写在前面
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
先说一件我自己的事。
我的笔记本里存着两百多个思维模型。复利、幂律、贝叶斯、囚徒困境、公地悲剧、安全边际、第一性原理、二阶思维、系统延迟、冗余备份——每个都画了图，配了例子，标签打得整整齐齐。有一段时间我甚至觉得，只要再攒五十个，我看问题就能跟那些厉害的人一样通透。
后来遇到一件真事，我才发现不是那么回事。
那是一个需要在一周内做的决定，涉及钱、涉及人、涉及往后三五年的路。我把能想到的模型在纸上列了一遍，一共列了十一个。列完之后我盯着那张纸，比列之前更慌——因为十一个模型给了我十一个方向，其中四个方向是互相打架的。我不知道该听谁的。
那天晚上我明白了一件事：我不是模型不够用，我是不知道该让谁先上。
这个毛病有个名字，我给它起了个叫法，叫模型囤积症。你不一定听过这个名字，但你多半得过这个病——收藏从未停止，能力从未提高。
市面上教思维模型的书已经很多了，而且都很好。它们解决的是"你不知道有这个模型"的问题。
这本书要解决的是另一个问题：你知道，但你用不上。
这两件事之间的差距在哪？打个比方。模型和药材一样，单独看都有药性，也都对症。但你抓一把药材煮成一锅，喝下去可能治病，也可能只是苦。中医真正难的地方不在认药，在配伍——哪味是君，哪味是臣，哪味专门用来牵制毒性，哪味负责把这服药引到病灶。
配伍这件事，思维模型的书里几乎没人讲。因为它是个手艺活，不好写成清单。
而我手上恰好有两样讲配伍的老东西：一个是象思维，中国人用了两千年的底层思维方式；一个是君臣佐使，中药配伍的规矩。这两样东西加在一起，正好补上"我知道很多模型，但不知道怎么配"这个洞。
这本书立在两个主张上，其余都是这两根的展开。
第一根：象思维不是与思维模型并列的另一半，而是它们的调度者。
流行的说法是"象思维管从无到有，思维模型管从有到优"，听着很工整，但它是错的——错在把两样东西放平了。真实的情况是分层的：面对一个你没见过的问题，你得先判断这到底是哪一类问题，然后才谈得上挑哪几个模型来看它。而"这是哪一类问题"这个判断，模型库自己给不了你，因为模型都是标签，而你需要的是给一件还没标签的事贴第一个标签。
象思维在上，做调度；思维模型在下，做执行。这就是全书的结构。
第二根：这套调度，也是你跟 AI 说话的语言。
取象、择模、定序、验算，这四步表面上是人思考的顺序，实际上对应着你给 AI 下指令的四个要素：情境、框架、流程、验收标准。你之所以常常觉得 AI 给的答案"看着像那么回事但没用"，多半不是它笨，是你跳过了第一步，直接让它给你模型——那它只能给通用答案。
这里有一句难听的话，我写在这本书快结尾的地方，先放在这儿：只会调模型不会取象的人，在 AI 面前会退化成提示词。而且是重复的、可被替代的提示词。
我按"能不能当场用"来安排每一章，所以每章末尾固定有三个栏目：
还有两件事要先说清楚，免得你读到后面觉得被忽悠。
第一，这本书不承诺最优解。复杂问题里没有最优解，只有"在你当前这些约束下更优的解"。全书只用"更优解"或"适配解"，我会告诉你怎么判定什么叫更优，但我不会告诉你存在唯一正确的答案。谁要是跟你承诺最优解，你要小心。
第二，象思维有它干不了的事，我专门写了一章讲这个。不写这一章，前面所有关于象思维的立论都会被读成玄学。象思维最大的风险是"怎么解释都对"——不可证伪的东西，讲得越漂亮越危险。所以第九章是这本书里我最看重的一章，虽然它通篇在泼冷水。
最后说一句实在的。这本书讲的是怎么把手上的工具用起来，而不是怎么攒更多工具。如果你的第一反应是"那我先把这本看完再去多学几个模型"——那说明这一章白写了。
翻到下一页之前，你可以先做一件小事：打开你的收藏夹，数一下你存了多少个模型，然后回想一下上一个真问题你用了几个。
这两个数字之间的差，就是这本书要填的坑。
第一章 模型囤积症：为什么你学了 100 个模型还是不会解题
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
有个说法叫"手里拿着锤子，看什么都像钉子"。这句话传得很广，但它只说了一种病，而且是最轻的一种。
我这些年观察下来，模型学了一堆却用不上的人，得的通常是三种病，而且常常是三种一起来。
第一种：收藏癖。
症状是"存了就等于会了"。看到一篇讲思维模型的文章，点收藏；看到一张模型图谱，存进笔记；买了一本模型书，翻完目录就觉得差不多知道了。收藏的时候有一种很实在的获得感——这个感觉不假，问题在于它跟"会用"之间隔着十万八千里。
我自己的笔记里存了两百多个模型。你猜我在上一个真问题上调用了几个？两个。而且那两个还是我十年前就会的。
第二种：标签癖。
这种比收藏癖严重，因为它已经开始"用"了——只是用错了方向。标签癖的人有一个趁手的模型，于是所有问题都往这个模型上套。学了他会什么"激励相容"，于是看员工离职是激励问题、看夫妻吵架是激励问题、看孩子不写作业还是激励问题。
标签癖最迷惑人的地方在于：它经常是对的。任何两个事物之间都能找到某种相似，所以套得上不代表套得对。真正麻烦的是，一旦套上，你就看不见这个模型解释不了的那部分了。
第三种：堆叠癖。
这是最"高级"的一种，也是危害最大的一种，因为它看起来特别像深思熟虑。堆叠癖的人遇到一个问题，会把七个模型挨个列一遍：从供需关系看是这样，从博弈论看是那样，从系统延迟看又是另一回事……列完之后，洋洋洒洒两千字，读的人觉得很有道理，做的人还是不知道明天早上该干什么。
我前面说的那次失败决策，就是典型的堆叠癖。十一个模型，十一个方向，四个方向互相打架。那两千字（我确实写了两千字）唯一的用处，是让我在事后复盘时能证明"我当时想得挺全面的"。
全面不等于有用。把七个模型列一遍，那不叫分析，那叫摆摊。
三种病的病根是同一个。
你把模型当成"知道的东西"在攒，但模型真正值钱的地方不在"知道"，在"什么时候调用它、让它先上还是后上、跟谁配着用"。
这两件事的区别，打个比方就清楚了。一个厨房里有三百种调料，不等于这个厨房能出一桌好菜。真正决定菜好不好的是火候、是下料顺序、是这味料跟那味料碰在一起会发生什么。厨师的价值不在囤调料，在配菜。
所以我给它起了个名字：库存不等于调度。
库存是可以量化积累的——你存了多少个模型，一数就知道。调度是没法量化的，它体现在你面对一个具体问题时的那三秒钟：你脑子里闪过五个模型，你只挑了两个，你让 A 先上 B 后上，你还留了一个专门用来唱反调。
那三秒钟发生的事，才是真功夫。而它恰好是没有任何一本书教过的部分。
我要在这里当场纠正一个常见的误解。很多人以为"多学几个模型"能解决这个问题——不能。你手上有一百个模型和有十个模型，面对同一个问题时挑错的概率其实差不多，甚至前者更高，因为选项多了，你反而更容易在挑选中耗光精力。
不是模型不够，是没人告诉你该让谁先上。
说了半天，这个病到底要付多少钱？我算给你看。
时间的账：一个中等复杂的决策，正常想清楚需要三个小时。得了堆叠癖的人，会在列模型、找角度、写分析上花掉两天，最后还是要靠直觉拍板——因为那些分析没给出结论。两天减去三小时，等于白花了一天半。
关系的账：标签癖的人在跟人打交道时最伤人。你用"激励不相容"去解释你太太为什么生气，你解释了，你解释得很对，然后你发现她更生气了。因为你用模型替代了取象——你没看见她这个人现在是什么状态，你只看见了一个可以套模型的对象。
能量的账：收藏癖的代价最隐蔽。每存一个模型，你都有一次微小的满足；但每次真要用的时候想不起来，你就有一次微小的自我怀疑。这两件事长期对冲的结果是，你对自己的判断力越来越没信心，于是更想去存新的模型。这是个圈。
钱的账：堆叠癖在组织里的代价最直接。一个团队开了三个小时的会，产出一份"从七个角度看这个问题"的文档，然后什么决定也没做。三个人三小时，加上这份文档被传阅消耗的另外十个人的各二十分钟，一次会烧掉将近一个工作日。
这四笔账，你随便挑一笔往自己身上套一下，就知道这个病是不是在你身上。
下面十句话，符合的打勾。
打勾数对照：
最后这句不是玩笑。我见过太多人，包括我自己，把"我要提升认知"这件事本身，做成了最精致的收藏癖。
你要让 AI 帮你判断一件事，别上来就问"用哪个模型分析"。先说清这四样：这是什么类型的事（取象）、你手上有哪几个候选模型（择模）、先看哪个后看哪个（定序）、什么算答对了（验算）。
直接问"帮我分析一下"，你拿到的就是通用答案——不是它笨，是你跳过了第一步。
第二章 象思维：中国人的底层操作系统
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
象思维这个词现在有点乱，谁都在用，用法还不一样。所以我不先说它是什么，先说它不是什么——把这个说清楚，比正面定义管用。
它不是"具象思维"。很多人一听"象"，就想到图像、想到画面，以为象思维就是用画面思考。这是最普遍也最离谱的误会。象思维的"象"不是眼睛看见的画面，是你在一团混沌里认出来的那个结构——就像老中医看一眼病人说"这是肝气郁结"，他看见的不是肝脏，是一组关系。
它不是联想。联想是从一个东西想到另一个东西，靠相似搭桥——看见白云想到棉花。象思维不靠相似搭桥，它靠的是功能与态势的同类。木行人不一定长得像树，他跟树同的是那个"生发、向上、条达"的劲儿。相似是表面的，同类是深层的。这两件事的区别，你可以这么记：联想是"看着像"，取象是"动起来一样"。
它不是玄学。这一条我会在第九章专门展开，这里先立个桩：象思维有明确的操作步骤（观物取象、立象尽意、取象比类、观象制器，第七章讲），步骤是可以练的，练了是可以验证的。凡是"只可意会不可言传"到什么都说不清的程度，那不是象思维高明，那是没想清楚。
它不是灵感突发。灵感是等来的，象思维是练出来的。中医大夫看一眼就断得准，靠的不是那一刻的灵光，是前面二十年看了三万个病人攒下的"象库"。
清完这四个，可以给一个说法了：
象思维是一种前语言、前逻辑的整体直观能力——在还没有概念可以贴上去的时候，直接从整体上认出这件事的态势与结构。
"前语言""前逻辑"这两个词要小心读。不是说它低级，是说它发生在语言和逻辑介入之前。你认出一张熟人的脸，只需要零点几秒，而且你说不出你是怎么认出来的——等你开始分析"眼睛间距多少、鼻梁什么形状"的时候，你反而认不出来了。象思维就是这种"先于分析的整体认出"。
我把象思维跟西方概念思维的区别列成六条，叫六非。这六条既是它的本事，也是它的软肋——软肋那部分第九章讲，这里先看本事。
| 六非 | 什么意思 | 一句话人话 |
|---|---|---|
| 非实体性 | 不看孤立的东西，看关系和态势 | 不看"这是个什么"，看"这正在变成什么" |
| 非对象性 | 不把认识对象推到对面去解剖 | 不用解剖刀，用体温计——你得贴上去 |
| 非现成性 | 不承认固定答案 | 象是流动的，上一次对不等于这一次对 |
| 前语言性 | 发生在语言之前 | 你说得出来的，往往已经不是你真正看见的了 |
| 前逻辑性 | 不靠一步步推理，整体直入 | 不是走楼梯上去的，是一眼看见楼顶的 |
| 非确定性 | 容得下模糊 | 世界上大部分重要的事，本来就是模糊的 |
这六条里，最重要的是非实体性。西方思维习惯问"这是什么东西"，象思维习惯问"这正在发生什么"。前者的答案是个名词，后者的答案是个动词加一个方向。
举个例子。同一个团队里两个人不合，西方思维会去分析：A 是什么人格类型，B 是什么人格类型，两种类型碰在一起为什么会冲突——这是实体思路，答案落在"他们各是什么"上。象思维会先看：这两个人之间的这个劲儿是什么？是金克木那种"一个要砍一个要长"，还是火克金那种"一个的热把另一个烧软了"？答案落在"他们之间正在发生什么"上。
这两种答案不冲突，而且合起来最完整。但它们的起点不一样，产出的东西也不一样。
象思维靠两个东西驱动，我叫它两核心。
第一个是整体直观性。就是刚才说的，一眼看见整体关联的能力。这个能力不是玄的，它是有生理学基础的——人脑在"放空"和"分析"两种状态之间来回切换，放空时的那个网络负责的是整体联想、自传体想象、把不相干的事连起来；分析时的那个网络负责的是目标维持、逻辑推理、一步步推。象思维主要跑在前一个网络上。
这里我要当场纠正一个流传很广的说法。很多人（包括一些很认真的写作者）喜欢讲"象思维是右脑，逻辑思维是左脑"。这个说法不对，现代脑科学并不支持严格的功能分工，脑成像研究从来没发现过"只用半边脑"的健康成人。左右脑分工是个通俗比喻，不是科学结论。
那准确的讲法是什么？是两套大规模脑网络之间的协同与切换：一个偏整体联想，一个偏分析控制。象思维偏前者，逻辑思维偏后者，但任何一次真实思考都是两边一起干活，只是配比不同。这个讲法不如"左右脑"好记，但它是真的，而且它有个额外的好处——它暗示了一件事：这两套网络是可以训练着互相切换的，这就把象思维从"天赋"变成了"功夫"。
第二个核心是悟性。悟性这个词容易被说玄，我给它一个操作定义：悟性 = 长期积累的象库 × 提取速度。你见过多少象，决定了你的象库有多大；你练过多少次提取，决定了你能不能在需要的时候把它调出来。
这样定义的好处是，悟性不再神秘了。它等于"经验 × 熟练度"，跟任何其他手艺没有区别。老中医的悟性高，是因为他看过三万个病人并且复盘过；一个刚毕业的医学生悟性再好也断不准，不是天赋不够，是象库太小。
所以悟性是可以培养的，培养方式就三条：多接触原始素材（看、听、经历，而不是只看别人的结论）、多复盘（把断错的象记下来）、多静（静不是玄，静是降低噪声，让微弱的整体信号能冒出来）。
象思维不是我发明的，也不是哪个人发明的，它是中国传统学问的底层操作法。三个最硬的证据：
《易经》。"易者，象也；象也者，像也。"整部《易经》的运作方式是：先取一个象（比如"乾"取的是天的健行不息），再用这个象去比类万事万物中"同样健行不息"的那些态势。它从头到尾不给你定义，只给你象。
中医。"司外揣内"这四个字是象思维的教科书级表述——通过外面的表现，揣摩里面的状态。中医看舌头、摸脉象、问睡眠，都不是在找那个"病灶实体"，是在读一组态势。为什么中医讲"同病异治、异病同治"？因为它治的不是病名，是象。
五行。五行是取象比类最成熟的形态。木火土金水从来不是五种物质，是五种功能态势：木是生发条达，火是炎上温热，土是承载化育，金是收敛肃降，水是寒凉润下。你把一个人、一个团队、一个市场往这五类上归，归的不是"它是什么东西"，是"它这股劲儿朝哪个方向走"。
这三个证据有个共同点，值得你记住：它们都不是"解释世界"的，是"操作世界"的。取象从来不是为了说清楚，是为了接下来能动手——能开方、能断事、能调人。这一点后面讲"观象制器"的时候还要回来。
最后给三条能当场用的判据，用来分辨你遇到的是真象思维，还是有人拿它当挡箭牌。
判据一：能不能说出取的是哪个象。真取象的人能指出来——"我取的是'水漫出来'这个象，对应的态势是……"。说不出来的，多半是在凭感觉，不是在取象。
判据二：这个象能不能换成别的象来对照。真象是可以被挑战的：你取了"水漫出来"，我能不能取"火被压住"？两个象放在一起，哪个更能解释眼前的事实，是可以辩的。凡是"只此一象、别无他解"的，要警惕。
判据三：取完象之后，有没有下一步动作。象思维的落点永远是"观象制器"——取完象要做东西、要动手。如果一个人取完象之后只有感叹，没有动作，那他取的可能不是象，是情绪。
象思维对应的是你给 AI 的情境。别只说"帮我分析这个季度业绩下滑"，先说"这件事的态势更像什么——是慢慢渗水，还是突然断电，还是被什么东西压住了"。你给的象越准，它后面的框架越对得上。
反过来说：AI 可以帮你验证象（"还有别的象能解释吗"），但它很难替你取出第一个象——因为它没有你在这个具体处境里的体感。
第三章 思维模型：一切模型都是错的，但有些有用
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
先给思维模型下一个能用的定义：
思维模型是对现实的一次有损压缩——丢掉大部分细节，换来可计算、可推理、可传递。
关键词是"有损"。
这就像把一部两小时的电影压成一段三十秒的预告片。预告片有用吗？太有用了，你能靠它在三十秒内决定要不要看这部片子。但你会说"我看过预告片了，等于看过电影了"吗？不会。因为压缩一定丢东西，丢掉的那部分恰恰是细节、质感、意外。
模型也是这样。供需关系这个模型，把千千万万个具体的买卖行为压缩成两条曲线，于是你可以"计算"价格会往哪走。但你同时丢掉了：这个卖家的性格、那天的天气、买家老婆的一句话。丢掉的这些东西不是不重要，是在这个模型里被判定为不重要。
所以那句名言才成立："一切模型都是错的，但有些有用。"
错，是因为它必然丢东西，所以它永远不等于现实。有用，是因为丢掉的东西在某些场合确实可以暂时不管，而换来的是"能算"这个巨大的好处。
会用模型的人跟不会用的人，区别不在于知不知道模型是错的，而在于知道它错在哪儿。
这句话被引用得很多，但我发现大多数人只是记住了这句话，没真正用它。
地图和疆域的关系，有三层意思：
第一层：地图不是疆域。你拿着北京地铁图，不等于你到了北京。这一层谁都知道。
第二层：地图的有用之处恰恰来自它的"不全"。一张 1:1 的地图是没有用的——它得跟北京一样大。地图之所以有用，是因为它砍掉了树、楼、人、天气，只留下线路和站名。模型也一样：它的价值来自它丢掉了什么，不是来自它保留了什么。
这一层很多人不知道。他们拿到一个模型，第一反应是"这个模型不够全面"，然后试图往里加东西，最后得到一个又全又没法用的东西。
第三层：用错地图比没有地图更危险。你拿着一张十年前的地铁图找路，你会坚定地走向一个已经不存在的出口。而如果你手里什么图都没有，你至少会问问路人。
这一层最重要，也最少人提。第一章说的标签癖，危害就在这儿——不是因为他没有模型，是因为他有一个错配的模型，而且他对此非常确信。
我自己的一次教训：有一年我用"复利模型"去规划一件需要三年才见效的事，规划得特别漂亮，曲线画得特别好看。结果十四个月就撑不住了。错在哪？复利模型有一个隐含前提——每一期的收益要能重新投进去，而且过程不能中断。我那件事的收益是断断续续的，中间还有两个月完全停摆。模型没错，是我拿了一个要求"连续"的模型，去算一件"断续"的事。
这个错误花了我十四个月。这就是"用错地图比没有地图更危险"的实证。
我们手上的模型不是凭空来的，它们是从五个学科里"迁移"过来的。知道出处有好处——你会更容易记住它的适用条件。
| 来源 | 贡献了什么 | 代表模型 | 它天然擅长 |
|---|---|---|---|
| 物理学 | 对确定关系的信心 | 临界质量、氧化还原 | 有明确因果的场景 |
| 生物学/生态学 | 对演化和共生的理解 | 共生关系、竞争排斥、最小可行种群、遗传与变异 | 长周期、多主体 |
| 经济学 | 对激励和稀缺的洞察 | 供需、机会成本、边际效应、规模效应、网络效应 | 有人在其中做选择 |
| 数学/统计学 | 对分布和不确定性的处理 | 幂律、正态分布、贝叶斯、随机游走、复利 | 有大量重复样本 |
| 工程学 | 对失效和冗余的警惕 | 失效模式、冗余备份、安全边际、瓶颈理论 | 系统稳定性和可靠性 |
心理学和博弈论我单列一下，因为它们特别容易被误用。博弈论（囚徒困境、激励相容、信号理论）的前提是"各方都在理性地追求自己的利益"，而现实中人经常不理性，所以博弈论模型一旦套在人身上，要格外小心——它能告诉你"如果人都理性会怎样"，但不能告诉你"人会怎样"。
这五来源里，工程学贡献的模型最被低估。失效模式、安全边际、冗余备份，这些模型不性感，但它们是唯一一类"默认你会失败"的模型。其他学科的模型都在告诉你怎么成功，工程学在告诉你失败了会怎样。这个视角在真实决策里极其值钱，第二章之后你会反复见到它。
拿到一个模型，你怎么判断它值不值得用？三条标准：
好模型的三个特征：
坏模型的三个特征（看到就要跑）：
这里要当场纠正一点：不可证伪的模型不一定没用，但它不能用来做决策。有些框架（比如某些人格分类）作为"提醒你还有这个角度"的工具是好的，但你要是拿它去决定用不用一个人，那就是拿信仰当尺子。
这是本章最实用的一节。以后你每遇到一个新模型，不管是从书上看来的还是别人推荐的，先问它四句话，答不上来就先别用：
第一句：它压缩掉了什么？
每个模型都在丢东西。你先搞清楚它丢了什么，才知道它在什么场合会坑你。复利模型丢了"过程的连续性"，博弈论丢了"人的非理性"，供需模型丢了"情绪和预期"。
第二句：它在什么条件下成立？
找它的前提，不是找它的结论。前提比结论重要十倍。
第三句：它预测什么？
如果一个模型只能解释不能预测，把它归到"语言工具"那一类——用来沟通可以，用来决策不行。
第四句：它有可能被什么事实推翻吗？
如果答案是没有，那它不是模型。
这四问我会贯穿全书。到第四编讲组合的时候，你会发现这四问恰好也是判断两个模型能不能放在一起的依据。
最后留一个扣子。这一章讲的都是"单个模型"，但有一个东西我一直没说清楚：框架和模型不是一回事。MECE、逻辑树、7S、五力、3C 这些，严格来说不是模型，是模型的组合模板——它们不告诉你世界怎么运行，它们告诉你思考的时候该分几格。这个区别在第十一章会展开，而且它是理解第四编"组合"的一把钥匙。
让 AI 用某个模型分析之前，先让它把模型的失效条件一起说出来。你可以直接这么问："用 X 模型看这件事，并且告诉我 X 模型在什么情况下会失效、它压缩掉了哪些信息。"
只问"用 X 模型分析"，你会得到一份很顺的分析，而且它不会主动告诉你这个模型在这儿其实不适用——AI 天然倾向给你一个答案，而不是给你一个警告。
第四章 从并列到双层：本书的核心主张
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
关于象思维和思维模型的关系，流传最广的说法是这句：
象思维管从 0 到 1，思维模型管从 1 到 N。
这句话在很多文章里出现过，包括我自己早年的一些笔记。它好听、好记，而且在某个层面上是对的——象思维确实擅长开新，思维模型确实擅长优化。
但它作为一个操作指南是错的。错在它把两样东西放平了。
放平了会推出什么？会推出"一半的问题用象思维，一半的问题用模型"。于是你遇到一件事，第一反应是"这个是 0→1 还是 1→N"，然后按分类选工具。
这个分类动作本身就是个坑，因为绝大多数真实问题不是纯的。你大概没遇过纯粹的"从无到有"——任何一个新问题，都有大量部分是旧的、可以用现成模型处理的；任何一个老问题的优化，中间也总会冒出一两个从没见过的新情况。
更要命的是，这个说法会让你跳过最关键的那一步。
你想想真实场景。一件事摆在你面前，你手上有七十个模型。你要做的第一个判断是什么？不是"这是 0→1 还是 1→N"，是"这到底是一个什么类型的事"。是资源不够，还是方向不对？是人的问题，还是流程的问题？是慢性的，还是急性的？是一次性的，还是会反复出现的？
这个判断做出来之前，你连该往哪个抽屉里找模型都不知道。
