Ockham 不做全知判断。它把零散线索摊开，穷举可能，用常识与基础比率压掉小概率项， 再对高概率项给出概率、依据与验证方法。方法完全公开，便于你复核每一步。
把输入里的每条线索单独列出（时间、方位、频率、变化、排除项），每条都可被单独质疑与检验。
先穷举可能的原因，包括看起来离谱的选项——过早排除是最常见的推理错误。
用「世界通常是什么样」筛掉小概率项。例如某现象在现实中极罕见，它的先验概率就该被显著压低。
对留下的高概率项，给出大致概率、支撑它的具体线索，以及「怎么验证」——这是可检验假设，不是结论。
基于最可能的结论，复原事情可能如何发生，用于排查方向与下一步取证。
人最常见的推理错误是「过早收敛」——脑子里先冒出一个解释，就再也不考虑别的。 Ockham 要求先把所有可能列出来，哪怕某项看起来离谱，也要先放到台面上， 再用常识去筛。这样能避免「锚定效应」和「确认偏误」。
一个解释哪怕情节上很合理，如果它在现实中本来就极少发生，它的概率也应当很低。 例如「异物是罕见的某种虫卵」听起来有画面感，但若该现象本身极罕见， 它的先验概率就应当被显著压低。这就是贝叶斯式思维：先看基础比率，再看证据强度。
概率性推断最怕被当成事实。Ockham 的每个高概率项都会附上验证方法—— 观察什么、记录什么、做什么对比，直到线索支持或推翻它。
如无必要，勿增实体：能用更少的原因解释的现象，不要引入额外的假设。 当两个解释都能说明现有线索时，优先保留假设更少、更可验证的那个。 （这也意味着：新增线索可能推翻上一轮的结论——那正是它的价值。）