，是它什么都能解释，也就什么都没解释。
三、投资里最常见的循环论证
投资里循环论证非常多。
最典型的是：
这家公司是好公司，所以值得买。
问题是，好公司和值得买不是一回事。
好公司需要证明。
值得买也需要证明。
而且好公司不一定值得买。
如果价格太高，安全边际不够，再好的公司也可能不是好投资。
还有一种说法：
这家公司有护城河，因为它一直赚钱。
但一直赚钱不一定等于有护城河。
它可能只是处在好周期；
可能只是竞争暂时没来；
可能只是监管保护；
可能只是资本市场环境有利；
可能只是过去有优势，但优势正在被削弱。
护城河必须独立证明。
要看定价权、转换成本、网络效应、品牌、规模经济、渠道控制、成本优势、组织能力，以及这些优势能否抵抗竞争。
不能用“赚钱”直接证明“有护城河”，再用“有护城河”解释“为什么赚钱”。
这就是一个循环。
还有一种：
市场已经给了高估值，说明这家公司优秀。
这也是危险的循环。
市场高估值可能是因为优秀，也可能是因为热度、流动性、稀缺性、叙事、资金拥挤、短期预期。
如果你用高估值证明公司优秀，再用公司优秀证明高估值合理，这就是典型的价格循环。
价格可以提供线索，但不能替代推理。
四、关系里的循环论证
关系判断里也有循环论证。
比如：
他不回复，是因为他不重视我。
他不重视我，所以他不回复。
这可能是真的，但还需要拆。
不回复可能来自很多原因：忙、回避、压力、习惯、关系优先级低、不愿承担、沟通方式不匹配。
如果没有进一步证据，只把“不回复”解释为“不重视”，再用“不重视”解释“不回复”，就容易陷入循环。
更好的方式是看独立证据：
他是否在关键时刻缺席？
他是否对其他重要事项能及时回应？
他是否长期低成本也不投入？
他说重视时，是否愿意付出行为成本？
冲突后是否修复？
这些才是判断重视程度的独立变量。
再比如：
这段关系不好，因为我们不合适。
我们不合适，因为这段关系不好。
这同样没有真正解释。
关系不好只是结果。
不合适需要拆成机制：边界不合、价值观不合、责任结构不合、生活节奏不合、情绪调节能力不合、长期目标不合。
只有拆出具体变量，判断才可检查。
五、AI 使用中的循环论证
AI 使用里也会出现循环论证。
比如：
这个答案好，因为 AI 很强。
AI 很强，因为它能给出好答案。
这也是循环。
AI 强不强，要看具体任务。
一个答案好不好，要看事实是否准确、推理是否完整、边界是否清楚、有没有证据、能不能经得起反问。
不能因为它是高级模型，就默认答案好。
也不能因为答案看起来好，就证明模型在这个任务上可靠。
尤其在高风险任务里，AI 的流畅度很容易制造可靠感。
但流畅不是证据。
你必须检查：
概念是否清楚；
前提是否正确；
引用是否真实；
推理有没有跳步；
有没有遗漏反证；
输出能不能落地。
否则，人就会用“AI 很强”证明“答案可信”，再用“答案可信”证明“AI 很强”。
这不叫判断。
这叫被工具光环带走。
六、如何识别循环论证
识别循环论证，可以抓一个问题：
这个理由是否能独立于结论成立？
如果不能，它很可能是循环。
比如：
“这家公司值得买，因为市场认为它值这么多。”
市场价格能不能独立证明值得买？
不能。
市场价格只是别人愿意出的钱，不等于内在价值。
再比如：
“这个观点对，因为聪明人都这么想。”
聪明人这么想，能不能独立证明观点对？
不能。
它最多说明这个观点值得研究。
再比如：
“我应该坚持，因为长期主义很重要。”
长期主义能不能独立证明应该坚持？
不能。
还要看路径是否正确、前提是否仍成立、继续投入是否有边际收益、有没有退出条件。
所以，遇到一个解释时，要问：
它是不是只是把结论换了一个说法？
它有没有提供新的事实、机制、变量或证据？
如果没有，它就不是证明。
七、对抗循环论证的办法
对抗循环论证，最有效的办法是把抽象结论拆成可观察变量。
不要停在“好公司”。
拆成：客户价值、商业模式、竞争结构、定价权、现金流、资本配置、估值。
不要停在“可靠的人”。
拆成：长期一致行为、关键时刻承担成本、承诺兑现率、冲突后修复能力、利益冲突时的选择。
不要停在“AI 答案好”。
拆成：事实准确率、推理链完整性、引用可核验性、边界说明、错误成本、验证成本。
不要停在“我懂了”。
拆成：能不能讲出机制、能不能讲出反例、能不能讲出最强反对意见、能不能列出反证条件、能不能在行动中执行。
一旦拆到变量，循环论证就很难继续藏住。
因为变量需要证据。
证据会逼人离开空话。
八、循环论证的检查清单
遇到一个判断，可以问七个问题：
第一，这个理由是不是结论的另一种说法？
第二，理由里有没有新的事实、证据或机制？
第三，关键抽象词有没有被拆开？
第四，这个理由能不能独立于结论成立？
第五，如果换一个词，意思是不是仍然原地打转？
第六，我是不是用“好”“优秀”“可靠”“先进”“长期主义”“护城河”这类词替代了证明？
第七，如果让一个反对者听，他会不会说：你只是重复了一遍结论？
这七个问题，可以有效识别循环论证。
九、不要用漂亮词保护空结论
循环论证的本质，是没有真正离开结论。
它看起来在推理，实际上在原地绕圈。
很多人不是没有逻辑，而是太快用一个抽象词把自己安顿下来了。
一旦说出“好公司”“长期主义”“认知不够”“不合适”“先进系统”“伟大企业”，大脑就觉得已经解释完了。
但真正的逻辑训练，恰恰要在这里停下来。
问一句：
这个词到底证明了什么？
如果没有新证据，没有机制，没有变量，没有反例边界，那它就只是一个包装过的结论。
好判断不怕拆。
越拆越清楚。
坏判断才需要靠漂亮词保护。
循环论证提醒我们：
不要用结论证明结论。
也不要用聪明词，保护一个还没有被证明的判断。