而这一步，象思维和思维模型之间的"并列分工"完全没有交代。这就是那句话最大的漏洞。
我给你讲一件事，是我自己办的，办砸了。
有一年我们要解决一个团队的效率问题。当时的判断很直接：效率问题，那就找瓶颈。瓶颈理论是个好模型，我挺熟，于是开干。找了三天，找到了——卡在审批环节，一个人手里压着所有的单子。
方案很顺：加一个人分担审批。加了。
结果效率没变。为什么？因为真正的卡点不在审批的人手，在于这批单子里有一半是前面环节填错返工的。审批口子只是看起来堵，其实是在替前面背锅。
我错在哪？我错在拿到问题就直接进模型。我脑子里跳过了"这到底是个什么类型的事"这一步，直接默认它是"流程瓶颈型"，然后调用了一个流程瓶颈模型，而且这个模型给了我一个特别合理、特别专业的答案。
正确的做法是什么？是先用那么几分钟，把这个团队的运作看一遍——不是分析，是看。看看单子是怎么流的，看看人是什么状态，看看哪些地方大家会叹气。看完你会发现，这件事的"象"不是"管道堵了"，是"上游在往管子里扔石头"。
这两个象对应的解法完全不同。管道堵了要疏通，上游扔石头要回去管上游。
那次我多花了三周才补回来。三周，加上加错人的那笔人力成本。
所以我把那句流行的话改掉。真实的结构是分层的，而且是四步：
第一步：定性（这是哪一类事）。
还没有任何模型上场。你只是在看、在感受、在给眼前这件事贴第一个标签——不是模型库里的现成标签，是"这事儿的劲儿朝哪走"。
第二步：择模（哪几个模型对口）。
定性完了，才轮到模型。注意是"哪几个"，不是"哪一个"——第五章之后你会看到为什么一个不够。
第三步：定序（谁先谁后，谁唱反调）。
挑出来三四个模型，它们之间是有先后、有主次、有分工的。这一步没人教过，但它是真功夫。
第四步：验算（这算不算解对了）。
前三个模型算出来的结论，要拿约束、代价、可逆性去打分，才知道能不能落地。
这四步里，第一步在上面，第二三步在下面，第四步扣回来。这就是"双层"的意思。
我把它画成这样，全书后面都用它：
调 度 层（象思维）
取象 → 定性 → 定序
↓ 择模调用
↑ 验算回流
执 行 层（思维模型）
数理 · 系统 · 博弈 · 决策 · 工程三条说明：
调度层只有象思维能干。定性这件事，模型库帮不上忙。因为模型是给已经有标签的东西用的，而你要做的是给一件还没标签的事贴第一个标签。这就像你进了书店，你得先知道自己要找的是"菜谱"还是"地图"，检索系统才能帮你；你如果只知道"我要一本书"，检索系统再强也没用。
执行层是模型库的地盘，而且 AI 会越来越强。模型检索、框架套用、序列生成，这些 AI 干得比人快、比人全。这一层的事，人迟早要让出去——这不是悲观，这是分工。
中间那两根箭头是关键。往下是"择模调用"——调度层决定调用谁；往上是"验算回流"——执行层算出来的东西要回到调度层去，用象思维再看一眼："这个答案，跟我刚才取的象对得上吗？"
对不上就是有问题。这一句话能救很多次决策。你算出来说"应该降价"，你回头看你刚才取的象——如果你取的是"客户不信任我们"，那降价就是错的解法；如果你取的是"客户嫌贵"，降价才对。
原命题里有一句话，我改了："找到解决问题的最优解" 改成了 "找到当前约束下的更优解"。这个改动是立场的改动，不是措辞的润色。
理由有三条。
第一，复杂问题里没有最优解，只有满意解。这是一个六十多年前就被说清楚的事：人的信息处理能力是有限的，真实世界的约束是多样的，所谓"最优"需要的计算量，在真实场景里根本付不起。所以真实的决策者追求的不是最优，是"够好了，而且我知道为什么够好"。
第二，"最优"这个词会让人放弃判断。一旦你相信存在最优解，你的行为模式就变成"找那个最优"，而不是"评估这几个选项各自的代价"。前者是找答案，后者是做决定——这两件事完全不同。
第三，说"最优"是要负责的。你在纸上写"最优解"，读者拿去用在真实的事上，出了事他回来找你。而我给不了这个承诺，因为任何一个解的好坏，都取决于三样我没法替你定的东西。
哪三样？就是验算的三个刻度：
| 刻度 | 问什么 | 谁说了算 |
|---|---|---|
| 约束 | 谁的资源、多长周期、哪些东西不能动 | 只有你知道 |
| 代价 | 要付多少钱、多少时间、多少关系、多少能量 | 只有你付得起才知道 |
| 可逆性 | 这个决定能撤回吗？撤不回的话要多付多少谨慎 | 只有你承担后果 |
这三个刻度一摆，你就明白为什么不能说最优了——最优是对比出来的，而你这三条约束跟别人的完全不一样。对你最优的解，对我可能是毒药。
所以全书统一口径，只说更优解或适配解。第十九章会给这三个刻度的打分表，那是"更优"的判定规则。
把这章压缩成一张卡，后面所有章节都是它的展开：
象思维在上，做调度：取象、定性、定序。
思维模型在下，做执行：挑 2–4 个对口的，排好顺序，算。
中间两根箭头：往下择模调用，往上验算回流。
最后的判定：约束、代价、可逆性三条刻度打分，得出当前约束下的更优解。
不说最优解。
前三编（第五到十四章）把上下两层分别讲透，第四编（第十五到二十章）讲两层之间怎么配合，第五编（第二十一到二十五章）讲这套东西怎么落到你自己身上、怎么跟 AI 配合。
双层结构直接翻译成给 AI 的话就是：先说情境，再指定框架，再指定顺序，最后给验收标准。
具体到一句话："这件事的态势是 X（取象），请用 A、B 两个模型来看（择模），先看 A 再看 B，并指出两者的冲突（定序），最后告诉我按'三个月内能落地、预算不超过 Y、做错了能撤回'这三条，这个建议能打几分（验算）。"
这四要素说全了，你拿到的东西跟只说"帮我分析一下"，是两个世界。
第五章 取象：看见别人没看见的东西
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
取象这两个字里的"取"，是个动作，而且是个有点狠的动作。
它不是看，不是观察，不是收集信息。它是在连续不断的经验流里，咔嚓一刀切出一个东西来——这一刀切在哪，决定了你后面所有的判断。
打个比方。你看一条河，水一直在流。取象就是在这条流里认出"这一段在打旋"或者"这一段被石头挡住了"。水并没有在那里断开，是你在那里做了个切割，切出来一个可以谈论的对象。
所以取象的第一个特征是：它切出来的东西，不是本来就有的，是你认出来的。
这也解释了为什么不同的人对同一件事会取出完全不同的象——不是谁看错了，是切的地方不一样。
取象难，难在一个很具体的敌人：概念。
你看见一棵树。在你认出"这是树"的那一瞬间，你的感知就停了。你已经知道它是树，你不需要再看了。接下来你脑子里调出来的是"树"这个概念附带的一堆信息——有根、有叶、会进行光合作用——而不是你眼前这棵具体的树。
概念是高效的。它让你不用每次都重新认识世界。但它的代价是：你在认出概念的那一刻，就停止了感知。
这对取象是致命的。因为象思维恰恰要在概念介入之前工作——第二章说的"前语言性""前逻辑性"，就是这个意思。你要在还没给它命名的时候，先看见它。
我自己练这个的时候，用了一个笨办法，效果却最好：看一个东西，写出二十条描述，一个概念词都不许用。
比如看一个杯子。不许说"杯子"，不许说"陶瓷"，不许说"圆柱形"。你要说的是：凉的、比手掌重一点、口沿有一道摸得出来的凸起、底部有一圈没上釉的粗糙、装了水之后下半截颜色变深、敲一下声音很闷……
写到第十五条的时候，你会发现你开始真正看见这个东西了。前面十几年你只是知道它是个杯子。
这个练习我会在附录 B 里给完整版。这里先记住它的原理：剥夺概念，感知才会回来。
取象能不能取准，取决于两件事，缺一个都不行。
第一个条件：静。
静不是玄，静是降低噪声。
你想想一个场景：你在一个吵闹的房间里，有人在你耳边说了一句很重要的话，你没听清。不是你耳朵不好，是噪声太大。取象也是这样——你脑子里那些没处理完的邮件、刚才那场不愉快的对话、明天要交的东西，全是噪声。而象是个很微弱的信号，噪声一大，它就冒不出来。
所以"静"的操作定义是：把那些待办事项从工作记忆里暂时清出去。具体怎么清？最有效的办法是写下来——把脑子里转的东西倒在纸上，它们就不再占你的内存了。这不是冥想，这是个认知技巧，五分钟就够。
第二个条件：熟。
熟是象库的大小。
一个从没看过鱼的人，进不了菜市场挑鱼。他不知道鱼眼亮是什么意思，不知道鱼鳃发暗意味着什么。老厨师看一眼就知道这条鱼死了多久，靠的不是天赋，是看过一万条鱼。
所以取象的第二个条件是：你得在这个领域里泡够久，见过足够多的原始素材。
这两条合起来，取象的能力公式就出来了：
取象能力 = 象库大小 × 信噪比
象库靠积累，信噪比靠静。前者是慢功夫，后者是当下就能调的。这也是为什么在一些你并不熟悉的领域里，你依然可能取对象——因为你信噪比高，虽然象库不大，但你能把那个微弱的信号听清楚。
给你看一个真实的对比。
一次项目复盘会，会开到一半，明显卡住了。同样的会议、同样的材料、同样的一小时，两个人给出的判断完全不同。
第一个人说："问题在于流程。立项之后有四个审批节点，每个节点平均卡 2.7 天，加起来就是十一天。这十天里市场情况变了。所以应该砍掉两个节点。"
第二个人说："问题在于大家不敢做决定。我注意到一个细节——每次到了要拍板的时候，所有人都会看向同一个方向，那个人不在，会就散了。这不是流程慢，是没有人敢担这个责任。"
你看，同一次会议，两个象：
这两个象对应的解法完全不同。如果按第一个象去干，你会去砍审批节点，砍完之后会发现：会照样散，因为大家还是不敢拍板。如果按第二个象去干，你要解决的是授权和担责的问题，节点一个都不用砍。
哪个对？在这个具体场景里第二个对。但我说这个不是为了表扬第二个人，是为了让你看见：取象这一步的分歧，会导致后面所有工作的方向性差异，而且这个差异在"分析"阶段是发现不了的。
你用任何模型去分析，都能给第一个象找到一堆支持的数据（审批节点确实卡了 2.7 天，数据是真的）。数据没骗人，是象取错了。
这就是为什么取象必须在择模之前。顺序错了，你越专业，错得越深。
这一节给你一个当场能做的练习，五分钟。
第一步（30 秒）：把脑子里所有待办写在纸上，写完合上。这是"静"。
第二步（3 分钟）：看着你要处理的这件事（可以是一份材料、一个现场、一段对话记录），写下你直接感受到的东西，只写感知，不许下判断。
判断和感知的区别，举个例：
| 感知（可以写） | 判断（不许写） |
|---|---|
| 他把方案翻了三页又翻回去 | 他对方案不满意 |
| 会上没有人提价格 | 大家对价格没意见 |
| 这个文件改了四版 | 这件事很复杂 |
看出来了吗？左边是摄像机能拍到的，右边是你脑子里的结论。取象阶段只要左边。
第三步（1 分钟）：看着你写的这些感知，问自己一句："这整体的劲儿，像什么？"
不是像哪个模型，是像生活中的什么场景。像水漫出来？像火被压住？像一根绳子两头拉？像一辆车在爬坡？像有人在门外徘徊？
第四步（30 秒）：把这个"像什么"写下来，然后问自己：如果它真的就是这样，那我应该先看哪里？
这四个步骤走完，你就有了一个象，和一个初步的方向。整个过程五分钟。而它替代掉的，是你原本要花两小时列的七个角度。
取象这一步几乎完全不能交给 AI——因为它没有你在这个处境里的体感，它看不到会上那个人翻方案的动作。
但 AI 可以干两件事：一是帮你检查象，你把取到的象告诉它，让它问"还有别的象能解释同样的现象吗"；二是帮你找反例，"如果这个象成立，应该还能观察到什么，现在观察到了吗"。
简单说：象你来取，证伪让它干。
第六章 三层次：物象、意象、原象
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
上一章讲了怎么"切出"一个象。这一章讲切出来的象有三个层次，以及为什么分不清层次是取象最常见的失败。
象思维里的象分三层：物象、意象、原象。这三层不是三种象，是同一个象的三种深度。
物象层：感官可及的那部分。
就是你能看见、听见、摸到、数出来的东西。客户投诉了三次、这个月离职了两个人、生产线停了两小时、他的手在抖——这些都是物象。
物象的特点是可以记录、可以传递、可以核对。你说"投诉了三次"，别人去系统里一查就知道对不对。所以物象是所有讨论的地基——没有地基，上面两层都是空转。
意象层：关系和态势。
到了这一层，你开始说"这些东西之间正在发生什么"。投诉三次、离职两人、停线两小时，这三件事凑在一起意味着什么？如果它们都发生在同一个部门，那可能是"这个部门正在失血"；如果它们分散在不同部门但都发生在同一个月，那可能是"公司在经历一次结构性的挤压"。
意象层的关键动作是把分散的物象串成一个态势。木行人"身材修长、面色青白、性子直、容易在春天不舒服"——单看每条都是物象，把它们串起来，得到的"像树木一样向上生长、受压抑则郁结"才是意象。
意象层的东西可以说出来，但说不准。你说"这个部门在失血"，对方完全可能说"不，这是在换血"。这不是谁对谁错，这是意象层的正常状态——它本来就是可以被挑战的。
原象层：那个根本的东西。
再往下走，你会碰到一层说不清楚的。不是因为它玄，是因为它太普通了，普通到没有东西可以比喻。
比如你在一个团队里待久了，你会形成一种说不清的"这个团队的气质"。你没法用一两条态势去描述它，但你能一眼认出某个行为"像这个团队会干的事"或者"不像"。这个东西就是原象层的东西。
原象的特点是不能直接说，只能借别的事来指。就像你不能定义"什么叫红"，你只能指着一朵花说"就是这个"。
给你一个能当场用的判据，就一个问题：这个东西，你能不能画出来？
| 层次 | 画得出来吗 | 说得出来吗 | 怎么检验 | 例子 |
|---|---|---|---|---|
| 物象 | 能，直接拍下来 | 能，而且能核对 | 去查记录 | 投诉三次、离职两人 |
| 意象 | 能，但要画成关系图 | 能，但会被挑战 | 看它能不能推出新观察 | 这个部门在失血 |
| 原象 | 画不出 | 说不准，只能借事指 | 只能靠"像不像"来验 | 这个团队的气质 |
判据的关键在中间那一列。物象是能被核对的，意象是能被挑战的，原象是只能被"认出"的。
这三种检验方式完全不同，混用就会出事。最常见的混用是：拿检验物象的方式去检验意象。有人说"这个部门在失血"，另一个人说"数据呢？"——这就错了，意象本来就不是数据能证明的东西，它能证明自己的方式是"如果这个象成立，那我们还应该看到 X、Y、Z"（可推出的新观察），而不是"数据支持它"。
错误一：停在物象层，以为自己在思考。
这是最多人犯的，而且是越"专业"的人越容易犯。
一份报告里写满了数据：转化率 3.2%、环比下降 0.7 个点、用户停留时长 47 秒、跳出率 61%……全是物象，一条意象都没有。读完你知道了很多数字，但你不知道这件事正在发生什么。
停在这一层的人有个特点：他们特别喜欢说"让数据说话"。但数据不会说话，数据只会站着。说话的是你，是你把散落的数据串成一个态势。
我见过最极端的一个例子：一份四十页的调研报告，全部是图表，最后一页的结论是"建议持续关注"。四十页物象，零个意象，零个结论。
错误二：跳过意象，直奔原象。
这个错误的危害更大，而且它往往被当成"高水平"。
一个人刚到一个新环境，没几天就说"我感觉这个公司的气场不对"。这可能是对的——也可能他只是没耐性看物象。
跳过意象的后果是：你没有一个可以讨论的中间层，于是你的判断无法被检验，也无法被传递。你说"气场不对"，别人没法跟你辩，因为你们没有共同的意象层可以对照。最后要么大家听你的（危险），要么大家不听（你也说不出理由）。
更要命的是，跳过意象的人经常是对的，但他自己不知道为什么对。这种"对"是不可复制的——下次他可能就错了，而他自己也预警不了。
所以正确的顺序只能是：物象 → 意象 → 原象，一层一层走，不能跳。
物象是地基（能核对），意象是结构（能讨论），原象是那个最终的"认出"（能意会）。三层都走到，你的判断才既扎实又通透。
以后你做出任何一个判断，都可以拿这张卡归一下层，看看自己是不是漏了哪一层。
第一步：写下你的判断。
比如："这个项目做不成。"
第二步：问它属于哪一层。
第三步：补上缺的层。
第四步：检查能不能往下走一层，或者往回退一层。
从物象往意象走，是"这些事实意味着什么"；从意象往原象走，是"抛开这些具体态势，最根本的是什么"。往回退是检验：如果我的意象是对的，我应该还能观察到什么？
AI 在物象层极强（整理、统计、比对），在意象层中等（能提出几种可能的态势，但挑不出哪个更像），在原象层基本无能（它不在现场，没有体感）。
所以分工很直接：让 AI 把物象理干净（"把这三条线的数据按时间排出来，标出异常点"），让 AI 给意象提候选（"这些数据可能对应哪几种态势"），但最后选哪个象，人来定。
一句可以复制的话："以下是事实，请给出三种可能的态势解释，并分别说明每种解释还会推出哪些可观察的现象。"
第七章 四步法：观物取象、立象尽意、取象比类、观象制器
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
很多人对象思维有个误解，以为它就是"灵光一闪"。
这个误解有害，因为它让取象变成了不可学的东西——你要是没闪，那就没办法了。
实际情况不是这样。取象是一套有步骤的动作，四个动作，每个都能练。这四个动作有个传统的名字，叫观物取象、立象尽意、取象比类、观象制器。十六个字，四步，从看见东西一直走到做出东西。
我逐个拆开讲，每一步都给你能当场做的动作。
这一步要做的：收集原始素材，不加评判。
这一步的产物是物象（第六章讲的那一层）。它的规矩只有一条：只收，不判。
这一条极难做到。你看见客户皱眉，脑子里立刻跳出"他不满意了"——这就是评判，而且是在物象还没收全的时候就下了结论。
正确的做法是把它记成"客户在讲价格的时候皱了眉"，把"他不满意"这个结论先按住。
为什么这么较真？因为你一旦下了结论，后面所有新进来的信息都会被这个结论过滤。你会自动忽略掉跟"他不满意"矛盾的那些细节。等你要回头找的时候，它们已经不见了。
这一步有个很实用的技巧：用录音或速记，不要用脑记。脑子的容量有限，而且它会边记边加工。写下来就是写下来，它不会自己变成结论。
这一步的产出：一份只含感知、不含判断的素材清单。第五章那个"二十条描述"就是这一步的练习版。
这一步要做的：把那个朦胧的整体感，固定成一个可以谈论的象。
观物取象收了一大堆素材，这时候你脑子里会有一个模糊的"整体感觉"。这个感觉是宝贵的，但它有两个问题：它会丢，而且它说不出来。
它会丢，是因为感觉是最容易忘的东西——睡一觉就没了。它说不出来，是因为它还在意象层以下，没成型。
所以第二步的操作就一个动作：给它一个名字。
不是给它一个概念名（比如"流程问题"），是给它一个象的名字——"这像水漫出来""这像两头拉绳子""这像有人在门外徘徊"。
这个动作看起来土，作用极大：
我自己写作的时候，这一步是救命的。很多时候我卡住写不下去，不是因为没想清楚，是因为那个象还没立起来——它在脑子里转，但没名字，所以我抓不住它。一旦我把它写成一个比喻（"这个论证像一根撑不住的杆子"），后面就顺了。
这一步的产出：一句话的象。"这事像……"
这一步要做的：从这个象，推向同类的事。
"比类"是取象比类的核心——凡是同一类态势的事，会遵循同一个道理。
比如你取了"水漫出来"这个象。水漫出来有什么特点？它不会只从一个地方出来，你堵住这里它会从那里出来；它需要先有积水，漫出来只是最后一步；堵不如疏。
然后你比类到眼前这件事：员工的抱怨从三个不同的地方冒出来（像水从多个地方渗出），说明底下已经积了很久（有积水），处理的时候不能只堵那个最响的抱怨（堵不如疏）。
你看，从"水漫出来"这个象，你推出了三条可以检验的判断。这就是比类的价值：它让你从"这像什么"走到"那应该会怎样"。
比类的规矩有两条：
规矩一：要比的是态势，不是外形。木行人不必长得像树，比的是"生发向上"那个劲儿。你要是按外形去比，就会比错。
规矩二：推出来的东西必须可检验。从象推出的每一条判断，都要能变成"那我应该还能看到 X"。推不出可检验的东西，说明这个象取虚了。
这一步的产出：三条以上可检验的推论。
这一步要做的：把象变成可以动手的东西。
"制器"这个词来自《易经》，原意是圣人看到某个卦象，就发明出对应的器物或制度。用今天的话说：取象的终点不是想清楚，是做出来。
这一步是象思维跟纯粹"感悟"的分水岭。感悟到此为止，取象必须走到这里。
从象到器，操作上有三种走法：
走法一：顺着象的性子做。
象是"水漫出来"，水的性子是往下流、往低处走。那你做的东西就应该是"开一条往下的通道"，而不是"加高堤坝"。比如员工抱怨多，与其加强管控，不如开一个能让抱怨顺畅流到决策层的通道。
走法二：反着象的性子做。
有时候象告诉你的是"现在这个态势太过了"，那你就做一件反向的事。象是"火太旺"，你做的就不是添柴，是撤柴或者加水。
走法三：换个地方做。
象告诉你"问题不在你看的地方"。象是"上游在扔石头"，那你要做的就不在下游疏通，而是回到上游去管。第四章那个团队效率的例子，就是这一类。
这一步的产出：一个具体的、明天早上能开始做的动作。
如果走到第四步你还没有一个具体动作，那说明前面三步里有一步是虚的——回去补。
给你看一个完整的四步流程，用一个小例子。
有家餐厅（我熟悉的一家）有一道菜，厨师觉得味道对了，客人觉得不对。厨师改了三次配方，都不管用。
观物取象：不去尝味道，先去看。看客人怎么吃这道菜——大多数人第一筷子夹起来，吃了一口，然后就放下了，转向别的菜。有个细节：他们放筷子的时候，盘子里还剩很多汁。
立象尽意：这个象是"客人被第一口挡住了"。不是"不好吃"，是不好吃到第一口就停了——如果是不好吃，他们会挑挑拣拣地吃几口再放弃；放下得这么干脆，是被第一下击退了。
取象比类："被第一下击退"这个类里，常见的有几种：太咸、太烫、太冲。看盘子剩汁这个细节——汁剩得多说明不是味道的问题（味道不对的话，汁也不会被剩下），那是温度或者冲击力的问题。查了一下，这道菜是热油泼上去的，上桌时表面温度极高。
观象制器：不是改配方，是改流程——出餐前静置四十秒，同时把盘子换成散热快的浅盘。改完，剩汁没了，复点率上来了。
你看，如果一上来就"分析味道"，会一直在配方里打转，而真正的问题在出餐流程。这就是四步法的价值：它让你在正确的层面上动手。
顺便说一句，这个例子也说明了为什么"局部最优"常常没用。厨师把味道调到最优（局部最优），但客人第一口就被烫跑了，那个最优一点用都没有。全局的那个东西，往往不在你打磨的地方。
| 步骤 | 要做什么 | 规矩 | 产出 | 常见的错 |
|---|---|---|---|---|
| 观物取象 | 收素材 | 只收不判，写下不加工 | 感知清单 | 一边收一边下结论 |
| 立象尽意 | 给象命名 | 用比喻，不用概念 | "这事像……" | 用概念代替象（"流程问题"） |
| 取象比类 | 推可检验的判断 | 比态势不比外形 | 三条可检验推论 | 推出不可检验的东西 |
| 观象制器 | 变成动作 | 顺象性／反象性／换地方 | 明天能开始做的动作 | 停在感叹，没有动作 |
最后一栏是重点。每一步都有一个特征性的错误，你对着检查一下，就知道卡在哪一步了。
四步里，第一步和第二步几乎全靠人（AI 不在现场），第三步 AI 能帮大忙（它能快速给出"这个象还能推出什么"），第四步要人拍板（因为它涉及代价和可行性）。
一句可以复制的话："我取的象是 X。请从这个象出发，推出五条可观察、可检验的判断，并说明每条判断如果成立，我还能看到什么迹象。"
注意别让 AI 替你立象。你让它"帮我取个象"，它会给你一个听起来很像那么回事的比喻——但那不是取象，那是造句。
第八章 卦变五维：中国原产的多视角序列
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
"错综复杂"这四个字，你现在用它形容事情难搞。
但它本来不是形容词，是四个动词，而且是一套完整的操作方法。它们来自《易经》的卦变系统：
两千多年前，中国人就用这套动作对同一个问题换着角度看。这不是哲学，这是操作手册。
我把这套东西整理成五个维度，叫卦变五维。它是本书里我最想介绍给你的工具，理由有三：它是中国原产的、它极其简单、而且它恰好填补了"多模型组合"里最缺的那一环——换角度的顺序。
卦变五维就是五个固定的提问动作。你拿到任何一个象，都可以拿这五问去过一遍。
① 本卦：现在是什么样？
先看清楚当前的状态。这一步最容易被跳过，因为大家都急着"分析"。但本卦是所有后续的地基——你连现在是什么样都没看清，后面四个角度全是空中楼阁。
对应的问题："如果只能用一个画面描述现状，那是什么画面？"
这一问的产出必须是个画面，不是个判断。"业绩下滑 15%"不是画面，"水一直在往外漏，桶里的水位在降"才是画面。
② 变卦：往哪走？
看趋势。注意是趋势，不是"将来会怎样"。趋势是"照现在的样子接着走，会走到哪"，将来是"会发生什么"。前者能推，后者只能猜。
对应的问题："照这么走下去，半年后它会变成什么样？"
变卦最实用的地方在于它逼你处理时间维度。大部分人在分析问题时是静止的——他们描述一个状态，然后在这个状态上找解法。但真实的事都在流变里，半年后的那件事，跟现在这件可能根本不是一件事。
③ 互卦：里面是什么结构？
看内部。互卦的取法是把卦的中间几爻抽出来重新组成一个卦——用今天的话说：不看表面那层，看夹在中间的那层。
对应的问题："表面上看到的是 A 导致 B，那 A 和 B 中间还夹着什么？"
这一问是五问里最有杀伤力的，因为大部分错误都出在"把相关当因果"上。你看到"员工离职率高"和"项目延期多"同时出现，就以为前者导致后者。互卦会逼你去找中间那一层——也许是"关键知识没有人备份"，它同时导致了两件事。
④ 错卦：反过来看是什么？
把整个事情翻过来。阴阳全反。
对应的问题："如果我现在的判断完全是错的，那会是因为什么？"
这一问在第四章的双层结构里我会再讲一遍——它对应的是给组合配一个"佐"。凡是只有一个方向的分析，都是危险的。错卦是那个内置的刹车。
⑤ 综卦：换到对方的位置看是什么？
把整个卦倒过来看。同一件事，站在对方的位置上，它会变成另一个样子。
对应的问题："对方（对手、客户、下属、家人）看这件事，会看成什么？"
综卦跟错卦不一样，区别在这里：错卦是把结论反过来（我是对的 → 假如我错了呢），综卦是把位置换过去（我这么看 → 他那么看）。一个是反结论，一个是换立场。
这一点是本章的关键，我要说清楚。
你完全可以问自己"还有别的角度吗"，然后随便想五个角度。但那不是卦变五维，因为卦变五维的顺序是有意义的，而且这个顺序不能乱。
顺序为什么重要？因为前一步的产出是后一步的输入：
打乱顺序会怎样？比如你先做综卦（换位思考）再做本卦（看清现状）——你会发现自己换过去之后不知道该看什么，因为现状还没固定。
顺序有意义的另一个原因是：它可重复。你这次用这个顺序过一遍，下次还能用同样的顺序再过一遍，而且两次的结果可以对比。随机的"换个角度"做不到这一点——你下次想的角度跟这次不一样，两次没法比。
这就是为什么我说它是序列而不是"五个看法"。序列是可以练熟、可以复用、可以教给别人的；随机的角度不行。
讲到这里你大概已经看出来了：卦变五维就是"多模型组合"的东方版本，而且它比"随便组合几个模型"更严格——因为它规定了顺序。第十八章讲组合四步工序的时候，你会发现"取象"这一步的最佳工具就是这一章的五问。
我不是要说"我们古已有之"——那种话没有价值。我是要说：这两套东西可以互相检验，对照着看你会理解得更深。
| 卦变 | 看什么 | 西方最接近的模型 | 差别在哪 |
|---|---|---|---|
| 本卦 | 现状 | 现状基线 / 事实清单 | 本卦要的是画面，西方要的是数据 |
| 变卦 | 趋势 | 二阶效应 / 系统动力学 | 变卦更粗糙，但更快，不需要建模 |
| 互卦 | 内部结构 | 系统思考 / 因果回路图 | 互卦不画图，只问"中间夹着什么" |
| 错卦 | 对立面 | 逆向思维 / 证伪 | 基本同构，是东西方各自独立发明的 |
| 综卦 | 换位置 | 第二层思维 / 换位思考 | 综卦强调"整个倒过来"，力度更大 |
看最后一列。卦变五维的优势不是"更深刻"，是更轻——它不需要数据、不需要建模、不需要工具，五分钟就能过一遍。这个"轻"非常值钱，因为大部分决策现场你根本没有时间建模。
而西方模型的优势是更精确——它能算出具体的数，能给出可验证的预测。
所以最好的用法是：卦变五维用来取象和定性（调度层），模型用来算（执行层）。这正好落回第四章的双层结构。
给你看一个完整的五问流程，用一个日常的例子——"团队里一个能力强的人突然变得消极"。
本卦：他不是慢慢变差的，是某一天开始突然变的。像一根绷着的弦松了。（画面）
变卦：照这样走下去，三个月内他会走。而且不是他一个人——他带的两个年轻人会跟着动摇。（趋势）
互卦：表面上是"消极"，中间夹着什么？查了一下时间线，变化发生在上次评优之后。评优名单里没有他，但他负责的项目是唯一超额完成的。所以中间夹着的不是"能力不被认可"，是"承诺和实际之间的落差"。（内部结构）
错卦：假如我判断错了呢？也许跟评优无关，是他家里有事。检验办法：看他对其他事的态度——如果只是在涉及评优的场合冷淡，那就是评优的事；如果对所有事都冷淡，可能是别的。（反证）
综卦：站在他的位置看。他的视角里，这次评优说明什么？说明"在这个团队里，把事做好不等于被看见"。他不是要那个奖，他是在重新评估这个等式。（换位置）
五问走完，解法就出来了——而且跟"激励不足"这种套模型的结论完全不同。你要做的不是给他发奖金，是修那个等式：要么把评价机制改对，要么当面把"我看见了"这句话说清楚。
注意最后一问的威力。综卦经常能把一个"管理问题"变成一次"对话"。这就是为什么它排在最后——前面四问都在处理事，最后一问把人带回来了。
| 序 | 维度 | 一句话提问 | 产出 | 常见失败 |
|---|---|---|---|---|
| 1 | 本 | 现在是什么画面？ | 一个画面 | 用数据代替画面 |
| 2 | 变 | 照这么走，半年后什么样？ | 一个走向 | 猜"将来"而不推"趋势" |
| 3 | 互 | 表面因果中间夹着什么？ | 中间层 | 把相关当因果 |
| 4 | 错 | 假如我全错了，会错在哪？ | 反证方案 | 走过场，不真找反例 |
| 5 | 综 | 他看这件事，会看成什么？ | 对方的等式 | 把自己的想法安给对方 |
第四栏"常见失败"要特别看第四行：错卦最常见的失败是走过场。很多人会问一句"会不会是我错了"，然后立刻自己回答"应该不会"，接着往下走。这不叫错卦，这叫自我安慰。真正的错卦要花跟前面几问一样多的时间。
这是全书里最适合直接交给 AI 执行的一章，因为五问是固定顺序的、可重复的，正好是 AI 擅长的流程。
一句可以复制的话："以下是背景。请按五个固定视角依次分析：①现状用一个画面描述；②照此趋势半年后的走向；③表面因果之间可能夹着什么；④如果我判断全错，最可能错在哪，并给出检验办法；⑤对方视角会把这件事理解成什么。每个视角单独成段，不要混。"
但要注意：第一步（本卦：画面）最好你自己来。AI 给的画面常常是"概括"而不是"画面"，概括是物象层的东西，不是象。
第九章 象思维不能干什么
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
前面五章把象思维讲得挺好。如果不写这一章，你大概会觉得我是在推销一种万能的东方智慧。
不是的。
象思维有它干不了的事，而且这些事不是边缘情况，是日常生活里的大头。一个工具真正的成熟标志，不是它能不能被夸，是它敢不敢被划边界。
这一章我把它不能干的事一条条列出来。列完之后象思维不会变小，只会变硬——因为你会知道什么时候该用它、什么时候该收起来。
先说最难听的一句：象思维最大的风险是"怎么解释都对"。凡是事后全能解释、事前什么都没说的东西，都不可证伪，而不可证伪的东西，讲得越漂亮越危险。象思维如果不加约束，它就是这个东西。
第二章讲过六非，我说过它们既是本事也是软肋。现在来还这笔账——每一条本事，都对应一个具体的代价。
| 六非 | 本事 | 代价 | 代价落到谁头上 |
|---|---|---|---|
| 非实体性 | 看关系和态势 | 难定位：你说"这部门在失血"，别人问"哪个指标？"，你说不出 | 需要动手的人 |
| 非对象性 | 贴上去感受，不解剖 | 难复现：你感受到的，别人感受不到 | 需要交接的人 |
| 非现成性 | 不认固定答案 | 难积累：上次取的象，这次常常不能直接用 | 需要规模化的人 |
| 前语言性 | 抢在语言之前 | 难传递：教的时候只能说"你自己去感受" | 需要教学的人 |
| 前逻辑性 | 整体直入，不走楼梯 | 难检验：跳过了推理链条，出错时不知道错在第几步 | 需要纠错的人 |
| 非确定性 | 容得下模糊 | 难追责：结果不好时，"象没取准"这句话没法问责 | 需要担责的人 |
看最后一列。六条代价全都落在"需要跟别人协作"这件事上。
这不是偶然。象思维本质上是一种高度个人化的能力——它依赖你自己的象库、你自己的信噪比、你自己在现场的体感。个人化是它的力量来源（所以它能看见别人看不见的东西），也是它的成本来源（所以它很难变成组织能力）。
认清这一点，你就不会去干"让整个团队都学会取象"这种事了。正确做法是：让一两个人取象，让流程去承接取象的结果（第五编第二十二章会讲怎么接）。
这五条我在各种文章里见过无数次，逐条拆。
误会一："象思维就是具象思维。"
最普遍的误会。前面讲过，不重复。只补一句：具象思维是低级的抽象（还没学会抽象），象思维是超越抽象（抽象完了还能回去看见整体）。这两件事看着像，其实是相反的方向。
误会二："象思维可以替代逻辑思维。"
不能。这一条要说得重一点：任何试图用象思维替代逻辑思维的尝试，都会以"说得越来越玄"收场。
象思维和逻辑思维不是替代关系，是接力关系——象思维开出新东西，逻辑思维把它变成可执行的。缺了前者你会很正确但很平庸；缺了后者你会很有趣但落不了地。
误会三："象思维是玄学。"
这一条我要两面说。
一面：象思维不是玄学。它有操作步骤（第七章四步法）、有检验方式（推出可观察的判断）、有失效率（下一节讲）。
另一面：它极易滑向玄学，而且滑过去的时候毫无察觉。凡是开始用"只可意会""这个层面讲不清楚""你境界到了就懂"来回应质疑的，就是已经滑过去了。
所以我的态度是：象思维不是玄学，但它需要一套防玄学的规矩。第三章那四问、第八章那张卡的第四栏、还有下一节的失效清单，都是规矩。
误会四："象思维可以快速学会。"
不能。取象能力 = 象库 × 信噪比。信噪比那条（静）能很快提升，象库那条只能靠时间堆，没有捷径。
这也意味着：你读完这本书，不会立刻变成一个取象高手。你能立刻获得的是知道自己该在哪个环节上使劲——这一点本身就已经值回票价了。
误会五："悟性是天生的，没法培养。"
第二章给过操作定义了：悟性 = 象库 × 提取速度。两项都可练。
但我要补一句诚实的：起点确实有差异。有些人天然对"态势"敏感，有些人天然对"数据"敏感。这个差异是真实的，否认它不诚实。但起点差异决定的是前期速度，不决定天花板——这跟学任何手艺一样。
下面这四种情形，象思维不应该单独上，必须让模型、数据、流程来主导。这不是象思维不行，是用错了地方。
情形一：需要精确量值的时候。
"大概要投多少？"——象思维答不了。它能告诉你"这个坑比看起来深"，但深三米还是三十米，得去量。
凡是涉及钱的数字、时间的天数、资源的个数，象思维只能给方向，不能给数。用象思维给数字，是拿指南针当尺子用。
情形二：需要他人复现的时候。
你的判断要交给别人去执行，而那个人不在现场、没有你的体感。
这时候象思维就不够用了——你说"这个客户现在像惊弓之鸟"，接手的同事不知道该怎么动作。你需要把象翻译成可执行的动作（这就是"观象制器"）。象是给自己的，器才是给别人的。
情形三：需要追责的时候。
出了问题要查是谁的责任，象思维会坏事。因为它是非确定性的——"我当时取的象不对"这句话，既没法证实也没法证伪，于是它就变成了一个万能的挡箭牌。
所以在需要清晰问责的场合，用流程和标准，不用象。
情形四：需要跨人传递、大规模协作的时候。
十个人以内，靠一两个人取象、其他人听，能跑。一百个人就不行了——象在传递过程中会失真，而且每个人会往里加自己的东西。
这时候要的是可文档的口径（模型的强项），不是个人化的象。
这四种情形合起来看，规律很清楚：凡是需要"精确、可复现、可追责、可传递"的，象思维都要让位。象思维的场域是"模糊、一次性、需要洞见、由本人负责"的那些事——而这恰恰是最重要的那些事。
那象思维和逻辑思维到底是什么关系？
四百年前徐光启说过四个字：会通以超胜。就是先会通（把两边的东西都弄明白、能互相翻译），然后超胜（生出比两边都强的东西）。这比"优势互补"这种套话实在得多，因为它指出了顺序：先会通，才谈得上超胜。
落到操作上，这个顺序是三句话：
第一句：象思维先上，负责开。在没有标签的地方，先取出第一个象。这一步模型帮不上忙。
第二句：模型接着上，负责算。象取出来之后，挑对口的模型去算、去验证、去量化。这一步象思维不够用。
第三句：象思维再上，负责收。模型算出来的东西，要拿回象思维那里再看一眼——"这个答案跟我取的那个象，对不对得上？"第四章双层结构的上行箭头，就是这一步。
这三句话里，最容易被忽略的是第三句。大部分人只做前两句，所以他们经常拿到一个"算得对但方向错"的答案。
最后一句要说的：这本书从头到尾没有主张过"东方比西方好"。我主张的是一件事——在模型已经被 AI 越做越便宜的今天，"给未见过的事贴第一个标签"这件事变得稀缺了。象思维是做这件事的老手艺，而且它恰好长在我们的文化里。
这是务实的判断，不是文化自信。
| 情形 | 象思维 | 说明 |
|---|---|---|
| 一个从未见过的新情况 | ✅ 主用 | 没有模型可循，只能取象 |
| 需要判断"这是什么类型的事" | ✅ 主用 | 定性是调度层的活 |
| 需要洞见、需要看见别人没看见的 | ✅ 主用 | 这是它的主场 |
| 由你本人承担后果的一次性决定 | ✅ 可用 | 个人化不是问题 |
| 需要给出精确数字 | ❌ 让位 | 拿指南针当尺子 |
| 需要交给别人执行 | ⚠️ 转成器 | 象给自己，器给别人 |
| 需要追责任 | ❌ 让位 | "象没取准"是万能挡箭牌 |
| 百人以上协作 | ❌ 让位 | 传递会失真 |
| 已有成熟模型且条件吻合 | ⚠️ 直接上模型 | 别为了用而用 |
最后一行特别说一下：已有成熟模型而且条件对得上的时候，不要为了显得高明而去取象。直接上模型更快、更准、更可交接。取象是在模型不够用的时候才需要的——它是稀缺资源，要花在刀刃上。
这一章的清单可以直接变成 AI 的自我检查规则。你在让 AI 给建议的时候，可以加一句：
"请同时告诉我：你的建议在什么情况下会失效；哪些部分是你确定的，哪些是推测；如果我按这个建议做错了，最可能错在哪一环。"
这三条正好对应本章的"划边界""分确定与模糊""追责"——AI 天然不会主动给你这些，你必须显式索取。
更根本的一条：凡是 AI 说"综合来看""从多个角度"却没有给出哪个角度权重最高的，你要警惕——那多半是它在用模糊掩饰不确定性。
第十章 模型地图：七十个模型怎么找
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
第三章讲过模型的来源，按出身分了五类：物理、生物、经济、数学、工程。那是"这些模型是哪门学问里长出来的"。
这一章按用途分，回答的是另一个问题：遇到事的时候，我去哪儿找？
两种分法不冲突，用途像药店按症状摆药，出身像药典按药性分类——你生病的时候按症状找，学药的时候按药性学。
分六大家族：
| 家族 | 管什么类型的事 | 代表模型 |
|---|---|---|
| 数理族 | 有重复样本、能量化的事 | 复利、幂律、正态分布、贝叶斯、随机游走、临界质量 |
| 系统族 | 有回路、有延迟、会反噬的事 | 反馈回路、系统延迟、瓶颈理论、自催化、冗余备份 |
| 博弈族 | 有人在其中做选择、会应变的事 | 囚徒困境、激励相容、信号理论、公地悲剧、博弈论 |
| 微观经济族 | 涉及稀缺、成本、交换的事 | 供需关系、机会成本、边际效应、规模效应、网络效应、路径依赖 |
| 生物生态族 | 长周期、多主体、会演化的事 | 共生关系、竞争排斥、最小可行种群、遗传与变异、长尾理论 |
| 工程决策族 | 涉及失效、风险、可靠性的事 | 失效模式、安全边际、最优化、奥卡姆剃刀、第一性原理、二阶思维 |
六族加起来七十个左右，完整清单在附录 A，每个模型标了"一句话／管什么／不管什么／常与谁组合"。那是全书模型的唯一口径——正文里出现的任何模型，都必须能在附录 A 里找到，找不到就是我的疏漏。
这是本章最重要的一节，也是"库存变调度"的第一道关口。
绝大多数人检索模型的方式是按名字找："我学过哪些模型来着……复利？不对。博弈论？好像也不太对。"这个检索方式注定低效，因为你的大脑在七十个名字里做线性扫描，扫到第三个就累了。
正确的检索方式是按问题类型找：先判断这件事是什么类型，然后直接去对应的家族里挑。
问题类型怎么判断？看三样东西：
第一样：这件事里有没有"人会在其中改变行为"？
有 → 优先去博弈族。因为只要有人会在其中应变，任何不涉及"人会应变"的模型都会失真。
举个例子：你用"供需关系"去分析一个市场，如果市场里的人知道你在分析他们、并且会因此改变行为，那供需模型给出的预测就会反过来影响现实——这就必须叠加信号理论或者博弈论。
第二样：这件事有没有"反馈回路"？
有 → 优先去系统族。判断标准很简单：你做的事会不会反过来影响你自己？会，就有回路。
有回路的事，用静态模型（比如"投入产出比"）一定算错。
第三样：这件事会不会"错了就完了"？
会 → 优先去工程决策族。安全边际、失效模式、冗余备份这类模型是唯一一类默认你会失败的模型。其他家族都在帮你成功，只有这个家族在帮你活下来。
凡是涉及不可逆的决策（第十八章讲可逆性），工程族必须上。
三样看完，你就知道该去哪个家族了。剩下的事是：在这个家族里挑一到两个，再去别的家族挑一个来唱反调（这是第四编的内容，这里先预告）。
为了让你能当场用，我把常见的"事"和对应的族列成一张表：
| 你遇到的事 | 先去哪一族 | 为什么 |
|---|---|---|
| 增长慢、想知道什么时候能起来 | 数理族（复利、幂律） | 有重复、能量化 |
| 改了又改，问题反复出现 | 系统族（反馈回路、系统延迟） | 有回路 |
| 推不动人，各方都在算计 | 博弈族（激励相容、囚徒困境） | 有人应变 |
| 资源不够，要决定给谁 | 微观经济族（机会成本、边际） | 稀缺与分配 |
| 看不清三年后的格局 | 生物生态族（共生、竞争排斥） | 长周期多主体 |
| 这个决定做错了会出大事 | 工程决策族（安全边际、失效模式） | 不可逆 |
| 同时具备上面两条以上 | 两族各取一个，看它们打架 | 这是组合，见第四编 |
最后一行是重点。真实的事往往同时具备好几条，这时候不要试图找一个"万能模型"，去两族各取一个，然后看它们的结论打不打架——打架的地方，恰恰是这件事最真实的地方（第十五章会展开）。
规矩一：一次最多挑四个。
人的工作记忆就那么大。你同时处理超过四个模型，第五个开始就只是"列在那里"而已，不会真正参与思考。第三章说的堆叠癖，本质上就是违反这条规矩。
规矩二：每族最多一个（除非你很清楚为什么）。
同一族的模型看问题的角度是相似的，挑两个同族模型，得到的往往是一个结论的两种说法，而不是两个视角。要挑就挑不同族的——这样才是正交覆盖。
规矩三：挑出来的模型，要能说出"它不管什么"。
附录 A 每个模型都标了"不管什么"，这一栏比"管什么"重要。因为模型坑你的地方永远在它不管的那部分。你说不出它不管什么，就说明你还没真正会用它。
这一章叫"模型地图"，但我不建议你去背它。
地图的用法是用的时候查，不是把它记下来。你现在需要做的只有一件事：记住这六个族的名字，以及"按问题类型找而不是按名字找"这一条。
剩下的，等你真遇到事的时候翻到附录 A 去查——用三次你就记住了，而且记得比背的牢。
这也顺带回答了第一章那个问题：为什么囤了那么多模型还是不会用？因为你囤的是名字，你需要的是检索路径。名字再多，没有检索路径，急的时候一样想不起来。
AI 在"模型检索"上比人强——它记得住七十个模型的适用条件，你记不住。所以这一步可以放心交给它，但要指定它按问题类型检索，而不是按名字：
"这件事的特征是 X、Y、Z。请从以下六类模型中判断应该优先用哪一类（数理／系统／博弈／微观经济／生物生态／工程决策），说明理由，并给出该类中最适合的两个模型及其失效条件。"
注意最后那半句——不带"失效条件"的检索结果，等于没检索。
第十一章 框架不是模型：别把格子当成答案
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
第三章末尾我留了个扣，这一章来解。
我们平时说的"思维模型"，其实混着两类完全不同的东西。它们长得很像——都有名字、都有图、都能用来分析——但它们的性质完全不同。
第一类：模型。它告诉你世界是怎么运行的。
供需关系告诉你价格怎么形成，复利告诉你增长怎么积累，反馈回路告诉你系统怎么自我强化。模型的产出是一个因果判断：如果 A，那么 B。
模型是可以对也可以错的——因为它对世界下了断言，而断言是可以被事实推翻的。
第二类：框架。它不告诉你世界怎么运行，它告诉你思考的时候该分几格。
MECE 告诉你分类要互斥且穷尽，逻辑树告诉你问题要一层层往下拆，7S 告诉你看组织要检查七个地方，重要紧急矩阵告诉你要按两个轴排优先级。框架的产出是一份检查清单：这些格子，你都填了吗？
框架没有对错——它不下断言，它只是提醒你别漏。
这个区别听起来像抠字眼，但它决定了一件事：你用完之后该期待什么。
用模型，你期待一个判断："照这个模型看，接下来会涨。"
用框架，你期待一个完整性："这七个地方我都查过了，没有明显的遗漏。"
搞混了会出两种事：
这一句是本章的钥匙，也是理解第四编"组合"的入口。
你想想 7S 是什么。战略、结构、制度、风格、员工、技能、共同价值观——七个格子。它不告诉你这七个之间怎么互相影响（那是模型的事），它只告诉你：看组织的时候，这七个地方都要看。
但你真去填这七格的时候，你会发现每一格都需要模型：
所以框架的本质是：一套预先排好的格子，等着你往里面装模型。
它是模型的组合模板——它规定了从哪几个角度看，但每个角度里用什么模型，它不管。
明白了这一点，你就明白了两件事：
下面这些是流传最广的框架（大部分出自咨询业）。我按用途分组，标出它们各自的格子数和真正的作用。
| 框架 | 分几格 | 真正的作用 | 最容易犯的错 |
|---|---|---|---|
| MECE | 不定（原则） | 检查分类有没有重叠和遗漏 | 为了互斥把活的切成死的 |
| 逻辑树 | 逐层展开 | 把大问题拆成可解决的小问题 | 拆到第三层忘了最初的问题 |
| 7S | 7 | 检查组织全面性 | 填完七格以为有了战略 |
| SWOT | 4 | 把现状摆齐 | 把"列出威胁"当成"应对威胁" |
| 五力模型 | 5 | 判断行业利润池在哪 | 只描述现状，不做判断 |
| 3C | 3 | 检查公司／顾客／竞争三者是否对齐 | 三块各写各的，不交叉 |
| BCG 矩阵 | 4 | 决定资源在业务间怎么分配 | 把"瘦狗"直接砍掉（现金牛可能还靠它） |
| PEST | 4 | 扫描外部环境 | 列一堆趋势，跟自己没关系 |
| 重要紧急矩阵 | 4 | 排优先级 | 永远在做"重要且紧急"，永远没时间做"重要不紧急" |
| 假设思考 | 3（假设／验证／修正） | 快速逼近答案 | 验证时只找支持证据 |
| 客户旅程 | 按阶段 | 按时间轴找断点 | 只画满意的旅程，不画放弃的 |
| 用户画像 | 按人群 | 让团队对"为谁做"有共识 | 画像做完没人再看 |
看最后一列。每一个框架都有一个特征性的误用方式，而且这些误用有个共同点：把"填完格子"当成了"解决问题"。
填格子是必要动作，但它不产生答案。答案是你在格子里装了模型、做了判断之后才有的。
框架在三种场合价值最大，别的时候不如不用。
场合一：需要"不遗漏"的时候。
你要做一件不容有失的事——比如上线前的检查、并购前的尽调、重大决策前的过一遍。这时候框架的价值最高，因为它的核心功能就是防遗漏。
场合二：需要"多人在同一张纸上说话"的时候。
七个人开会，各说各的，说了两小时不知道漏了什么。这时候铺开一个框架（比如 7S 或客户旅程），大家就有了一张共同的地图——你知道自己在说哪一格，也知道谁还没说。
这是框架最被低估的价值：它不是思考工具，是协作工具。
场合三：需要"快速上手一个陌生领域"的时候。
你第一次看一个行业，不知道该看什么。这时候五力、PEST、3C 这些框架能让你在半小时内搭出一个骨架。骨架是粗糙的，但有骨架比没有强。
两种情况下框架是负资产。
第一种：你已经有象的时候。
如果你已经通过取象看清了这件事的态势，就不要再铺框架了。框架会强迫你把活的东西切成死的格子，而你的象是活的。
我见过有人取了一个很准的象（"这像上游在扔石头"），然后为了"显得严谨"又去填了一个 SWOT。填完之后那个鲜活的象没了，剩下一张四平八稳的表格。
先取象，后铺框架；象在前，框架在后。如果框架盖住了象，扔掉框架。
第二种：需要洞见的时候。
框架产生的是完整性，不是洞见。洞见来自"看见别人没看见的关系"，而框架的结构是公开的——所有人用同一个 7S，填出来的东西大同小异。
所以要差异化、要洞见，靠取象和模型；要兜底、要协作，靠框架。
AI 特别擅长框架——因为框架是结构化的、可枚举的，正好是它的强项。让它"用 7S 检查一遍""按 PEST 扫描外部环境"，它会做得又快又全。
但要记住两件事：第一，它填出来的格子需要你往里装模型才有判断；第二，它不会告诉你"你这个情况其实不适合用框架"。
可以复制的一句话："请用 X 框架检查这件事，并且在最后说明：这个框架的哪些格子对这件事其实不适用，以及框架之外还可能需要考虑什么。"
第十二章 单个模型怎么用：每个模型都有它不说话的部分
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
你拿到一个模型的时候，它告诉你的是：在这些条件下，会有这样的结果。
它没有告诉你的是：我不在哪些条件下成立。
这不是模型的缺陷，是模型的工作方式——它必须假设一部分条件"默认成立"，才能把注意力集中在剩下那部分上。但对你来说，那部分"默认成立"的东西，恰恰是坑。
第三章给过四问（压缩掉了什么／在什么条件下成立／预测什么／能被什么推翻）。这一章把四问落到三个具体模型上，让你看见"问出条件"到底长什么样。
我挑三个最常用、也最常被用错的：复利、瓶颈理论、囚徒困境。
模型说什么：投入持续产生收益，收益再投入，增长会加速。
它没说的条件（三条）：
我踩过的坑（第三章提过，这里补全）：我用复利规划一件三年见效的事，十四个月就撑不住了。错不在模型，在于那件事的收益是断断续续的，中间有两个月完全停摆。我拿了一个要求"连续"的模型，去算一件"断续"的事。
这个模型不管什么：不管中断、不管消耗、不管负收益期、不管你有没有本钱撑到曲线起来。
正确的问法：这件事的收益能全部再投进去吗？过程中能不能保证不中断？如果中断两期，结果会差多少？
模型说什么：系统的产出由最弱的那一环决定，改善非瓶颈环节是浪费。
它没说的条件（三条）：
常见的坑：第四章那个团队效率的例子就是。我看到"审批卡住"就判定是瓶颈，加了人，效率没变。因为真正的卡点在上游填错返工——那是"上游在扔石头"，不是"管道堵了"。
这个模型不管什么：不管流程稳不稳定、不管瓶颈会不会移动、不管堵点其实是别的环节在背锅。
正确的问法：这个流程最近一个月变过吗？卡点只有一个吗？疏通之后下游吃得下吗？
模型说什么：双方都追求自身最优时，会得到对双方都更差的结果。
它没说的条件（三条）：
常见的坑：用囚徒困境去分析长期关系（夫妻、合伙人、老同事）。长期关系里，双方都在重复博弈，而且有情感因素，模型的前提完全不成立。套上去之后你会得出"大家都应该防着点"的结论——这个结论会自我实现，把本来好的关系搞坏。
这是第三章说的"用错地图比没有地图更危险"的典型：模型没错，但它的结论会改变被分析的对象。这一条我会在第十三章（反身性）再讲。
这个模型不管什么：不管重复博弈、不管情感与信任、不管沟通能不能改变局面。
正确的问法：这件事是一次性的还是会长期重复？双方能沟通吗？有没有信任基础？
从上面三个例子里，可以抽出三种通用误用方式。你以后拿到任何一个模型，都可以对着这三条查。
误用一：条件不满足，硬套。
最常见。你手里有个锤子，看什么都像钉子——第一章的标签癖就是这个。
检查办法：把模型的前提条件逐条写出来，然后逐条问"这件事满足吗"。三条里有两条不满足，就别用。
误用二：跨层级套。
把微观层面的模型套到宏观系统上，或者反过来。
比如"边际效应递减"是个微观模型（你吃第五个包子的满足感低于第一个），但你把它套到"公司规模越大效率越低"上，就错了——因为公司规模涉及网络效应、规模效应这些反向的力量。
检查办法：问这个模型是在什么尺度上被验证的（个人？小组？市场？），然后看你要分析的事在不在这个尺度上。
误用三：把模型当结论，不当提问。
这是最隐蔽的一种。
模型的正确用法是产生一个提问："如果用复利看，那我需要保证不中断——我能保证吗？"
错误的用法是产生一个结论："复利嘛，所以要坚持。"——这是一句废话，而且它会终止思考。
检查办法：看你说出来的那句话，是能继续往下追问的，还是到此为止的。凡是"所以我们要 X"这种到此为止的话，多半是把模型当结论了。
这一节给一个能立刻用的模板。你以后每学一个新模型，就给它建一张这样的卡。
模型卡模板
| 栏 | 内容 | 例子（以瓶颈理论为例） |
|---|---|---|
| 一句话 | 它说什么 | 系统产出由最弱环节决定 |
| 管什么 | 什么场合用它 | 稳定流程里找卡点 |
| 不管什么 | 它默认成立的条件 | 流程是否稳定、瓶颈会不会移动 |
| 三条前提 | 不满足就别用 | 流程稳定 / 瓶颈单一 / 下游有承接 |
| 它会推出什么 | 可检验的判断 | 疏通后产能应立刻上升 |
| 常与谁组合 | 配谁更好 | 反馈回路（查移动）、系统延迟（查滞后） |
| 它被谁挑战 | 谁能推翻它 | 系统性问题时，瓶颈模型给出的是假答案 |
附录 A 里七十个模型都有这样一张卡（压缩成一行）。这一章的模板是给你的——你自己新学的模型，也照这个格式建卡。
建卡这件事本身就是在做"从收藏到调用"的转化。你收藏的时候存的是名字，建卡的时候你被迫去问"它不管什么"——问完这一句，这个模型才算进了你的库。
让 AI 用某个模型时，直接把这张卡的七栏交给它填：
"请用 X 模型分析这件事，并按七栏输出：一句话、管什么、不管什么、三条前提、在当前情境下能推出什么可检验的判断、应该配哪个模型、什么情况下这个模型会被推翻。"
你会发现 AI 填"管什么"很顺，填"不管什么"需要你追问。追问本身就是在做调度——这正是你不能外包的部分。
第十三章 模型失效的五种情形：不是模型错了，是世界换了
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
上一章讲的是"用错模型"——模型没毛病，是你拿错了。
这一章讲的是另一回事：模型用对了，前提也满足，但它还是失效了。因为世界在模型建立之后发生了变化。
这五种情形有个共同点：失效的时候，模型看起来依然正常。它还在输出漂亮的结论，还在给你合理的解释，只是那些结论跟现实对不上了。这才是最危险的地方——你不会收到任何警报。
所以这一章的价值在于：给你五个能提前察觉的预警信号。
是什么：模型成立的前提，在不知不觉中变了。
为什么会没察觉：因为条件是"默认成立"的（第十二章讲过），你建立模型的时候确认过一次，之后就不会再去检查。
典型场景：一个零售模型建立在"客流主要来自线下"这个前提上。三年后，一半的客流来自线上——但模型还在跑，报表还在出，没人回去检查那条前提。
预警信号：这件事里，有哪些东西是三年前成立、但我最近没有重新确认过的？
怎么办：给关键模型标一个"前提复核日"。不用太频繁，季度一次就够，但要做。
是什么：模型在一个尺度上被验证，你把它用到了另一个尺度。
第十二章提过，这里展开。层级错配有两种方向：
向上错配（微观模型用到宏观）：个人层面的规律，套到组织或市场上。
向下错配（宏观模型用到微观）：
预警信号：这个模型最开始是在什么尺度上被总结出来的？我现在看的这件事在那个尺度上吗？
怎么办：跨尺度使用模型时，至少要找一个同尺度的模型来对照。两个不同尺度的模型给出相同结论，可信度才上升。
是什么：模型假设 A 导致 B（单向），但实际上 B 也会反过来影响 A。
这是五种情形里最常见、后果最严重的一种。因为有回路的系统，行为跟直线系统完全相反——而且反直觉。
举三个例子：
例一：降价。直线思维：降价 → 销量上升。有回路：降价 → 销量上升 → 产能紧张 → 交付延迟 → 口碑下降 → 销量回落，而且比原来更低。
例二：加班赶工。直线：加班 → 进度赶上。有回路：加班 → 进度赶上 → 人累 → 出错率上升 → 返工 → 进度更落后。
例三：加客服人手。直线：人手增加 → 响应变快 → 满意度上升。有回路：响应变快 → 客户更倾向于反复咨询（因为成本低了）→ 总量上升 → 满意度未必改善，成本却上去了。
预警信号：问一句——"我做这件事，会不会反过来改变我做它的条件？"只要答案是"会"，就有回路，直线模型一定算错。
怎么办：换系统族模型（反馈回路、系统延迟）。而且要注意延迟——回路往往不是立刻显现的，中间有滞后，滞后会让你误以为"没问题"，然后在你放松警惕的时候反噬。
这是为什么第十章把"有没有反馈回路"列为检索第二问。
是什么：你的预测本身，会改变被预测的对象。
这是最"邪门"的一种，但在涉及人的场合普遍存在。
例一：你预测"某只股票会涨"，并且这个预测被很多人相信——于是大家都去买，它就真的涨了。预测自我实现。
例二：你告诉一个团队"数据显示你们这个季度会完不成"——这个判断可能让团队泄气（于是真的完不成），也可能让他们拼命（于是超额完成）。同一个预测，导致相反的结果，取决于人的反应。
例三（最日常）：你用囚徒困境分析合伙人关系，得出"应该防着点"的结论，并且让对方察觉到了——于是本来不设防的关系开始设防。第十二章提过，这就是反身性。
预警信号："这个判断说出来之后，会不会改变它自己？"
怎么办：两条。一是尽量把预测和行动分开——先判断，再决定说不说、跟谁说。二是优先选择"不被知悉也成立"的判断——如果一件事只有在别人不知道的情况下才成立，它就非常脆弱。
这一条也顺带说明了：为什么涉及人的分析，永远要留出"人会因分析而改变"的余量。
是什么：模型建立在"常见情况"上，但真正决定结果的，是它覆盖不到的那些极端情况。
这类失效的根源是分布假设。很多模型默认事情服从正态分布（大部分集中在中间，极端情况极少）。但现实里大量事情服从幂律分布——极少数事件占据了绝大部分影响。
区别有多大？看一个例子：
如果是后者，你用基于正态的模型（比如"平均值""标准差"）去管理风险，会严重低估灾难的概率。
预警信号："这件事的后果，是有上限的还是没有上限的？"
怎么办：三种动作，按代价从低到高：
把五种情形变成五句能当场问的话：
| 问 | 对应情形 | 问法 |
|---|---|---|
| 前提还成立吗？ | 条件漂移 | 这个模型依赖的条件，我最近确认过吗？ |
| 尺度对得上吗？ | 层级错配 | 它是在什么尺度上被验证的？ |
| 有回路吗？ | 反馈存在 | 我做这件事会改变我做它的条件吗？ |
| 说出来会变吗？ | 人的反身性 | 这个判断说出去，会改变它自己吗？ |
| 后果有上限吗？ | 长尾 | 最坏的情况，是不是远超其他情况的总和？ |
五问不用每次全问。按场景挑：
AI 特别容易在第三种（回路）和第五种（长尾）上出错——因为它倾向于给出一个"基于常见情况的、平衡的"答案，而回路和长尾恰恰藏在常见情况之外。
所以这两条要显式索取：
"请特别指出：①这个建议会不会引发反馈回路，导致效果反转或延迟显现？②最坏情况是不是远超其他情况的总和？如果是，应该加什么安全边际？"
不加这两句，你拿到的一定是一份"看起来很周全"的答案——而周全恰恰是这两类风险的藏身之处。
第十四章 从"收藏"到"调用"：把库存变成能力
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
前十三章铺垫完了，这一章做一次结算。
模型这件事，有三层熟练度。区别不在数量，在你能拿它干什么。
第一层：知道。
你知道有这么个模型，能说出它的名字和大概意思。能在聊天时引用一句"这其实就是复利"。
这一层的特征：你能认出它，但想不起来用它。
绝大多数人的绝大多数模型都停在这一层。第一章说的收藏癖，就是这一层的病。
第二层：会用。
遇到对口的场合，你能把它调出来，而且知道它的前提（第十二章）、知道它会怎么失效（第十三章）。
这一层的特征：你能用它解释一件事，而且解释完了能推出下一步。
到这一层的人不多。判断标准很简单：你能说出它不管什么（第十二章那张卡的第三栏）。说得出来，就是第二层；说不出来，还在第一层。
第三层：会组合。
你知道它跟谁配、谁先谁后、谁唱反调。
这一层的特征：你不靠单个模型下结论，你靠一组模型的相互检验下结论。
到这一层的人极少。而这一层，是这本书后半部分的全部内容。
三层的关系是这样的：第一层靠记忆，第二层靠理解，第三层靠判断。前两层可以通过多学多练达到，第三层不能——它需要一个前两层都没有的东西：调度。而调度的核心，就是前面九章讲的象思维。
这就是为什么我说"库存不等于调度"，也是为什么这本书要先花九章讲象思维，才来讲模型。顺序不是随便排的。
大部分人卡在第二层到第三层之间，而且卡得毫无察觉——因为他们觉得自己"已经会用很多模型了"。
这一跃难在三个地方：
难点一：没有现成的答案可以背。
第二层是有标准答案的——复利的三条前提，你记住就行。第三层没有标准答案：这两个模型该不该放一起，取决于眼前这件事。你没法背，你只能判断。
难点二：它需要你同时持有矛盾的结论。
两个模型打架的时候，第二层的人会难受，会想"到底哪个对"。第三层的人会高兴——因为打架的地方正是这件事最真实的地方。
能不能同时持有两个矛盾的结论，并且不急着统一它们，是第三层的门槛。（第二十二章讲五色光的时候会再回到这一点。）
难点三：它要求你先定性，而定性是看不见的功夫。
组合的前提是知道"这是哪类事"。而这个判断发生在模型上场之前，没人看见，也没法记功——你做对了没人知道，你做错了表现为"模型选错了"。
所以第三层的能力长期被低估，甚至被误认为是"直觉"或者"经验"。
这一节给一个能落地的最小结构。不是最好的，是最容易坚持的——因为坚持不了的结构等于没有。
结构：三层，一共二十到三十个模型。
第一层：常用层（5 个以内）。
你真正在用的、闭着眼睛都不会用错的模型。这五样是你的主力，遇到事先上它们。
大部分人的常用层其实只有两三个，这很正常。常用层的关键是"稳"，不是"多"。
第二层：备查层（15–20 个）。
你理解、但用得少的模型。它们存在库里，等你遇到对口的场合。
备查层的关键是能被检索到（第十章的检索法）。你把它们的卡建好，需要的时候能找到就行。
第三层：知道有这回事（不限）。
剩下的那些，知道名字、知道大概方向就够了。它们的作用是"提醒你世界上还有这个角度"，仅此而已。
注意：七十个模型里，你真正需要的只有二十个左右。第一章说"库存不等于调度"，这里补一句：库存也不需要多，需要的是那二十个你能调用的。
动作一：清点（30 分钟）。
打开你的收藏夹、笔记、书签，把所有存的模型名字列出来。你会惊讶于两件事：一是数量比你想的多，二是你连名字都不认识的占了一半。
那些连名字都不认识的，直接删掉——它们从来就没有进过你的库，只是占了你的收藏夹。
动作二：分层（30 分钟）。
把剩下的按"常用／备查／知道"分三层。分层的标准只有一个：过去一年我用过它吗？用过三次以上是常用，用过一次是备查，只是存了是知道。
别按"重要不重要"分，按实际用过分。这个数据不会骗你。
动作三：建卡（60 分钟）。
给常用层的每一个建一张卡（第十二章的七栏模板）。备查层的可以只填三栏：一句话、管什么、不管什么。
建卡的时候你会发现一件事：有些你以为自己会的模型，写到"不管什么"那一栏就卡住了。恭喜，你刚刚发现了自己的一个盲区——这正是这次清点最大的价值。
动作四：定检索路径（20 分钟）。
把第十章那张"症状 → 去哪一族"的表抄下来，贴在你常看的地方。这一步是给未来的你用的：遇到事的时候，你需要的是检索路径，不是记忆。
一个下午，四个动作，你就有了一个能用的模型库。
我见过很多人（包括我自己）在这一步上出事：花了很大力气把库建得很漂亮，然后……就没有然后了。库建好了，还是不用。
因为建库是第二层的事，用库是第三层的事。它们之间隔着"调度"。
所以这本书到这里只走完一半。前半部分（第一到三编）给你的是两样东西：上层的象思维（怎么定性），下层的模型库（怎么算）。
后半部分（第四编）要给你的是中间那根轴：怎么把这两样接起来。
如果你读到这里觉得"前半部分有点散"——象思维讲了一堆，模型也讲了一堆，中间好像缺了什么——那你的感觉是对的。缺的那部分，从第十五章开始。
建模这一步可以大量借 AI。你把常用层的模型名字给它，让它按七栏模板生成卡，效率比你自己写高十倍。
但有一件事它替不了："过去一年我用过它吗"这个判断，只有你知道。这个数据是你真实的调用记录，AI 没有。
所以顺序是：你自己先分层（这一步不能外包），再让 AI 帮你建卡（这一步它可以）。
反过来的话，你会得到一份七十个模型的完整卡片库——很漂亮，而且照样用不上。
第十五章 单模型的维度诅咒
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
先看一个现场。
一家公司要决定：要不要给核心团队涨薪。会上五个人，用了五个模型，得出五个方向：
用供需关系看：市场上这类人稀缺，需求大于供给，价格必然上涨。所以该涨。
用激励相容看：涨薪会让大家更关注薪酬而非事情本身，反而削弱内在动力。所以不该涨（或改成股权）。
用安全边际看：现在现金流只够撑九个月，此时增加固定成本，是把安全边际压到危险区。所以现在不能涨。
用信号理论看：涨薪释放的信号是"公司认可你们"，这个信号在人心浮动的时候比钱本身值钱。所以必须涨，而且要高调地涨。
用帕累托法则看：真正决定产出的可能只有两三个人，与其普涨，不如重奖这两三个。所以不该普涨，该重奖少数。
五个模型，五个方向。而且——每一个都是对的。
这就是本章要处理的问题：为什么单个模型永远不够，以及"不够"这件事有没有规律。
答案不复杂：每个模型都是一次降维。
真实的世界是多维的——这次涨薪涉及市场、心理、现金流、人心、产出分布，至少五个维度同时在起作用。而任何单个模型只能处理其中一两个维度，它必须把其他维度当成常量或者忽略掉，才能运转。
供需模型处理的是"市场稀缺"这个维度，它默认"钱够不够"是个外部条件，不归它管。
安全边际处理的是"活不活得下去"，它默认"人心散不散"不是它要考虑的。
所以：模型不是错了，是它只在自己的那个维度上最优。
这就是"维度诅咒"的本来意思——不是模型有诅咒，是用一个维度去覆盖多维现实这件事，注定要出问题。而且现实越复杂（维度越多），单个模型的覆盖率就越低。
给个量化的感觉：如果一件事有五个真正在起作用的维度，一个模型平均覆盖一到两个，那它的覆盖率只有 20%–40%。你用这个模型得出的结论，有六到八成的重要信息是它没处理的。
你以为你在"用模型思考"，其实你在"用一个模型忽略掉的东西"上裸奔。
那怎么办？多列几个模型？
不行——第一章的堆叠癖就是这么来的。列七个模型，覆盖率是上去了，但你得到了七个方向，等于没有方向。
组合的正确定义是：让选出来的模型在维度上互相正交，合起来覆盖这件事的主要维度，而且彼此能互相检验。
这个词"正交"是从线性代数借来的，意思很朴素：两样东西越不相关，放在一起覆盖的面越大。
举个反例你就懂了：你选了"供需关系"和"边际效应"两个模型。这两个都属于微观经济族，看问题的角度高度相似——它们不是正交的，你得到的只是一个结论的两种说法。
正确的做法是选不同族的：供需关系（经济族）+ 安全边际（工程族）+ 激励相容（博弈族）。三个模型各看一个维度，合起来才谈得上覆盖。
第十章的"每族最多一个"这个规矩，道理就在这儿。
一个实用的范围：2 到 4 个。
少于 2 个：你在用单模型，覆盖率不够。
多于 4 个：你进入了堆叠癖，工作记忆装不下，第五个开始就不参与思考了。
所以是 2–4 个，典型是 3 个。而且这三个要有分工，不是平等的——分工的规则下一章（第十六章）讲调度、第十八章讲君臣佐使配比的时候会展开。
这里先给一个判断覆盖够不够的办法。
拿到一件事，在组合之前，先把它的维度列出来。四步：
第一步：列出"真正在起作用的维度"。
注意是"真正在起作用"，不是"可能相关"。判断标准：如果这个维度变了，我的决定会变吗？会，就是真维度。
涨薪那个例子里，真维度是：市场行情、团队心理、现金流安全、信号效应、产出分布——五个。
第二步：给每个维度标"我有没有模型覆盖它"。
| 维度 | 覆盖它的模型 | 有没有 |
|---|---|---|
| 市场行情 | 供需关系 | 有 |
| 团队心理 | 激励相容 | 有 |
| 现金流安全 | 安全边际 | 有 |
| 信号效应 | 信号理论 | 有 |
| 产出分布 | 帕累托法则 | 有 |
第三步：看空白。
空白就是你的盲区。上表如果"现金流安全"那一栏是空的，说明你在拿一家只够撑九个月的公司的命去赌——这个空白比任何其他错误都致命。
第四步：如果维度超过四个，先砍维度，不要加模型。
这是最容易搞反的一步。你发现有六个真维度，第一反应是"那我用六个模型"。错。六个模型你处理不过来（工作记忆只有四组）。
正确做法是问：这六个里，哪两个是"如果错了就完了"的？把资源集中在那两个上，其余四个承认"我没覆盖"。
承认盲区，比假装覆盖要强得多。因为假装覆盖会让你产生虚假的安全感，而承认盲区至少会让你在做决定的时候留一手。
涨薪那个例子最后怎么解的？他们最终选了三个模型：安全边际（能不能活）→ 信号理论（人心）→ 帕累托（给谁）。供需关系被放弃了，因为"市场价"在现金流只够撑九个月的时候不是主要矛盾。
注意这里的顺序：不是三个模型平权，是有先后的。谁先谁后，就是下一章的内容。
AI 特别容易犯"堆叠癖"——你问它一件事，它天然会给你"从多个角度来看"然后列五六条。这是它的默认输出风格，也很讨人喜欢，但它正是本章说的覆盖假象。
所以要显式限制数量和强制正交：
"请只给三个视角，要求：①三个必须来自不同类别（数理／系统／博弈／经济／生态／工程）；②每个视角单独说明它覆盖哪个维度、忽略哪个维度；③明确告诉我还有哪些重要维度这三个都没覆盖。"
第三问是关键——AI 不会主动说"我还有没覆盖的地方"，你必须索取。
第十六章 象思维在上，模型在下：调度原理
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
这一章是全书的轴心。前面十五章都在为它做准备，后面九章都是它的展开。
第四章给过四步：定性 → 择模 → 定序 → 验算。这一章把前三步拆开，讲清楚每一步到底在判断什么，以及为什么只有象思维能干第一步。
判断一：定性——这到底是哪一类事？
这是给一件还没有标签的事，贴第一个标签。
注意"第一个"这三个字。它意味着：这件事在此之前没有标签，所以你不能靠检索，也不能靠匹配。模型库里所有的模型都是"贴在某类事上的标签"，而你要做的是创造出这个类。
判断二：择模——哪几个模型对得上？
定性之后，这一步相对容易——你有了一个类，可以去检索了（第十章的检索法）。
但"对得上"不是"看起来相关"。标准是：这个模型覆盖的维度，是不是我刚才列出的真维度之一？（第十五章的覆盖检查表）
判断三：定序——谁先谁后，谁唱反调？
这一步最难，也最少人做。第十八章会用"君臣佐使"讲配比，这里先说原理。
定序的本质是：给模型之间排一个优先级和一个分工。哪个是主结论的来源，哪个是补充，哪个专门用来唱反调，哪个负责把结论落到地上。
三次判断，难度递减，但重要性也递减——第一步错了，后面全错；第一步对了，后面错一点还能救。
这是本章最核心的论证，我要说透。
理由一：模型是标签，而定性是造标签。
模型库里的每一个模型，都对应着一类已经被识别出来的情况。供需关系对应"稀缺与交换"，瓶颈理论对应"稳定流程中的卡点"，囚徒困境对应"一次性博弈"。
你的模型库再大，它也是一个已有标签的集合。而定性要处理的是：眼前这件事，在这些标签里没有。
你只能自己给它造一个类——"这像上游在扔石头""这像有人被第一口挡住了"。这个动作，检索系统做不到，因为检索的前提是你知道要检索什么。
理由二：定性用的材料，是模型不处理的那部分。
定性靠什么？靠第五章讲的那些东西：现场的细节、整体的态势、说不清的氛围、只有你在场才能感受到的东西。
而模型恰恰是把这些东西压缩掉之后才工作的（第三章：有损压缩）。模型处理的是"可量化、可重复、可传递"的那部分。
所以悖论出现了：你需要在模型开始工作之前就完成定性，而定性的材料恰恰是模型丢掉的那部分。
理由三：定性的正确性，没法用模型来检验。
这句话要小心读。它的意思是：如果模型算出来的结果跟你取的象对不上，你没有一个更高层的模型来判谁对——你只能用象思维再看一遍（第四章的"验算回流"）。
这是层级问题：检验者必须高于被检验者。模型之间可以互相检验（同层），但检验"象取得对不对"这件事，只能靠再取一次象（上层）。
所以双层结构不是我随便画的——它是被这个逻辑逼出来的：必须有一个高于模型库的层，否则整个系统没有最终的裁判。
再看一次这个结构，这次看箭头：
调度层（象思维）
取象 → 定性 → 定序
↓ 择模调用
↑ 验算回流
执行层（思维模型）下行箭头：择模调用。
调度层决定了调用谁。这个"决定"不是随机的，它依据的是：你取的象，指向了哪几个真维度。
象是"上游在扔石头"→ 真维度是"源头质量"和"流程责任"→ 调用质量管理和责任分配的模型。
象是"管道堵了"→ 真维度是"流量"和"卡点"→ 调用瓶颈理论和排队模型。
象直接决定了模型的选择。这就是为什么取象必须先于择模。
上行箭头：验算回流。
模型算完之后，结果要回到调度层，用象思维再过一遍。过的时候只问一句：
"这个答案，跟我取的那个象，对不对得上？"
这句话是全章最实用的一句，我建议你抄下来。它的威力在于：它能在你没有任何更好模型的情况下，发现结论有问题。
举个例子。你取象"这像有人被第一口挡住了"（第七章那道菜），模型算出来的方案是"改进配方"。你一对照：配方跟"第一口"对不上——第一口的问题在温度不在味道。所以方案有问题。你不需要更好的模型，你只需要回头看一眼你的象。
上行箭头是这本书给你的一道保险。即使模型都选对了、顺序也对，最后这一步能救你一次。
第四章讲过我那个团队效率的例子，这里用它做完整的反面演示。
当时我做的：看到"效率低"→ 脑子里跳出"瓶颈理论"→ 找到审批环节 → 加人 → 没用。
我跳过了什么：我跳过了"这到底是什么类型的低效"。
如果当时取了象，会看到什么：单子有一半是返工的（物象）；返工的人和被返工的人都不太说话（物象）；每次说到返工，话题就滑走（物象）。
这个象是什么：不是"管道堵了"，是"有件事没人愿意提"——因为返工意味着有人做错了，而没人愿意指出是谁做错了。
这个象会调用什么模型：不是瓶颈理论（那是"管道堵了"的模型），而是激励相容（为什么没人愿意指出）和心理安全（团队氛围）。
解法会变成什么：不是加一个人审批，而是把"返工"这件事从"谁错了"变成"流程的一个正常环节"——比如建立返工登记但不追责的制度。
你看，跳过取象的代价是：你会用错模型，而且用一个非常专业的、给出非常合理答案的模型。审批环节确实卡了 2.7 天，数据是真的，方案是专业的，然后完全无效。
这就是为什么我反复说：跳过取象，你越专业，错得越深。
| 环节 | 判断什么 | 谁来干 | 依据 | 错了会怎样 |
|---|---|---|---|---|
| 定性 | 这是哪一类事 | 象思维（AI 与模型都不行） | 现场细节、整体态势 | 后面全错，且错得很专业 |
| 择模 | 哪 2–4 个模型对口 | 人主导，AI 可辅助检索 | 真维度对照（第十五章） | 覆盖不足或堆叠癖 |
| 定序 | 谁先谁后、谁唱反调 | 人（第十八章配比法） | 象的轻重缓急 | 结论打架，无法收敛 |
| 验算 | 这算不算解对了 | 象思维回看 + 三维打分 | 跟象对不对得上 | 拿到"算对但方向错"的答案 |
| 约束／代价／可逆性（第十九章） |
注意第一行和第四行的"谁来干"：开头和结尾都是象思维，中间是模型。这就是双层结构最准确的表述。
这一章直接给出了人机分工的边界：AI 能干中间（择模、定序、计算），干不了两头（定性、最终验算）。
所以最稳的用法是三段式提问：
① 我先说情境和我的判断（这一步你做，别让 AI 替你定性）；
② "基于这个判断，请给出 2–3 个对口模型，说明各自覆盖和忽略什么，并排出调用顺序"（这一步 AI 做）；
③ "把你的结论跟我说的前提对照，如果矛盾请指出"（这一步 AI 做，但判定的权力在你）。
第③步就是"验算回流"的人机版本——让 AI 帮你对，但别让它自己判自己对。
第十七章 五色光调度法：分光就是取象
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
前面十六章把调度原理讲完了，这一章给一套可以直接上手的操作法。
这套方法叫五色光思维，是我在过去几年里带团队做决策时用的一套东西。它表面上是个会议工具，实际上是一台调度机器——它正好实现了上一章讲的"调度层管顺序、管换挡、管什么时候停"。
我之所以把它放进这本书，是因为一个发现：五色光其实就是现代版的取象分类法。
面对一件事，先把它分成五光——这跟面对一件事先取一个象，是同一个动作的两个版本。五光更细、更好教、更好协作；取象更活、更快、更依赖个人。它们是互补的。
先认识五位主角。
| 光 | 看什么 | 一句话功能 | 五行 | 什么时候最需要 |
|---|---|---|---|---|
| 白光 | 事实、数据、信息 | 只问"是什么"，不问"为什么""怎么办" | 金·收敛·精准 | 大家各说各的、事实对不齐时 |
| 红光 | 直觉、感受、情绪 | 把藏着的情绪暴露出来，不需要解释 | 火·炎上·激情 | 气氛不对、有人不说真话时 |
| 黄光 | 价值、利益、好处 | 这件事到底值不值 | 土·承载·生化 | 纠结"要不要做"时 |
| 绿光 | 创新、变革、新可能 | 还有没有别的路 | 木·生发·条达 | 走进了死胡同时 |
| 蓝光 | 困难、问题、风险 | 哪里会出事，最坏会怎样 | 水·润下·潜藏 | 要拍板之前 |
这五光配五行不是硬凑的，你看它们的性子就明白了：白光收敛精准，是金；红光热烈上扬，是火；黄光承载价值，是土；绿光生发新意，是木；蓝光潜入暗处找风险，是水。
关键的一条：五种光不是五种人的性格，是五个频道的切换。
这是五色光跟其他性格分类最不一样的地方。它不是让你认出"我是红光型的人"，而是让你在需要的时候切到红光，切完了再切走。
这个区别非常重要。因为一旦你把它当成人格分类，它就会固化——"我就是这样的人"。而作为频道，它是你可以主动切换的。
五色光里有一个角色，不是一种光，我管它叫主持人。
主持人不是一种思维方式，是思维过程的控制与组织——它管其他几束光的使用：什么时候开哪一束、开多久、什么时候换、什么时候停。
这就是上一章讲的"调度层"的人格化。
主持人做三件事：
第一件：管顺序。
先白后蓝还是先绿后白，顺序不同结果完全不同。一般规律是：白光开局（先把事实对齐，否则后面全在各自的想象里吵），蓝光收尾（拍板前一定要过一遍风险）。
第二件：管换挡。
最常见的问题是"串光"——正在摆事实（白），有人突然开始讲感受（红），然后又有人跳回数据（白）。三分钟串了四次，什么都没谈透。
主持人的工作就是打断："等一下，我们现在在白光，情绪的部分等一下单独给时间。"
第三件：管什么时候停。
很多会开不完，不是因为事情复杂，是因为没人宣布"这一段结束了"。主持人的一个关键动作是明确结束某一束光："白光就到这里，我们确认了三件事。现在切黄光。"
主持人的三条原则：
第三条最容易被忽略，也最值钱。比如你要做一个激进的创新决策，你决定不用蓝光（不看风险）——可以，但你要说出来："这次我们明确不看风险，因为……"
说出来和不说出来的区别是：说出来的跳过是决定，没说的跳过是盲区。
单束光会用了，接下来是把它们排成序列。
序列分三段设计，这是实操里最有用的框架：
| 段 | 作用 | 常用的光 | 时间占比 |
|---|---|---|---|
| 初始序列 | 对齐事实、定调 | 白 → 红 | 20% |
| 中间序列 | 核心探讨 | 绿 → 黄（或黄 → 绿） | 60% |
| 结尾序列 | 收敛、拍板 | 蓝 → 白 | 20% |
为什么白光要在最前面？因为事实不对齐的话，后面所有讨论都建立在各自不同的事实上。你以为在讨论同一个问题，其实你们在讨论三个问题。
为什么红光要跟在白光后面？因为人只有在事实清楚了之后，才敢说真话。一上来就问"你什么感受"，大家会讲场面话。
为什么蓝光在最后？因为风险要在方案成型之后才看得清楚——太早看风险会扼杀可能性（绿光还没开就被浇灭了）。
三个常用的现成序列（可以直接抄）：
| 场景 | 序列 | 时间 | 逻辑 |
|---|---|---|---|
| 快速日常决策 | 白 → 蓝 → 红 | 5+5+2 | 事实 → 风险 → 直觉确认。最短序列 |
| 创新方案讨论 | 白 → 绿 → 黄 → 蓝 | 5+15+10+5 | 先放开想，再算值不值，最后看会不会死 |
| 人事/关系问题 | 白 → 红 → 黄 → 蓝 | 5+15+10+5 | 事实 → 感受（给足时间）→ 价值 → 风险 |
注意人事问题里红光的占比。涉及人的事，情绪要给最多的时间——这不是浪费，这是正事。跳过红光的沟通，最后都会以别的形式补回来，而且代价更高。
这一节是本章的核心，也是五色光跟前面九章的接口。
你面对一件事，把它分成五光的这个动作，本质上就是取象——只不过它把"取一个象"变成了"在五个预设的频道里过一遍"。
两者的关系是这样的：
| 取象（第五到八章） | 五色光（本章） | |
|---|---|---|
| 产出 | 一个活的比喻（"上游在扔石头"） | 一组频道的分布（这件事风险很重） |
| 优势 | 快、活、能看见别人看不见的 | 可教、可协作、可检查完整性 |
| 劣势 | 依赖个人，难传递 | 预设频道可能框住真正特别的东西 |
| 适合 | 一个人面对新情况 | 一群人面对复杂决策 |
所以最好的用法是：先取象，再分光。
先用象思维拿到那个活的比喻（它告诉你这件事的性子），再用五色光把它拆成可协作的频道（它告诉团队该从哪几个角度看）。
反过来（先分光再取象）会出问题——因为五光是预设的频道，你一上来就分光，容易把一件特别的事塞进五个常规格子里，那个最特别的东西就丢了。这也是第十一章讲的"先取象，后铺框架"的同一个道理。
给你一个完整的例子，看五色光怎么落地。
背景：一个项目连续两个月延期，团队很疲惫，领导要求一周内给出方案。
如果不开光（常规开法）：大家轮流发言，有人说资源不够，有人说需求老变，有人开始互相埋怨，最后领导拍板"再给两周"。散会。
开光的开法：
白光（20 分钟）：只摆事实。两个月延了几次、每次延在哪、需求变更了几次、谁加班最多。规则：不许说"因为"，只说"发生了什么"。
红光（15 分钟）：每个人说一句"我现在最难受的是什么"。规则：不解释、不评价、不解决。有人说"我不知道下周要做什么"，有人说"我怕这个项目黄了"。
黄光（20 分钟）：这个项目做成了，对谁有什么价值？规则：说价值不说困难。这一段的作用是确认"这件事还值不值得继续投入"。
绿光（25 分钟）：如果资源减半，有什么办法能做成？规则：不许说"做不到"，所有的"做不到"改成"如果要做到，需要什么"。
蓝光（20 分钟）：按刚才最好的那个方案，哪里最可能出错？最坏会怎样？规则：不许安慰，只许泼冷水。
回到白光（10 分钟）：确认决定、确认谁做什么、确认下次什么时候看。
区别在哪？区别不在于多想出了什么好点子，而在于：每个环节只干一件事，所以每件事都干透了。
常规开法里，三小时的会其实五个频道都碰了，但每个频道都只碰了五分钟，而且不断被打断——所以五个都没干成。
这就是"单色聚焦"的价值：不是让你想得更多，是让你一次只想一件事。
五色光是最适合交给 AI 执行的方法，因为它的频道是预定义的、顺序是可设计的——正好是 AI 的强项。
一句可以复制的话："请按五个频道依次分析这件事：白光（只列事实，不解释原因）→ 红光（可能的情绪与隐性动机）→ 黄光（价值与收益）→ 绿光（还有哪些别的可能）→ 蓝光（最可能出错的地方和最坏情况）。每个频道单独成段，不要混，并在每个频道结束时给一句小结。"
但记住两件事：①主持人（换挡和叫停）必须是人；②如果你已经有了象，先说象再让它分光，否则它会给你五个四平八稳的频道，而那个最特别的东西就丢了。
第十八章 组合四步工序：取象、择模、定序、验算
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
这一章是全书的操作总纲。前面所有内容，最后都要落到这四步上：
取象 → 择模 → 定序 → 验算
每一步都已经在前面的章节里讲过，这一章做三件事：把它们串成一条可走的流程、补上"择模之后怎么配比"这一环（君臣佐使）、给一个完整演示。
要做的：在没有标签的地方，取出第一个象。
工具：第八章的卦变五问（本／变／互／错／综），或者就一句"这整体的劲儿像什么"。
产出：一句话的象。"这像上游在扔石头。"
这一步的规矩：
时间：五分钟到三十分钟。别嫌短——第五章的五分钟练习能顶两小时的无效分析。
这一步最容易犯的错：跳过它。前面说过三次，这里说第四次，因为它就是这么顽固。
要做的：挑 2–3 个对口模型，并给它们排位置。
先说挑。标准就一条（第十五章）：它覆盖的维度，是我列出的真维度之一吗？挑不同族的，一次不超过三个。
然后是配比——这一节是本章最重要的一节。
挑出来三个模型之后，它们不是平等的。中国传统里有一套现成的配比法，叫君臣佐使，本来是中药配伍的规矩，我用它来给模型排位置。
君：主攻，1 个。
负责给出主要判断的那个模型。它是这个组合的主力，结论主要由它产生。
怎么选君？看你取的象最核心的态势是什么。象是"上游在扔石头"，核心态势在源头，那就让"源头管理"相关的模型做君。
臣：辅助，1–2 个。
负责补上君的盲区。君看得深但看得窄，臣要补它看不到的维度。
比如君是"瓶颈理论"（看流程），臣可以是"激励相容"（看人的动力）——因为瓶颈模型默认"人会好好干活"，这个默认需要臣来补。
佐：制衡，0–1 个。
这是最容易被省掉、也最不该省的一味。
佐的作用是专门唱反调。它的任务不是补充，是攻击——攻击君和臣得出的结论。
为什么必须有？因为任何一组自洽的模型，都会形成一个自我强化的闭环——君说 A，臣支持 A，你就觉得 A 特别有道理。而 A 可能完全是错的。佐是那个在闭环外面敲打的人。
中药里配"佐"就是为了这个：佐药的作用是制约主药的偏性、消除毒性。用在模型上，佐药消除的是"自洽带来的盲目自信"。
判据一句话：一个组合里没有"佐"，等于没有刹车。
使：引经，1 个（可以很轻）。
负责把整套组合引到具体场景落地。使不做分析，它只做一件事：把结论翻译成"明天早上干什么"。
中药里"使药"的作用是引经报使——把药力引到病灶。用在模型上，使就是把分析引到行动。
君臣佐使配比表
| 位 | 数量 | 干什么 | 不干什么 | 省略的代价 |
|---|---|---|---|---|
| 君 | 1 | 给出主要判断 | 不管自己的盲区 | 没有主心骨 |
| 臣 | 1–2 | 补君的盲区 | 不挑战君 | 视野窄 |
| 佐 | 0–1 | 专门唱反调 | 不负责建设 | 没有刹车 |
| 使 | 1 | 翻译成动作 | 不做分析 | 分析完没有动作 |
看最后一列：省掉佐的代价是"没有刹车"，这是四味里唯一一个会导致方向性灾难的。
要做的：排调用先后，处理模型之间的冲突。
顺序怎么排？两条规则：
规则一：按"会不会改变条件"排序。
先调用那些不会改变现状的模型，后调用那些会改变现状的模型。
举例：你看一件事，先用"供需关系"看市场结构（不改变什么），再用"安全边际"看能不能扛（也不改变什么），最后才用"信号理论"看你的行动会释放什么信号（因为行动会改变局面）。
规则二：按"错了多惨"排序（重的后上，但要先问）。
工程族的模型（安全边际、失效模式）涉及"会不会死"，这类问题要先问（因为是前提），但它的结论要最后整合（因为它会否决其他结论）。
所以准确的说法是：致命性问题最先问，但最后整合。
冲突怎么处理？
两个模型给出相反结论时，不要急着选一个。三步：
第三条最容易做错。大部分人会在两个模型之间挑一个，然后说服自己那是对的。而正确的动作是回到上层。
要做的：按约束、代价、可逆性三条刻度打分。
这一步第十九章会完整展开，这里只给一个小版本，让四步能闭合：
三条都过了，才是"当前约束下的更优解"。
用一个日常例子把四步走完。
事：你负责一个项目，最近三个月团队明显疲惫，产出在掉。你要决定下一步。
第一步：取象（卦变五问）
象：不是"人累了"，是"他们的劳动被作废了"。
第二步：择模 + 配比
第三步：定序
① 先用激励相容看"作废感"怎么消（不改变现状的分析）；
② 再用系统延迟追上游（看修改从哪来）；
③ 最后让奥卡姆剃刀攻击前两条的结论；
④ 致命性问题先问：现在有人会在两个月内走吗？（如果有，这是前提，要优先处理。）
第四步：验算
结论（更优解）：不是团建、不是打鸡血、不是加人。是先在上游建立一个"需求冻结"机制（让劳动不作废），同时当面向团队说明这个机制。
注意这个结论是怎么来的：象（劳动被作废）→ 君（激励相容）→ 定序（先解决作废感）→ 验算（人心不可逆，所以优先）。
如果跳过取象直接套模型，大概率会走到"团队疲惫 → 团建／激励／减负"这条路上去。那些做法都不算错，但都对不上真正的问题。
| 步 | 要填的内容 | 填完的标志 |
|---|---|---|
| 1 取象 | 一句话的象 + 支撑它的三条观察 | 能说出"这像什么"且举得出观察 |
| 2 择模 | 君 1 个、臣 1–2 个、佐 1 个、使 1 个 | 每个都能说出"它不管什么" |
| 3 定序 | 调用顺序 + 致命性问题是否已问 | 能说出为什么这个顺序 |
| 4 验算 | 约束／代价／可逆性三条 | 能说出这算不算"更优解" |
四步走完的标志就一条：你有一个明天早上能开始做的动作。
没有动作，说明四步里有一步是虚的——回去补。
四步里，第 1 步你做，第 2 步它能帮，第 3 步它值得帮，第 4 步你要拍板。
特别提醒第 2 步里的"佐"：必须显式指定一个唱反调的角色，因为 AI 天然倾向迎合你。你可以这样写：
"在给出结论后，请额外扮演一个反对者：如果我的判断是错的，最可能错在哪一环？给出具体的反驳，不要温和。"
不给这句指令，你拿到的是一份很顺的错误答案——AI 不会主动反对你，除非你要求它。
第十九章 什么叫"解对了"：约束、代价、可逆性
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
前面十八章都在讲怎么得到一个解。这一章讲：拿到一个解之后，怎么判断它行不行。
这件事比看上去难。因为人在拿到一个"看起来有道理"的解的时候，会产生一种强烈的完成感——你会觉得事情想清楚了，可以动了。而这个完成感，跟解对不对，其实没什么关系。
所以我给三条刻度，把"对不对"变成一个可以打分的事。
三条刻度是：约束、代价、可逆性。
它们不是三个并列的选项，是三道关：约束不过，方案不成立；代价算不清，方案不可比；可逆性不查，方案不敢做。
约束是"不能动的东西"。它决定了你的解空间有多大。
约束有三类，缺一类都会出问题：
资源约束：钱、人、时间、设备。能调动多少？
周期约束：多久之内要见效？一周、一季、三年，对应的解法完全不同。
红线约束：哪些东西绝对不能碰？（法律、健康、某段关系、某个承诺）
常见错误：把约束当成目标。
"预算只有十万"是约束，不是目标——你的目标不是"花掉十万"，是"在十万以内把事办了"。很多人把约束误当目标，最后做出一个"刚好花完预算但没解决问题"的方案。
常见错误二：不写下来的约束等于没有约束。
这个错误更隐蔽。你心里知道"这事不能让老王知道"，但没写下来。等方案做到一半，你会发现自己正在设计一个需要老王配合的方案。
所以这一步的操作很简单：在动手之前，把三条约束各写一句话。写完贴在方案最上面。
代价是"你要付出去的东西"。
关键在"都要算"三个字。大部分人只算钱的账，忽略了另外三本。我管它们叫四本账：
| 账 | 算什么 | 常被忽略的原因 |
|---|---|---|
| 钱 | 直接成本、机会成本 | 算得最多，但常漏机会成本 |
| 时间 | 要花多久、这段时间还能干什么 | 时间不像钱那么刺眼，容易低估 |
| 关系 | 会伤到谁、谁的信任会透支 | 最难量化，所以最常被跳过的 |
| 能量 | 你自己和团队的心理消耗 | 完全不可量化，但它决定你能不能撑到结果 |
能量的账最容易被忽略，也最致命。
我见过太多"方向完全正确、最后死在半路"的事——不是因为方案错，是因为做这件事消耗的能量超出了团队能承受的上限。人在能量耗尽之后会做两件事：敷衍，或者离开。
而能量这本账有个特点：它在开始时最难估算，在开始后最难追加。所以只能是"留余量"——如果你估算需要七分力，那就按需要十分来准备。
关系账的提醒：第一章说过，用模型替代取象会伤人。那笔账就记在这里。你在分析里把人当成"激励不相容的对象"，这笔账会以信任透支的形式在半年后找上门。
这一条最重要，也最少人查。
可逆性是：这个决定做错了，能不能退回来？退回来要付多少？
分三档：
| 档 | 特征 | 例子 | 该付多少谨慎 |
|---|---|---|---|
| 易逆 | 错了随时能改，成本很低 | 换个软件、改个文案、调整排期 | 可以大胆试，快速迭代 |
| 难逆 | 能改，但要付不小代价 | 招错一个人、签一年合同、搬办公室 | 先小规模试，再铺开 |
| 不可逆 | 改不回来 | 说出去的伤人的话、公开承诺、健康损伤、信任破裂 | 必须慢，必须多人过一遍 |
判断可逆性的价值在于：它告诉你该用多少谨慎。
这是全书我最想让你记住的一条操作规则：
可逆的决定要快，不可逆的决定要慢。
大部分人的做法正好相反——在小事上反复纠结，在大事上凭感觉拍板。因为小事看得见、想得清，所以反而花时间；大事看不见、想不清，所以干脆不想了。
可逆性就是用来纠正这个本能的。你拿到一个决定的时候，第一件事不是分析它对不对，而是问："这个能做错吗？错了能撤回吗？"
可逆性也是"精益"的真正依据。为什么"小步快跑"是对的方法论？不是因为它时髦，是因为它把不可逆的事拆成了可逆的——每一步都小到可以撤回，于是你可以用很低的谨慎成本去试。
三条刻度合起来，做成一张表。拿到一个解，对着打。
| 刻度 | 问什么 | 打分（1–5） | 及格线 |
|---|---|---|---|
| 约束 | 三条约束（资源／周期／红线）都满足吗？ | ≥ 4（红线必须满分） | |
| 代价 | 四本账（钱／时间／关系／能量）都算了吗？ | ≥ 3（漏一本就降分） | |
| 可逆性 | 错了能撤回吗？撤回多大代价？ | 看档位定策略，不打分 |
判定规则：
第 4 条要解释一下。为什么可逆性优先于收益？因为收益是估算的，可逆性是确定的。一个收益更大但不可逆的方案，它的期望值取决于你的估算准不准；一个收益略小但可逆的方案，它的下限是有保障的。
在你没有十足把握的时候（也就是绝大多数时候），选那个错了还能回来的。
三条刻度讲完，回头再看第四章那个立场，就清楚了：
最优是对比出来的，而你这三条刻度的取值，跟任何人都不同。
所以同一个方案，对你是更优解，对我可能就是毒药。不存在脱离主体的最优解。
这也是"更优解"这个词比"最优解"诚实的地方：它承认了解的好坏是相对于某个主体的，而不是客观存在的。
全书统一口径：更优解 / 适配解。任何出现"最优"的地方，都必须加上限定——谁的、在什么约束下、多长周期内。
AI 完全不知道你的约束、代价和可逆性——除非你告诉它。它默认会给你一个"通用最优"的答案，而那个答案是按"没有约束的人"算出来的。
所以每次让 AI 给建议，都要先声明这三项：
"我的约束是（预算／周期／绝对不能碰的东西）；我会付出的代价包括（钱／时间／关系／能量）；这件事的可逆程度是（易逆／难逆／不可逆）。请在此基础上给建议，并说明如果约束变了，结论会怎么变。"
最后那半句尤其有用——它让你看见结论对哪些约束最敏感，那些敏感项就是你该花力气去谈的地方。
第二十章 组合的五大陷阱：看起来深思熟虑的错误
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
从第十五章到第十九章，讲的全是"怎么组合才对"。这一章反过来，讲组合怎么用错。
为什么单列一章？因为有一个残酷的事实：
组合用错了，比不用更危险——因为它看起来很像深思熟虑。
单用一个模型错了，事后好反省："我套错模型了。"组合用错，你列了三个模型、排了顺序、验了算，每一步都像那么回事。复盘的时候你会觉得"方法没问题，是运气不好"——然后下次照旧。
我在书院带人复盘，见过最多的不是"不会组合"，是组合得很认真、错得很系统。下面五种陷阱，每一种我都亲眼见过，也每一种我自己都掉进去过。
组合两三个模型，最常撞见的问题：它们给出相反的判断。
经典场景：要不要扩张。用规模效应模型看——该扩，边际成本在降；用组织能力模型看——不该扩，管理半径撑不住。两个都对，结论相反。
错误处理有两种，都常见：
正确处理的次序，第十八章提过一句，这里展开：
记住这条：模型冲突不是模型的故障，是取象的信号。它告诉你，你在用一个"象"装了两种不同的问题。
第二种陷阱是把不同层级的东西放在一个组合里比。
第十三章讲过模型会"层级错配"失效。组合时它会以另一种形态出现：你在同一个分析里，既用了管个人的模型，又用了管系统的模型，还把它们的结果直接相加。
举个具体的：分析"为什么门店这月业绩下滑"。你用了激励相容（个人层面的：员工为什么没动力）和系统延迟（系统层面的：上个月的决策这个月才显现）。两个都有道理，但它们不在一个层级——激励相容指向"人出了问题"，系统延迟指向"不是人的问题，是时间没到"。
如果你把两个结论并列说"既有人又不人"，等于什么都没说。
规则：组合里的模型必须声明各自作用的层级，不准跨层互证。个人层的归个人层，系统层的归系统层，层与层之间只做"接口"（个人层的变化会影响系统层），不做"证明"。
判断方法很土但有用：把你组合的每个模型，各自单独拿出来说一遍结论。如果两个结论在逻辑上需要"互相踩"才成立，那就是层级错配了。
第三种最隐蔽：你为了解释眼前这件事，临时拼了一套只在它身上成立的说法。
它的样子是——组合里的每个模型都"刚刚好"命中。复利解释了积累，瓶颈解释了卡点，囚徒困境解释了僵局……全部严丝合缝。
这时候要警惕：现实问题不会配合你的模型严丝合缝。严丝合缝通常意味着你在倒着推——先有了想解释的结论，再反手挑模型来凑。这是典型的事后叙事，它的名字在统计里叫过拟合，在生活里叫"马后炮"。
怎么识别过拟合：把问题里的一个关键事实换掉，看你的组合还成不成立。
过拟合为什么危险？因为它不可迁移。你在这个问题上"解释得很漂亮"，下一个问题来了，这套组合用不上，你得重新凑——等于你每次都在做一次性分析，从来没有积累。
真正能积累的分析，是那种"换了个公司、换了个年份，骨架还在"的分析。
第四种，跟模型本身没关系，跟谁用过它有关系。
"贝索斯用六页纸备忘录，所以我们也用。""芒格用多元思维模型，所以我们也列一堆模型。"
我把这叫权威污染：一个方法因为被某个人用过，就被当成"用他就没错"。最要命的是它传染给组合——你挑模型不是按问题挑的，是按"哪个大佬用过"挑的。
芒格用多元思维模型，不等于你列七个模型就等于芒格。他列模型之前那个"取象"的动作，你看不见，也学不走——那个动作才是关键。你学到的只是他的执行层，没学到他的调度层。
解毒剂就一句：任何模型，你在用之前都要能回答"这个问题为什么配它"，而不是"谁用它配"。回答不上来，先回去取象，别急着借名人的光。
第五种，也是最常见、最难的：找到一个能自圆其说的解，就停手了。
人脑有个毛病——它偏爱闭合，讨厌开放。一个解释一旦能自圆其说，大脑就会分泌"想清楚了"的满足感，然后停止搜索。这就是为什么第十七章的五色光要有"强制完整"原则、第十八章的君臣佐使要设"佐"——它们全是冲着这个毛病去的。
过早收敛在组合里的典型表现：你组到"有一个解说得通"就收工，而不是组到"几个候选解都比过"才收工。前者是找到一个答案，后者是确定一个更优解。差别就是第四章到第十九章一直在说的：更优是比出来的，不是找出来的。
破法：强制自己至少做出两个候选解再选。哪怕第二个很荒唐。第十九章说过，两个都及格时选可逆性高的——可你要先有两个，才谈得上选。
拿到任何一个"认真组合过"的结论，交付之前过这五问：
| 问 | 查什么 | 不合格的信号 |
|---|---|---|
| 模型打过架吗？ | 是否回取象层把冲突消掉 | "两方面都对，我们综合一下" |
| 层级分了吗？ | 每个模型作用的层级是否声明 | 个人层的账和系统层的账加在一起算 |
| 换个事实还成立吗？ | 组合是否可迁移 | 换掉一个关键事实，组合立刻散架 |
| 为什么是这几个模型？ | 是否按问题挑的 | "某某大佬也这么用" |
| 有几个候选解？ | 是否比过才收工 | "这个解释得通，就它了" |
五问里只要有一问答不上来，这个组合就还没到能交付的状态。不是要重做，是回上一层——多半是取象那一步偷了懒。
AI 是过拟合和权威污染的重灾区——你给它的信息越少，它越会"严丝合缝"地给你一个听起来完美的答案；你提到某个知名方法，它默认顺着你。
用这一章的话术压住它：
"请给出两个候选方案，并各自说明它们在什么条件下会失效。"
"我换一个关键前提（把××改成××），请重做一遍，告诉我结论哪里变了。"
这两句就是把"佐"和"反过拟合"装进了你给 AI 的指令里。第 24 章会把这类话术整理成一张完整的表。
第二十一章 个人决策全案：一个真问题从头解到尾
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
前面二十章，工具是一个一个给的：取象、卦变、择模、君臣佐使、五色光、三刻度。这一章把它们串起来，用一个真问题从头到尾走一遍。
道理很简单：单件工具你都会，一上真事就乱——因为真事不会按工具的顺序出牌，它糊成一团砸过来。你需要看一遍"糊成一团的东西，是怎么被一步步捋成一条线的"。
先说明：这是个真事改写的案例，细节做了脱敏。决策者是老周，一家制造企业做了八年的中层，管供应链。来找我的时候，他手上有一个 offer：同行一家公司挖他去做副总，年薪翻倍，管更大的盘子。他纠结了三个月，瘦了六斤。
他来找我，张嘴就是一堆标签："我遇到职业天花板了""我不想温水煮青蛙""这个机会错过就没了"。
我要是顺着他的话往下接，这案子就废了。因为他说的是他给自己贴的标签，不是他的处境。全书最要紧的一步，就从这里开始。
我让他做了一件事：别讲道理，给我讲三个具体的画面——最近三个月里，哪些时刻让你最不舒服。
他想了很久，讲了一个：
"每周一早上，我把车开进公司停车场，熄了火，要在车里坐一会儿，抽完一根烟，才上得去楼。"
我又问：那收到 offer 那天呢？
"我当天晚上很兴奋，跟我老婆说到十二点。第二天早上起来，那个兴奋就没了，还是堵。"
注意这两个画面放在一起的样子。如果他的象是"这里不行、那里更好"，那收到 offer 应该持续兴奋。可他的兴奋只活了一个晚上。这说明：他的痛苦不在"这家公司"，在他"进那栋楼之前要做心理准备"这个动作本身。
概念会杀人。他一直用"天花板""温水""机会"这些标签说话，这些标签把他的真实处境盖住了。真实处境是：他每天在为一个"进去"的动作消耗能量，而那个 offer 只是让他在想象里换了一栋楼——他没想过，新楼他一样要"进去"。
这一步我什么都没分析，只陪他看了两个画面。取象不需要工具，需要的是先别急着当医生，先当镜子。
象取出来，是一个点。要用卦变五维把它掰开看——记住第八章那句话：它是序列，不是五个看法，顺序有意义。
本卦（现状）：他每周一在停车场坐着抽烟。公司的管理工作他做得动，但"做得动"和"愿意做"之间，裂了一条缝。
变卦（不动，一年后）：他大概率还在，offer 不会再有了——不是机会没了，是他会越来越难下决心，机会成本随年龄陡增。
互卦（内因，最狠的一问）：他到底怕什么？聊到这儿他忽然说了句实话："我怕的不是没钱，是怕别人觉得我这辈子就这样了。"——注意，内因不是"想成长"，是"怕被判定为不成长"。这俩长得像，性质完全不同。前者是动力，后者是恐惧。
错卦（假如我全看错了）：有没有可能他留下来也在成长？他愣住，说公司今年其实在上一个很大的数字化项目，总裁点名让他参与——他自己都没把这当回事。一个"想走"的人，会看不见眼前的成长机会，因为他的心已经不在这个画面里了。
综卦（对方的等式）：他老婆的等式是什么？他以为她要的是他挣更多。我让他回去问。答案是：她要的是"家里别再坐着一个每天很累、话越来越少的人"。她根本没把他的 offer 当回事，她心疼的是那个每周一在停车场坐五分钟的人。
五问走完，他那个"走还是留"的问题，已经不成立了。真正的问题浮出来了：他怕被判定为不成长——这个怕，换了楼也躲不掉。
取象定了，才轮到模型出场。我跟他一起挑。候选模型当时列了一大堆，最后只留了三个——记住第十八章：2–3 个，不是 7 个。
君（主攻）：机会成本。不是算"留下失去什么"，是算"换轨道的真实成本"——他八年的行业积累、供应链的人脉、行业 know-how，换到新公司（同行业但不同细分）能带走多少、要重学多少。这是这笔决策的账本。
臣（补盲）：沉没成本谬误（反面用）。专门提醒他别被"八年资历"绑架——"干了八年所以不能走"和"干了八年所以值得留"是两回事。这一臣的作用是让君不偏。
佐（唱反调）：损失厌恶。佐要盯住一个方向不放：你对现状的痛苦，会不会被高估？人在想走的时候，会把现状的坏处放大、把未知的好处放大。佐的任务就是泼这盆水：你确定那个 offer 真有你想的那么好？你确定留下真的那么糟？
当时没设"使"，因为这一步还不到落地。使要等验算过了、真要动了，才出场翻译成动作。
模型给的是骨架，情绪是血肉。他这种大事，光有模型不够，得用五色光把人的各个频道都走一遍，防止哪一色被漏掉。我当时带他走的序列：
白光（事实）：offer 数字、新公司融资情况、家庭每月刚性开支、老周年龄与行业周期——摆事实，不许带情绪词。
红光（情绪）：他承认，想到"拒绝 offer"会让他有一种"我怂了"的羞耻感；想到"接受 offer"又怕自己撑不住。两种怕在打架。
黄光（价值）：他到底要什么？他自己排序：①晚上回家能松一口气；②三年后回头看，自己还在长；③钱够用且稳步涨。注意，offer 给的是③，他真正缺的是①和②。
绿光（创新）：除了走和留，有没有第三个选项？我们一起想出来一个：内部转岗去那个数字化项目——不换楼，换工种，用公司的资源验证自己还能不能成长，试错成本极低。
蓝光（风险）：最坏情况各是什么？走：新公司两年内没做成，他 40 岁再找同类岗位，难。留：项目没做成，他还是在原地，但至少没输掉八年积累。内部转岗：最坏是项目黄了回原岗，几乎无损。
走到绿光的时候，老周自己说了句："其实我心里早就有这个答案，我只是不敢想——因为我怕转岗显得我'没走成'。"——又是那个"怕被判定"在拦他。
两个候选摆上桌：A 接 offer，B 内部转岗试半年。用第十九章的三刻度打：
| 刻度 | A 接 offer | B 内部转岗 |
|---|---|---|
| 约束 | 家庭开支要撑住新公司可能的降薪期（他不确定） | 现有薪资不动，约束全满足 |
| 代价（四本账） | 钱账好看，但关系账（新环境从头建立信任）、能量账（又要"进新楼"）都很重 | 钱账不变，能量账小，关系账几乎为零 |
| 可逆性 | 难逆——辞职是公开动作，半年后悔了也回不去 | 易逆——项目黄了回原岗，几乎无损失 |
打分规则第四条是什么？两个解都及格时，优先选可逆性高的。收益是估算的，可逆性是确定的。老周对 A 的收益全是估算——新公司好不好他不知道；对 B 的代价全是确定——最坏就是没损失。
结论清楚：B 不是退而求其次，B 是在"收益不确定、代价确定"和"收益确定、代价几乎为零"之间，唯一理性的选择。
这个故事讲得挺顺，但我不装——第一步我就差点搞砸。
老周坐下说"职业天花板、温水煮青蛙"的时候，我的第一反应是给他上模型：机会成本、第二曲线、生涯三阶段……我在执行层忙得飞起，工具一个比一个漂亮。
是老周自己把我拽回来的。他说："贾老师，你给的建议都对，但我听完更堵了。"
更堵——这三个字是镜子。我犯了第二十章说的过早收敛：他还没取象，我已经收敛到"去或留"的选项里了。更糟糕的是，我连"去或留"这个题面都是顺着他的标签接的。要不是他喊停，这个案子会在一个假题面上做全套真分析，得出一个"正确但没用"的答案。
后来我复盘，给自己立了条规矩，也写在这本书里：
来访者（和自己）张嘴给的都是标签时，先别急着解题。先把"这到底是个什么问题"问清楚。题面错了，解得多漂亮都是浪费。
把上面的流程抽成一张能填空的单子。以后遇到自己的大事，照着走：
第一步 取象（30 分钟）
第二步 卦变五问（30 分钟）
第三步 择模 + 君臣佐使（20 分钟）
第四步 五色光序列（40 分钟）
第五步 验算（20 分钟）
复盘（事后一个月）
老周这个案例里，最有价值的一步是取象——而这一步 AI 替你做不了，因为你没法替老周讲出"停车场那根烟"。
但 AI 是极好的"佐"和"臣"。你可以把标签题面丢给它，让它反过来审你：
"我目前的想法是××。请扮演'佐'：专门找出这个想法里被高估的好处和被低估的代价；再扮演'臣'：指出我漏掉了哪些选项（尤其是我没敢想的）。"
你在取象，让 AI 帮你防过早收敛——这是人机在决策上的正确定位：象归你取，刹车归它踩。
第二十二章 组织现场：难点不是没人会想，是不同步
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
第二十一章教一个人怎么想清楚。这一章上一个台阶：一群人怎么一起想清楚。
先泼一盆冷水：一个人学会了这套东西，扔进一群没学过的人里，局面不会变好，常常更乱——因为他看见的问题，别人看不见；他说话的方式，别人接不住。组织解题的难点，从来不是没人会想，是想的几个人不同步。
什么叫不同步？五个部门坐一桌，市场部在说增长（黄光价值），财务部在说预算（白光事实），后厨在说别折腾（蓝光风险），店长在说员工太累（红光情绪）——每个人都在自己的频道上输出，谁都没错，但谁也听不见谁。这桌会开三个小时，散会时每个人都觉得别人不讲理。
第十七章讲过：五色光需要一个主持人，管顺序、管换挡、管停。组织场景里，这个主持人不只是"管自己的思维"，是管一屋子人的思维在同一序列里走。这一章讲的就是这个活怎么干。
我在书院和味藏带过很多这种会。挑一场最有代表性的讲——"要不要上一个系统"的决策会，六个部门负责人，两个半小时，最后十五分钟做出决定，大家居然都认。
先解释标题里的"四色"：五色光有五色，但组织的会很少五色全开。主持人会按会议性质裁掉一色。那场会裁掉的是绿光（创新）——因为决策会不允许现场发明新选项，新选项必须在会前备好，会上临时想出来的方案九成没算过账。绿光砍掉，整场会的时间预算就够了。这是第十七章"序列自由"原则在组织里的真义：序列是手段，不是仪式，主持人有权删。
那场会实际走的序列：白光（把事实摊完）→ 红光（把情绪说破）→ 黄光（对齐要什么）→ 蓝光（把风险摆完）→ 回到白光做决定。
主持人开场只做一个动作：让每个人用三句话讲"我手上与这事有关的事实"，讲完不许评价。
财务："系统年费三十万，三年合同，含实施。"
后厨："我们现在高峰期点单还是手写，传菜靠吼。"
店长："上个月丢了三单外卖，因为记错地址。"
市场："我们连复购率都数不准，会员全靠纸卡。"
主持人这时的全部工作就是按住那些想跳去评价的人——有人刚想说"所以这个系统必须上"，主持人抬手："先记着，这句话等黄光再说。"
白光一摊，抵触就浮出来了。后厨说："每次上系统，最累的是我们，学新东西、改习惯，出错的还是我们。"
如果没人接这句，这个会就死了——后厨会带着情绪进入后面所有环节，每个决定都暗中使绊子。主持人做了一件事：把情绪当成事实接住，不评判。"你说得对，过去上系统，学习和出错的成本都压在你们身上。这个账今天要算进去，不能假装没有。"
注意：主持人没有安慰，没有讲道理，只是承认这笔账存在。情绪被说破之后，反而不再挡路——后厨后来成了最配合的部门，因为他的账被记上了。
情绪落地，才问价值：这个系统解决的是谁的什么问题？
各说各的：财务要"数据能对上账"，市场要"知道谁在复购"，店长要"少丢单"。主持人把它们归成一句："我们要的不是一个系统，是让'账、人、单'三本账从纸上变成数字。"——注意这句是取象：把三个部门各自的"要"，收成一个共同的象。
这一句出来，争论的性质变了：之前吵"上不上系统"，现在变成"怎么让三本账都变数字"——系统只是手段之一。
主持人问：最坏情况是什么？
财务："签了三年，第二年发现不好用，钱退不回来。"
后厨："上线那两个月，高峰期会不会崩？"
主持人没让大家"别担心"，而是把风险变成条款："合同能不能加'第二年按效果续费'？上线能不能选在淡季、先拿一家店试点？"——把不可逆的决策拆成可逆的（第十九章那句话的现场版）。
两小时过去，主持人说："现在可以下结论了。事实、情绪、价值、风险都过完了，同意的说说理由，不同意的说条件。"
最后决定：上，但改两个条款（按效果续费、淡季单店试点先跑三个月），三个月后拿数据回来再决定要不要铺开。十五分钟拍板，全体通过。
散会时后厨说了一句我一直记着的话："今天这会有意思，没有人被说服，但大家是一起走过来的。"
拆解上面那场会，主持人其实只干了四件事：
第四条最难，也是主持人最该练的。它不需要口才，需要听完六个人的话，说出那句让六个人都点头的"我们要的其实是……"——这就是第十七章说的：分光之后还要取象，主持人就是那个取象的人。
不是每场会都有这么顺。三种翻车最常见，主持人要有对应的动作：
| 翻车 | 表现 | 原因 | 主持人动作（话术） |
|---|---|---|---|
| 有人抢光 | 白光环节不停下结论，或红光环节讲半小时 | 他习惯了"边想边说"，按不住自己 | "你这条很重要，先请记到黄光那一栏，我们到点了一定回头处理它。" |
| 有人串光 | 说着事实突然跳到"所以他就是不行" | 情绪混进事实，自己没察觉 | "停一下，刚才那句是判断不是事实。事实是××，判断我们留给黄光。你同意吗？" |
| 有人不换光 | 红光环节过去了，还在反复讲自己的委屈 | 情绪没被真正接住，他不敢放下 | 别催，先接："这事确实憋屈。我想确认一下：如果这事我们记上账、给个说法，你能先放到一边吗？" |
| 主持人自己掉色 | 主持人被带进争论，开始站队 | 主持人忘了自己管流程不管内容 | "我刚才也在争，抱歉。我是主持人，我的活是管顺序。刚才那点，请××记到黄光。" |
话术库的要点就一条：永远处理"话"，不处理"人"。"你的话跑频道了"大家都能接受，"你这个人跑频道了"就结仇了。
组织开会前，主持人花十分钟填这张表，会能省一小时：
| 栏 | 填什么 |
|---|---|
| 会议性质 | 决策会（裁绿光）／复盘会（裁白光，默认事实已齐）／头脑风暴会（只开绿光+红光）／危机会（只开白光+蓝光，快） |
| 本次序列 | 如：白→红→黄→蓝→白（写明哪几色，各几分钟） |
| 谁最容易抢光 | （人名）→ 预案：让他第一个讲，讲完即收 |
| 谁最容易串光 | （人名）→ 预案：他讲话时主持人多一句"这是事实还是判断？" |
| 谁最容易不换光 | （人名）→ 预案：单独留 5 分钟让他把话说完 |
| 这句会要取的象 | 预计各部门的"要"能收成哪一句（会前先想，会上修正） |
最后一栏最关键。主持人会前不先想"这会的象大概是什么"，会上就容易被带着走。先有预设，才有修正；没有预设，只有随波逐流。
AI 可以当会议主持人的场外陪练，但上不了场——因为它感受不到一屋子人的情绪暗流（红光），那是要靠人眼看的。
会前你可以让它帮你预演：
"我要主持一场关于××的决策会，参与者有（各部门）。请按五色光各拟一个我该问的问题，并预测：谁最可能反对、他会用哪一光的理由、我怎么把他的理由归位到正确的环节。"
会中它可以当你的实时记录员："我把现场发言按时间发给你，你只做一件事：标出每条发言属于哪一光，发现有人串光就提醒我。"——你管人，它管归类，这就是组织场景的分工。
第二十三章 怎么教：取象能教，但不能只靠讲
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
前面二十二章讲了一套方法。这一章问一个现实问题：这套东西，怎么传给别人？
先说实话：象思维这套东西，比思维模型难教得多。模型有定义、有边界、有出处，可以写进 PPT 一条条讲；取象没有定义式的教法——你没法用一段话让人"会取象"，就像你没法用一段话让人"会游泳"。
但难教不等于不能教。我的判断是：这套东西能教，但只能靠练，不能只靠讲。凡是只靠讲就能传的，都是模型那半边；象那半边，必须把人按进水里。
这一章分三种对象讲：孩子、团队、自己。顺序是有讲究的——从最不需要"清除旧习惯"的人开始。
孩子的可塑性最好，但也最容易被教坏。给孩子的第一原则是：
先练十年取象，再谈模型。模型晚给三年五年不迟，取象的窗口期过了就补不回来。
为什么？因为模型的本质是"有损压缩"（第三章）。压缩的前提是你先有"未压缩的感知"。孩子时期是积累感知素材的黄金期——他对世界还没有标签化的习惯，看树就是树，不是"行道树，落叶乔木，属悬铃木科"。这时候你塞给他一堆模型，等于让他还没吃过大米，先学会看营养成分表。
具体怎么练？三个不用上课的活动：
艺术与手工。画画、捏泥、搭积木。这些活动的本质是"把心里的象变成手上的物"——这就是观象制器的童子功。不追求像，追求"你敢把心里那个说不清的东西做出来"。
自然观察。带他看一棵树一年四季，看云，看蚂蚁搬家。观察本身不教任何东西，但它在攒象库。第二章说过，悟性＝象库×提取速度。象库只能靠时间攒，没有捷径。
讲故事，讲"像什么"。孩子问"云为什么是白的"，别急着给科学答案，先反问"你觉得它像什么"。比喻是取象的语言练习——"像什么"这个问题，逼着孩子在两件不相干的事之间找结构，这就是取象比类的雏形。
给家长的提醒：别急着夸"真聪明"，多问"你看到了什么"。"聪明"是标签，标签会让孩子过早学会"给答案"而不是"看东西"。
成年人比孩子难教，因为他们脑子里已经装满模型和标签，而且他们不觉得自己需要学。你给一个老员工讲"象思维"，他礼貌地听完，回去该怎样还怎样。
给团队教的铁律是：
不要开培训课讲理论，要带着他们开一场会。从"会议序列"切入，让他们先用起来，再告诉他们刚才用的是什么东西。
成年人是"用会"的，不是"学会"的。你直接讲五色光，他记不住；你带他走一场五色光的会，散会时他说"今天这会开得痛快"——这时候你再告诉他："刚才我们用的就是五色光，那套东西叫调度。"名字永远放在体验后面。
具体路径分三步：
注意一个坑：别一上来就全员培训。先挑三五个"开会最痛苦、最有影响力"的人练，练成了，其他人会自己凑过来问——组织里的好东西是"被羡慕出来的"，不是"被推广出来的"。
教别人之前，先教自己。给自己不用上课，用日课。三个动作，每天加起来不到半小时：
每日一象（10 分钟）。每天挑一件你身边的小事——今天最难的一次对话、路上看到的一个画面——用第五章的方法，写下"它像什么"。不写道理，只写象。附录 B 有七个练习，轮着用。
每周一序（20 分钟）。每周日晚上，把下周要做的三件难事列出来，各配一个序列：这事要先取象还是先查数据？要开几色光？附录 C 有现成的序列模板，直接抄。
每月一复盘（30 分钟）。月底问自己四个问题：这个月我有没有"标签代替感知"的时刻？有没有一个决定是跳过取象直接上的？有没有一次"过早收敛"？下个月哪个工具最该练？
三个日课练的是同一块肌肉：把"想当然"变成"看见"的肌肉。它不会让你一个月脱胎换骨，但会像攒象库一样，攒你自己的"调度直觉"。
写了这么多"怎么教"，必须诚实地说：有三件事，几乎教不会，只能等对方自己长出来。
第一件：静。取象的前提是心里安静（第五章）。但安静没法教——你不能让一个焦虑的人"别焦虑"。你能做的只是给他一个安静的环境，剩下的靠他自己。很多人不是学不会取象，是他的人生还没给他一个必须安静下来的理由。
第二件：诚。取象要求你诚实面对自己看到的——老周那个案例里，他"怕被判定为不成长"这句实话，不是我问出来的，是他自己准备好才说出来的。诚这个东西，教的动作只会把它推得更远。你越说"你要对自己诚实"，对方越警觉。
第三件：承认自己取错了象。这是最难的。第二十一章里我承认自己差点把老周的案子带偏——那个承认，是写给读者看的，但在现场，承认自己错了，需要放下"我是老师"的位置。老师承认取错了象，学生才敢承认自己看错了；老师永远正确，学生就永远在表演正确。
教象思维的终点不是教会别人取象，是让对方敢在你面前承认他取错了象。那一句话说出来的时候，才是真的会了。
| 对象 | 切入点 | 先教什么 | 后教什么 | 最大的坑 |
|---|---|---|---|---|
| 孩子 | 玩（艺术/自然/比喻） | 取象（攒象库） | 模型（至少十岁后再谈） | 过早给标签和模型，压缩了他的感知 |
| 团队 | 一场会（序列体验） | 五色光会议的规则 | 命名课+全书工具 | 开理论培训课，讲完就忘 |
| 自己 | 日课（每日一象） | 取象的肌肉 | 调度整套工具 | 只学不练，把书当鸡汤读 |
三条路径的共同点，也是这一章的一句话总结：
象思维不是教出来的，是带出来的、练出来的。你只能把人带到一个他自己愿意看的地方，然后把"看"的动作，一遍一遍做给他看。
AI 是最耐心的陪练，因为它不会不耐烦，也不会judge你——正好用来练"诚"和"承认取错象"。
用法：把你取的象说给它听，让它当镜子：
"我对××这件事取的象是'××'。请只问问题，不给结论：这个象里，哪些是我看见的，哪些是我贴上去的标签？"
给孩子和团队教的时候，AI 还能当取象题库："请出 20 个'这东西像什么'的练习，对象是（八岁孩子/新员工），不要给标准答案。"
第二十四章 人机沟通语言：象思维是你对 AI 说的第一句话
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
这本书立项的时候，只想回答一个问题：怎么把象思维和思维模型组合起来用。写到一半，悟空补了一句判断，把整本书往上抬了一层。他说：
"这部分内容是我们独创的。在 AI 时代它很重要——这是人跟 AI 的沟通语言。"
我想了想，他是对的。因为 AI 把执行层这件事彻底改变了：它会检索模型、会套框架、会生成序列。第二支柱的判断就一句话：
取象 → 择模 → 定序 → 验算，不只是人思考的顺序，也是人对 AI 说话的语法。
这一章把这句话讲透。它是全书的人机接口——不变约束第六条要求每章都留"对 AI 怎么说"，那些话的完整版都收在这一章和附录 E 里。
先看一个现场。同一个人，同一个 AI，两种问法。
问法一：
"帮我写一份年度总结。"
AI 会给什么？一份结构工整、措辞得体、谁都能用、谁都不适用的通用总结。它不怪 AI——你没告诉它这是什么场合、给谁看、对方关心什么、你有什么数据。它只能按"没有信息的人"的通用模板写。
问法二：
"我是餐饮门店的店长，要给区域总部交年度总结。总部今年最关心三件事：外卖毛利、人效、食安扣分。我手上的数据有：全年营收、外卖占比、员工人数、三次食安检查记录——但没有单店的毛利拆分。请按这个结构写：①今年做成的事（每条必须带数字）；②没做成的事和原因；③明年计划。数据缺口你列出来，我补。字数控制在 800 字，语气是向领导汇报，不是邀功。"
同样的 AI，这次给的东西完全能用。差别在哪？差别不在 AI，在第二个人做了第一个人没做的事——取象。
第一个人把 AI 当"自动写手"：给个题目，等成品。第二个人把 AI 当"协作对象"：先告诉它这是什么类型的事、对方是谁、什么算好——这就是在给 AI 取象。而"年度总结"这个标签，第一个人以为已经说清了，其实什么也没说清。
记住这一节最重要的一句：
AI 不是笨，是你没取象。你没说清"这是什么类型的问题"，它只能给你通用答案——而通用答案，是所有没取象的提问的共同下场。
把第十八章的四步工序翻译成人机对话，就是 prompt 的四要素：
| 四步（人思考） | prompt 要素 | 你给 AI 的是什么 | 不给的后果 |
|---|---|---|---|
| 取象 | 情境 | 这是什么类型的事、对象是谁、背景、你手上有什么数据 | AI 给通用答案 |
| 择模 | 框架 | 用哪个/哪几个思路看：金字塔、SWOT、第一性原理、五力…… | AI 自己乱挑框架，质量碰运气 |
| 定序 | 流程 | 先做什么后做什么：先列假设、再补数据、最后下结论 | AI 跳步，直接给结论，你没法验证 |
| 验算 | 验收标准 | 什么算对：字数、结构、每条结论必须带数据、不许编造 | AI 一直给你"看起来很像"的东西 |
用人话讲一遍：
你发现没有：这四步你本来就会——第十八章教的就是它。区别只在于：对人说话，你默认对方有常识，可以省；对 AI 说话，它没有你的常识，一步都不能省。跟 AI 说话，把话说全，不是啰嗦，是取象。
四要素管"怎么说"，还有一个更根本的问题：这件事，到底该让 AI 干多少？
我把人机协作按"你掌握多少 × AI 掌握多少"分成五个格子——它同时是调度权分配表：每个格子告诉你，这活的主导权在谁手上。（这张表最早出现在我的"人机协同五象限"里，这里把它和本书的调度语言对齐。）
| 象限 | 你 | AI | 典型任务 | 主导权 | 你要不要取象 |
|---|---|---|---|---|---|
| Q1 效率协作者 | 知 | 知 | 把方案转成周报、把数据做成图表 | 你派活，它执行 | 要，但只需一次（任务定义清楚后全交） |
| Q2 知识拓展者 | 不知 | 知 | 解释一个概念、查一个领域、翻译 | 它教，你学 | 要：你至少得说清"我卡在哪" |
| Q3 思辨对话者 | 部分 | 部分 | 两边信息都不全，来回辩 | ⇄ 来回 | 要，且每次都要（你的"部分"只有你知道） |
| Q4 协同探索者 | 知 | 不知 | 你有经验它没数据源/它整理你出经验 | 你出经验，它整理 | 要：你的经验得先取成象才传得出去 |
| Q5 未知共创者 | 不知 | 不知 | 全新问题，两边都没有模型可循 | 谁也说不清，一起摸 | 要，且全程都要——这是取象的主场 |
三句读表法：
于是那条可判定的结论就出来了：
Q1–Q4 都有现成模型可循，AI 干得比人好；当且仅当你处在 Q5——双方都不知道、没有模型可循的新情境——象思维不可替代。
精确地说：取象永远是人的入场券；但在 Q1–Q4，你取完象就能退场，让 AI 干完；只有在 Q5，你取完一个象，前面又冒出一个新的，你得一直待在场上。
这就是护城河的位置。它不是口号，是一个可判定的条件：你什么时候处在 Q5？当你面对的问题，你叫不出它的名字、也没有现成框架可套的时候。这时候你手上唯一有用的工具，就是这本书前半本教的那套东西。
调度权分清楚了，怎么在协作里落地？我用三个记号，把一段协作里"谁干什么"标出来——比写一大段分工说明省事得多，也好修改。
拿"写一份门店诊断"举例，一段真实的协作长这样：
[人] 取象：门店近三个月外卖下滑 25%，堂食持平。总部最关心毛利。我的直觉是运力出了问题，但没验证。
[AI] 列出"外卖下滑"的 8 个可能原因，按你手上数据的可得性排序，标出哪些现在能查、哪些查不了。
[人] 圈出 3 个查得了的，补上数据：差评率、出餐时长、骑手取消单。
[AI] 用这三个数据分别检验那 3 个原因，给结论：哪个成立、哪个不成立、哪个数据不足。
[⇄] 逐条过：第 2 条"出餐变慢"数据显示成立，但我怀疑是高峰期统计口径问题——回去核对原始单。
[AI] 修正结论。若口径确认有误，重算并标注影响范围。
[人] 拍板：写进诊断报告，动作是改高峰期排班。承担责任。
三个记号的价值：它把"人机分工"从一段散文变成一张流程图——哪步卡住了，一眼看出是人的问题还是 AI 的问题；哪步该 ⇄ 却没 ⇄（人闷头干、或 AI 一口气干完），一眼看出协作断了。
一个使用原则：凡涉及判断和后果的，标 [人]；凡涉及生成和检索的，标 [AI]；凡是"生成—验证"循环，标 [⇄]。判断和后果这两样，AI 不承担——不是它不能，是后果只能由能负责的人来负。
第十八章的君臣佐使，讲人怎么配模型。这里讲一个 AI 特有的坑：AI 天然倾向迎合你。
它经过对齐训练，你的偏好就是它的方向。你问"这个方案行不行"，它倾向说行；你问"是不是该上系统"，它会顺着你找支持理由。它不是故意骗你，是它的默认设置就是让你满意。
于是君臣佐使里那味"佐"（专门唱反调的那个），在 AI 这儿不是可选，是必须显式指定——因为 AI 不会自己反对你，你不给它一个反对位，它就永远顺着你。
具体做法，三句话的模板：
"给我结论之前，先反驳它：列出三条你不同意这个结论的理由。"
"如果我的前提是错的，最可能是错在哪一句？"
"站在反对者的立场，重新回答一遍我刚才的问题。"
看一个真实对比。问 AI："我们门店要不要上会员系统？"
没配佐的答案：先肯定需求，列系统的好处，给实施建议——一份让你舒服的支持报告。
配了佐的答案：前面一样，但结尾多了三句："①你们复购数据都数不准，上系统前得先解决数据口径，否则系统是空的；②三年合同不可逆，建议先谈按效果续费；③最反对上系统的人是后厨，上线期学习成本会压在他们身上，这个阻力没解决，系统会死在落地。"
哪份有用？第二份。第一份让你爽，第二份让你赢。这就是"佐"的价值——而它不会自己出现，你必须向 AI 显式订购一份反对意见。
讲完怎么跟 AI 说话，必须讲一个反面——这是第二支柱的另一半：
只会调模型、不会取象的人，在 AI 面前会退化成提示词——而且是重复的、可被替代的提示词。
什么意思？如果你只会说"帮我用 SWOT 分析一下""用金字塔结构写个总结"——这些是模型调用，Q1–Q4 的活，AI 自己就能干，而且会越干越好。你在其中提供的增量，趋近于零。终有一天，别人（或 AI 自己）能生成比你更好的"提示词"，你的位置就没了。
真正拿不走的是"在没有标签的新情境里取出第一个象"。那是 Q5 的活，是"面对一个谁都没见过的问题，你说出'这像一个××'"的能力。这个能力不在任何模型库里，它在你这些年攒的象库里。
所以这一章的标题才叫"象思维是你对 AI 说的第一句话"——不是修辞，是字面意思：一段高质量人机协作，永远从人取出第一个象开始。那句话之前，AI 只是个高级搜索引擎；那句话之后，它才成为你的协作者。
这一章本身就是"对 AI 怎么说"的元章节——把本章的操作件喂给 AI，它就能当你的调度教练：
"我准备让你做一件事：××。请先用四要素审我的指令——我的情境说清了吗？框架指定了吗？流程定了吗？验收标准给了吗？缺哪样，你问我，我补，然后你再动手。"
然后加上本书专用的一句佐：
"在我确认之前，不许动手，也不许替我补信息。信息缺口列出来，由我决定。"
第二十五章 从"有模型"到"会调度"
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
回到卷首那个尴尬的现场：一个人收藏了二百个思维模型，遇到真事还是抓瞎。
二十四章走完，现在可以说清他抓瞎的原因了——不是他模型不够，是他只有模型，没有调度。他知道二百个模型（知道层），会用其中一部分（会用层），但一遇到没见过的事，他不知道该先取象、再挑哪几个、按什么顺序、怎么算对——他缺的是第四层：会调度。
这一章收束全书，回答三个问题：调度到底是一种什么能力？它怎么练出来？怎么知道自己练到了？
第十四章提过模型的三层熟练度，这里把它扩成全书的能力阶梯：
| 层 | 表现 | 卡住的原因 | 本书对应 |
|---|---|---|---|
| 知道 | 说得出一堆模型的名字和定义 | 把"知道名字"当成"会用" | 第三编（10–14） |
| 会用 | 单个模型用得对，知道它的边界 | 只会在"已经被贴好标签"的问题上用 | 第三编（12–13） |
| 会调度 | 面对没见过的问题：取象→择模→定序→验算 | 缺取象这一步——没有标签的问题，模型库启动不了 | 第二编+第四编（5–9、15–20） |
大多数人的一生，卡在"会用"到"会调度"之间的那道坎上。而那道坎，不是模型问题，是取象问题——坎的名字叫"面对没有标签的新情境"。
会调度的人和不调度的人，差别不在工具箱，在遇到没见过的事时手上有没有序。没序的人：焦虑、抓一个最熟的模型硬套、或者到处问人"这种情况该用什么模型"。有序的人：先安静下来取象，再一步步走。结果未必每次都对，但他每一步都知道自己在干什么——这在乱局里本身就是巨大的优势。
会调度怎么练？不是读出来的，是按阶段练出来的。我把它排成一条一年的路径——三个阶段，每阶段四个月：
阶段一：基础感知（第 1–4 个月）——只练取象，不碰调度
这个阶段的目标是把"看"练回来。每天做附录 B 的日课（每日一象），每周做一次卦变五问。这四个月不许用任何模型——不许，是因为模型会替你看，你一用模型，"看"就停了。这阶段你会难受：习惯了"凡事给个说法"，现在让你"只许看，不许说"，浑身不自在。难受就对了，那是标签在戒断。
阶段二：模型掌握（第 5–8 个月）——给工具箱清点、上卡
取象的底子有了，才开始碰模型。这个阶段做两件事：①按第十四章的方法，把附录 A 的模型过一遍，挑 5 个常用的做成熟练工，15–20 个做备查——不是全背，是清点；②每个模型都写一张模型卡（一句话/管什么/不管什么/常与谁组合）。这阶段练的是"会用"，检验标准：每个模型你能说出它不说话的部分（第十二章）。
阶段三：综合应用（第 9–12 个月）——拿真事练调度
最后四个月，把前两个阶段合起来。每周拿一件真事（工作的、家里的都行），走一遍第十八章的四步工序+第二十一章的全案模板。这阶段练的是"会调度"，检验标准：遇到没标签的新问题，你不慌了——你知道第一步是取象，而不是找模型。
一年走完，你可能还是说不全七十个模型，但你会了一件事：给乱糟糟的世界切出第一个象。这件事，比背全七十个模型值钱得多。
一年练完，怎么判断自己真到了"会调度"？五个信号，对得上三条就算入门，五条全对，你就是能带别人的人了：
拿不准自己到哪一层？对着打勾，一年后再打一次对比：
| 项 | 问自己 | 是 |
|---|---|---|
| 取象 | 遇到难题，我能先讲出三个具体画面，而不是直接下结论？ | ☐ |
| 取象 | 我分得清"我看见的"和"我贴上去的标签"？ | ☐ |
| 卦变 | 重大决定，我会主动从五个角度各问一遍？ | ☐ |
| 边界 | 我知道什么事不该用象思维（要精确量值、要复现、要追责）？ | ☐ |
| 模型 | 我常用的 5 个模型，每个都能说出它"不管什么"？ | ☐ |
| 模型 | 我用模型前，能回答"这个问题为什么配它"？ | ☐ |
| 组合 | 我组合时不超过 3 个模型，且配了"佐"？ | ☐ |
| 组合 | 我至少有两次"两个候选解都比过才选"的经历？ | ☐ |
| 验算 | 我做决定前，会过三刻度（约束/代价/可逆性）？ | ☐ |
| 验算 | 我知道"可逆的决定要快，不可逆的要慢"？ | ☐ |
| 人机 | 我给 AI 派活时，会先给情境、框架、流程、验收标准？ | ☐ |
| 人机 | 我处在 Q5（全新问题）时，知道该自己上场取象，不指望 AI？ | ☐ |
0–4 个勾：还在"知道"层。别急，回到阶段一，先把"看"练回来。
5–8 个勾：在"会用"层。工具你都会，缺的是合起来用——拿真事练四步工序。
9–12 个勾：你已经会调度了。可以做第二十二章的主持人、第二十三章的教练了。
第二十五章，该收束了。这本书讲了二十几万字，其实就三句话：
象思维给方向——它负责在混沌里取出第一个象。
思维模型给路径——它负责把象变成可计算的步骤。
调度给二者之间的那双手——它决定什么时候取象、取完调谁、调完怎么算对。
没有象思维，模型是一堆没有钥匙的锁；没有模型，象思维是一团说不出口的感悟；没有调度，前两者是一屋子谁也不理谁的能人。
模型人人都能背，序列才是功夫。这不是一句漂亮话——它是这本书用二十五章想让你亲手验证的一件事：下一次，当你面对一个没见过的问题时，先别急着找模型，先试着说出它像什么。
那句话，就是你调度的开始。
把这一章的自评表丢给 AI，让它当你的长期陪练：
"这是我的自评结果（12 项里勾了×项）。请按我的勾数告诉我处在哪一层，并给我一份下个月的训练计划——只列动作，不列道理。"
然后你可以跟它做一个约定（这个约定值得长期用）：
"以后我找你聊问题，第一句话永远是取象（这是哪类事、对象是谁、我有什么）；如果我上来就让你'给个方案'，请提醒我：先取象。"
让 AI 替你看住你那只急着套模型的手——这是人机在"练调度"这件事上的最好分工：你练取象，它当你的戒断教练。
附录 A 思维模型速查总表（约 70 个）
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
口径声明：本表是全书模型的唯一口径——正文出现的任何思维模型，都必须能在此表找到；本表之外的模型，正文原则上不出现。模型不用背，用时按第十章"问题类型三问"来查。
象思维侧工具（卦变五维、错综复杂等）不属思维模型，不入本表，见正文第二编。
麦肯锡等"框架"不是模型（模型下断言、框架给格子），单列于表五，见第十一章。
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 复利 | 收益再投入，长期指数增长；管"时间站在谁那边" | 断点与断裂（复利假设连续） | 瓶颈、机会成本 |
| 幂律分布 | 少数贡献大头；管"力气往哪放" | 均匀分布的均值世界 | 长尾、帕累托法则 |
| 正态分布 | 独立随机叠加，极端少见；管"预期靠不靠谱" | 有正反馈的肥尾系统 | 安全边际、随机游走 |
| 贝叶斯定理 | 用新证据更新旧判断；管"证据来了怎么改" | 先验离谱时（垃圾进垃圾出） | 确认偏误（对治）、概率思维 |
| 随机游走 | 短期走势≈不可预测；管"别预测短期" | 长期的结构性力量 | 安全边际、复利 |
| 临界质量 | 过某个规模后自我维持；管"要不要熬到拐点" | 拐点何时到、是否真存在 | 网络效应、复利 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 反馈回路 | 行为反作用于自身（增强/调节）；管"越演越烈/自我修正" | 无回路的单次事件 | 系统延迟、瓶颈 |
| 系统延迟 | 因果之间有滞后；管"现在做、以后才显现" | "即时见效"的错觉 | 反馈回路、复利 |
| 瓶颈理论 | 整体产出由最弱环节定；管"卡在哪、先修哪" | 无依赖顺序的非流程事 | 冗余备份、失效模式 |
| 自催化 | 产物加速自身产生；管"越滚越大" | 需外部持续注入的事 | 网络效应、临界质量 |
| 冗余备份 | 关键环节留余量防单点故障；管"不能断的系统" | 成本敏感、可容忍中断处 | 安全边际、失效模式 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 囚徒困境 | 个体理性导致集体更差；管"各自算计为何双输" | 重复博弈（合作可能，须另配） | 激励相容、信号理论 |
| 激励相容 | 设计制度让人"利己即利系统"；管制度怎么定 | 人不理性时（须配行为族） | 囚徒困境、心理账户 |
| 信号理论 | 靠"造假成本高"的信号辨真假；管识人识局 | 造假成本≈收益时信号失效 | 激励相容、社会认同 |
| 公地悲剧 | 共享资源无人负责→耗竭；管公用资源治理 | 产权清晰且有执行时 | 激励相容、制度设计 |
| 博弈论（总） | 决策须考虑对方会应变；管"有对手的局面" | 无互动的自然过程 | 囚徒困境、信号理论 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 供需关系 | 价格由供求平衡定；管定价与缺口 | 有人应变、垄断扭曲时 | 信号理论、边际效应 |
| 机会成本 | 选 A 的代价＝放弃的最优 B；管选择比较 | 情感与能量的账（配四本账） | 沉没成本（对治）、损失厌恶 |
| 边际效应 | 看"下一个"不看"平均"；管"再多做点值不值" | 总量与结构性判断 | 机会成本、规模效应 |
| 规模效应 | 摊薄固定成本，越大越省；管扩张的成本面 | 组织复杂度上升的反噬 | 瓶颈理论、路径依赖 |
| 网络效应 | 每多一人价值越大；管平台型增长 | 冷启动阶段（须配临界质量） | 临界质量、平台战略 |
| 路径依赖 | 历史选择锁住未来选项；管"为什么改不动" | 颠覆性破锁发生时 | 沉没成本、颠覆式创新 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 共生关系 | 不同主体互惠共存；管生态协作 | 利益冲突恶化时 | 竞争排斥、平台战略 |
| 竞争排斥 | 同生态位不能共存、强者排他；管"为何只能活一个" | 细分错位后的共存 | 护城河理论、差异化 |
| 最小可行种群 | 规模低于阈值即灭绝；管业务/组织最小规模 | 靠外部持续输血时 | 临界质量、冗余备份 |
| 遗传与变异 | 复制+变异+选择；管"创新怎么冒出来" | 变异方向不可控 | 颠覆式创新、试错 |
| 长尾理论 | 海量小众总和可敌头部；管小众聚合生意 | 幂律极强时尾部无效 | 幂律分布、网络效应 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 失效模式 | 先想"会怎么坏"再防坏；管可靠性设计 | 完美无故障的理想场景 | 安全边际、冗余备份 |
| 安全边际 | 估算打折、留缓冲；管不确定下的生存 | 精确可算、无风险处 | 失效模式、贝叶斯定理 |
| 最优化 | 在约束下求最大/最小；管资源配置 | 多目标冲突时（须先排优先级） | 机会成本、三刻度约束 |
| 奥卡姆剃刀 | 如无必要勿增实体；管"解释选最简" | 系统真的复杂时 | 第一性原理、过拟合（对治） |
| 第一性原理 | 回最基本事实重推；管被惯例锁死时 | 时间紧、宜快速借鉴时 | 奥卡姆剃刀、思想实验 |
| 二阶思维 | 不断问"然后呢"；管连锁后果 | 只看第一步反应时 | 系统延迟、反馈回路 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 损失厌恶 | 失去的痛≈获得快乐的约两倍；管"为何保守/不肯止损" | 无损失风险的纯增益事 | 机会成本、可逆性三档 |
| 沉没成本谬误 | 已投入不该绑架未来决策；管"及时止损" | 投入确能换来未来优势时 | 机会成本（对治）、路径依赖 |
| 确认偏误 | 只找支持自己的证据；管自查证据筛选 | 无预设立场的新探索 | 贝叶斯定理、佐（反方） |
| 锚定效应 | 先见的数字绑架判断；管谈判与估值破锚 | 基准明确可查时 | 第一性原理、贝叶斯 |
| 框架效应 | 换说法即换选择；管表述方式与自我设框 | 事实极硬、无可换框时 | 取象（换框）、信号理论 |
| 心理账户 | 钱在心里分门别类不互替；管"钱为何花得不理性" | 理性统一的财富观 | 机会成本、四本账 |
| 峰终定律 | 体验由高峰与结尾定；管体验与服务设计 | 全程平平的日常环节 | 反馈回路、关键时刻 |
| 社会认同 | 不确定时跟大多数人；管从众与安全 | 有明确独立证据时 | 信号理论、独立判断 |
| 可得性启发 | 越易想起越以为常见；管概率直觉校准 | 有统计数据可查时 | 贝叶斯定理、概率思维 |
| 双曲贴现 | 离现在越近的收益越高估；管拖延与短视 | 长期承诺机制已锁定时 | 复利、承诺机制 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 地图不等于疆域 | 模型≠现实；管"时刻记得自己在用简化" | ——（元提醒，不单独解题） | 一切模型 |
| 能力圈 | 只在真懂的领域下重注；管边界内行动 | 边界外的高收益诱惑 | 安全边际、第一性原理 |
| 思想实验 | 脑内做受控实验；管无法真做的假设检验 | 需真实反馈的验证 | 第一性原理、逆向思维 |
| 概率思维 | 用概率与分布思考而非对错；管不确定性决策 | 一次性无样本事件 | 贝叶斯定理、安全边际 |
| 逆向思维 | 想成功先想怎么死；管避开致命错误 | 需要建设性方案时 | 失效模式、蓝光风险 |
| 汉隆剃刀 | 能用愚蠢解释的别归咎恶意；管人际归因 | 系统性的恶意证据确凿时 | 社会认同、沟通 |
| 帕累托法则 | 约八成结果来自两成投入；管抓重点 | 均匀分布的任务 | 幂律分布、瓶颈理论 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 比较优势 | 做相对最擅长的、交换共赢；管分工取舍 | 无交换对象的封闭场景 | 机会成本、护城河 |
| 护城河理论 | 长期利润靠结构性壁垒；管"凭什么赚得久" | 靠运气与风口赚快钱 | 竞争排斥、网络效应 |
| 平台战略 | 做连接者而非生产者；管平台与自营之辨 | 强专业、弱网络的中介 | 网络效应、临界质量 |
| 颠覆式创新 | 从低端/边缘切入再上移；管小角色怎么赢 | 在位者主动自我颠覆时 | 遗传与变异、竞争排斥 |
| 控制论 | 用反馈+纠偏维持目标；管自动驾驶式系统 | 目标本身要重定的事 | 反馈回路、验算回流 |
框架不下断言、只给格子；格子本身没有对错。它真正的用法是当"模型组合的模板"——拿它把问题切出格子，再往格子里填模型。详见第十一章。
| 框架 | 一句话 | 适合的场合 | 误用 |
|---|---|---|---|
| MECE | 不重不漏地切分问题 | 分类穷尽 | 把切分维度当结论 |
| 逻辑树 | 大问题逐层拆子问题 | 结构化拆解 | 拆完不回到根问题 |
| 金字塔原理 | 结论先行、论据分组递进 | 汇报与表达 | 藏结论、堆论据 |
| 波特五力 | 行业利润由五种力量定 | 行业吸引力分析 | 忽略企业自身差异 |
| 3C | 公司/顾客/竞争三方扫描 | 战略摸底 | 只扫不判 |
| BCG 矩阵 | 份额×增速分四格 | 业务组合资源配置 | 拿历史份额当未来 |
| PEST | 政治/经济/社会/技术扫描 | 外部环境盘点 | 列完不连回业务 |
| SWOT | 内外优势劣势机会威胁四格 | 战略定位快照 | 四格各说各话 |
| 安索夫矩阵 | 市场×产品四象限定增长路径 | 增长战略选择 | 忽略执行能力 |
| 价值链 | 活动拆链找价值与成本点 | 竞争优势定位 | 把每环都当要优化的 |
| 七步问题解决法 | 界定→拆解→排优→分析→综合→建议 | 完整解题流程 | 跳过界定直接分析 |
| 艾森豪威尔矩阵 | 重要×紧急分四格 | 任务与时间管理 | 把"紧急"当"重要" |
附录 B 取象练习手册（七个可日课的练习）
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
用法：配合第五、七、八章与第二十三章的日课使用。七个练习，不必全做——挑一个顺手的做成日课（每天 10 分钟），一个月换一个。
共同纪律：练习时只许"看"和"说象"，不许"下结论"、不许用模型、不许用标签词。这三个月里，你的敌人是"凡事要个说法"的习惯。
目的：把"用概念看"换成"用感官看"。这是取象的地基（第五章）。
做法：挑一个普通物件（一支笔、一只杯子、一盆植物）。给它写二十条感知——只写五官接到的信息，禁止出现任何名称、功能、评价词。写得出来"白色的、圆柱的、有个缺口"，写不出来"这是一支笔，很好用"。
时间：10 分钟。
进阶：写到二十条后，再逼自己写五条"差点看不见的"（反光、磨损、握痕……）。
常犯的错：写到第七条就词穷，于是开始写"它陪伴了我三年"——那是故事，不是感知。词穷是对的，词穷说明标签在让路。
目的：把卦变五维（第八章）从"大决策工具"降成"小物件游戏"，练熟序列感。
做法：挑一件你正在纠结的小事（一个要不要参加的会、一条要不要发的消息）。不展开分析，只用五卦各写一句话：
时间：15 分钟。
进阶：把五卦写下来贴三天，第三天回看哪一卦写得最敷衍——敷衍的那卦，往往藏着真问题。
常犯的错：把五卦写成五个"看法"而不是一个"序列"——本卦没写清就跳去综卦。顺序不许跳。
目的：攒象库（第二章：悟性＝象库×提取速度）。象库只能靠时间堆。
做法：每晚睡前，回想今天最戳你的一个瞬间（一句让你愣住的话、一个画面、一种说不清的别扭）。不问"为什么"，只问"它像什么"——像什么场景、像什么物件、像什么时候的自己。写一句。
时间：5 分钟。
进阶：每周挑一句"象"，用一句话把它扩成一个小场景（像写小说开头那样）。
常犯的错：写着写着写成日记（"今天发生了……"）——日记是叙事，不是象。象是一句比喻，不是一段经过。
目的：破解"概念杀人"（第五、二十一章）。你张嘴就是标签时，先翻译回画面。
做法：记下你今天说出口的标签词——"天花板""内卷""没动力""不公平""没格局"。任选一个，追问自己三个画面：
时间：10 分钟。
进阶：把翻译结果讲给一个不知情的人听，看他能不能"看见"你说的场景——他看见了，翻译成功；他只听到又一个标签，回去重翻。
常犯的错：翻译时又换了个更大的标签（"天花板其实就是职业倦怠"——倦怠也是标签）。
目的：练取象比类（第七章）——在两件不相干的事之间找结构。
做法：每天找一个"难题"，用"它像什么"接龙，强制接五个：
"团队没干劲，像什么？"
像一壶烧不开的水——像一锅夹生饭——像一部没人看的电影——像一个总在调音却从不演奏的乐队——像一个手机只剩 5% 电却还在刷视频的人。
接完五个，选最扎心的那个，问：它告诉我这个问题的结构是什么？
时间：8 分钟。
进阶：跟孩子或同事玩——轮流接，不许评价对方的比喻"像不像"。
常犯的错：接到第二个就开始"正经分析"。接龙的要义是数量，不是质量；烂比喻也有用，它能把你的脑子从套路里拽出来。
目的：练"观物取象"的现场速度（第七章第一动作）——在嘈杂里快速切出一个象。
做法：任意场合（等车、排队、开会前），用五分钟观察一个陌生人/一个场面，不评判，只记：他在做什么动作、重复了几次、周围人怎么反应、有什么反常细节。时间到，用一句话说出"这个场面像一个什么"。
时间：5 分钟。
进阶：速写完，猜一次"他/它接下来会怎样"，事后验证——不是练算命，是练"你取的象里带了多少预判"。
常犯的错：忍不住给陌生人编故事（"他一定是个失意的中年男人"）——编故事是投射，不是取象。
目的：第二十四章的人机接口——AI 是最好的取象陪练，因为它不会烦，也不会替你圆。
做法：把一个真问题丢给 AI，但只许它提问、不许它给答案：
"我遇到的问题是××。请不要给建议，只问我问题——直到你把我脑子里的画面问出来为止。"
然后逐条回答它的问题。答完看它整理出的"你的处境"，判断：它看见的画面，是你真正的象，还是你贴的标签？
时间：15 分钟。
进阶：让 AI 反过来找你的标签：
"我刚才的回答里，哪些词是标签？把每个标签换成'一个具体的画面'，示范给我看。"
常犯的错：AI 问了两轮你就急着说"你直接给建议吧"——那正是你的"过早收敛"在发作（第二十章），忍住。
| 练习 | 练什么 | 对应正文 | 每天耗时 | 难度 |
|---|---|---|---|---|
| 一·二十条感知 | 感官看，去标签 | 第五章 | 10 分钟 | ★☆ |
| 二·一物五卦 | 卦变序列感 | 第八章 | 15 分钟 | ★★★ |
| 三·每日一象 | 攒象库 | 第二、二十三章 | 5 分钟 | ★☆ |
| 四·标签翻译机 | 概念→画面 | 第五、二十一章 | 10 分钟 | ★★ |
| 五·"像什么"接龙 | 取象比类 | 第七章 | 8 分钟 | ★★ |
| 六·五分钟速写 | 现场取象速度 | 第七章 | 5 分钟 | ★★ |
| 七·给 AI 出题 | 人机协作取象 | 第二十四章 | 15 分钟 | ★★ |
选课建议：入门先做一和三（最不费劲、最容易坚持）；卡在"说不清自己的事"时加四；想练深了加二和五；六是通勤党的福音；七是 AI 时代必练。
附录 C 常见问题的现成序列模板库
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
用法：配合第十七、十八、二十二章。序列记法——光色：白(事实)/红(情绪)/黄(价值)/绿(创新)/蓝(风险)；卦：本/变/互/错/综；"⇄AI"表示中途与 AI 交接（第二十四章三记号）。
纪律：模板是起点不是终点——主持人有权删色、加色、换序（第十七章"序列自由"），但删要说出理由，不许因为"时间不够"默默砍掉最难受的那一色。
| 场景 | 推荐序列 | 参考时长 | 关键提醒 |
|---|---|---|---|
| 每日待办排序 | 白（今天有哪些事）→黄（哪件最该做）→蓝（哪件最可能出事） | 5 分钟 | 别用红——晨间开情绪频道，一天都耗在情绪里 |
| 收到坏消息 | 红（先让自己气完/慌完）→白（事实是什么，没核实的不算）→蓝（最坏到什么程度）→黄（我能做什么） | 15 分钟 | 顺序不可逆：没走红直接上白，情绪会在后面反扑 |
| 要不要回那条消息 | 综（对方看到会怎么想）→白（事实：说了什么、什么语境）→黄（我要的关系是什么）→蓝（最坏后果） | 10 分钟 | 先走综卦再走光——人际题先换位再分析 |
| 被说服去做不想做的事 | 红（我为什么抵触，说破）→黄（这事对我到底有没有价值）→白（答应了要付什么具体代价）→蓝（不答应的代价） | 15 分钟 | 别跳过红——抵触往往是没被自己承认的判断 |
| 复盘一次搞砸的事 | 白（只列事实与时间线）→互（我当时到底在怕/在要什么）→错（假如我全看反了）→黄（下次哪一步先改） | 20 分钟 | 复盘禁止追责（第九章边界），只问结构不问人 |
| 场景 | 推荐序列 | 参考时长 | 关键提醒 |
|---|---|---|---|
| 职业/去留决策 | 取象（标签翻译回画面）→卦变五问→择模（机会成本为君+沉没成本为臣+损失厌恶为佐）→五色光完整序列→三刻度验算 | 2–3 小时分两天 | 完整走第二十一章全案模板；至少做出两个候选解 |
| 要不要花一大笔钱 | 白（数字全摊开）→红（这笔钱勾起了什么）→黄（钱服务于什么生活）→蓝（最坏财务后果）→机会成本（这笔钱别的用法） | 1 小时 | 先破锚定：别让"原价/预算"绑架你（锚定效应） |
| 关系中的重大谈话 | 综（对方的等式）→红（我自己的真实情绪）→黄（这段关系我要什么）→白（哪些事实必须摊开）→绿（有没有第三种谈法） | 准备 1 小时 | 谈话现场只走白+红，黄蓝绿留在心里当导航 |
| 健康/身体信号 | 白（症状事实，别查网络）→蓝（最坏可能，交给医生判断）→黄（我愿意为健康改什么）→定序：先看医生再决定 | 30 分钟 | 健康问题用象思维定性会误事——该用模型/专业时用专业（第九章边界） |
| 场景 | 推荐序列 | 参考时长 | 关键提醒 |
|---|---|---|---|
| 决策会 | 白→红→黄→蓝→回白做决定（裁绿光：新选项必须会前备好） | 2 小时 | 主持人按光收话；决策要有"可逆性条款"（先试点） |
| 复盘会 | 红→白→互→黄（裁白光前置：事实默认已齐，重点挖内因） | 1.5 小时 | 只问"系统怎么改"，不追责个人 |
| 头脑风暴会 | 只开绿光+红（其余全裁：评价是黄蓝的活，会后再补） | 45 分钟 | 绿光环节禁止说"这不现实"——那是蓝光的话 |
| 危机会 | 白→蓝→白（两色快切，裁红黄绿：先活下来） | 30 分钟 | 危机中最贵的是时间；情绪安抚放会后单独做 |
| 跨部门冲突调解 | 白光摊事实（各部门只报数）→红光说破委屈→综卦（各自讲对方的等式）→黄光对齐共同目标 | 1.5 小时 | 综卦环节主持人亲自示范：先讲"我猜你是这么想的" |
| 年度规划 | 取象（去年像什么）→卦变（行业变卦+错卦）→黄（书院/公司要什么）→五力/护城河（模型）→白（资源盘）→蓝（三年风险） | 半天分两场 | 别从"去年业绩"开场——那会让全场陷入白光出不来 |
| 场景 | 推荐序列 | 参考时长 | 关键提醒 |
|---|---|---|---|
| 写不出来 | 红（卡在哪，说破）→取象（这篇东西"像什么"）→绿（换三个开头，不许评判）→白（素材有哪些）→定序：先写最烂的完整稿 | 45 分钟 | 写作卡壳多半是"过早收敛"：脑子里那个完美标准在拦你 |
| 给文章/方案起名 | 取象（这东西的灵魂画面）→"像什么"接龙五个→黄（读者是谁、要什么感觉）→验算：念给不懂的人听 | 20 分钟 | 好名字是一个象，不是一个概括 |
| 产品/课程设计 | 观物取象（用户真实场景画面）→互（用户没说出口的怕与要）→模型（最小可行种群/网络效应）→黄（第一版只解决哪个痛点） | 2 小时 | 先取用户的象，再谈功能——功能是"制器" |
| 场景 | 推荐序列 | 参考时长 | 关键提醒 |
|---|---|---|---|
| 让 AI 做一份产出 | [人]取象给情境→[人]择模指定框架→[AI]按流程初稿→[人]验算（对照验收标准）→[⇄]逐条修订 | 按需 | 四要素缺一不可（第二十四章）；验收标准最先写 |
| 用 AI 探索全新问题（Q5） | [人]取出第一个象（"这像一个××"）→[⇄]它提问你回答，逼出更多画面→[人]再取象→[AI]整理候选方向→[人]判断哪个值得深挖 | 不限 | 别让 AI 先给答案——Q5 里它和你一样不知道 |
| 让 AI 审你的决定 | [人]给出决定与理由→[AI]扮演"佐"列出反对理由→[AI]扮演"臣"指出漏掉的选项→[人]逐条回应→决定改或留 | 20 分钟 | 必须显式订购反对意见，否则 AI 默认顺着你（第二十四章） |
附录 D 四书分工：结构、人、文化、怎么想
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
用途：以观其妙书院四本核心著作的互不越界总表。写作任何一本时先对这张表，防止"手伸到隔壁书的领域"。
一句话版：AI 原生组织定结构（怎么搭）、五行人格心理学定人（谁来做）、生生·文化操作系统定文化（什么氛围）、象与模定"怎么想"（方法）——本书是四书中的方法论层，管的是"进任何领域之前的那一步"。
| 书 | 管什么 | 不管什么 | 典型问题 | 本书可帮它什么 |
|---|---|---|---|---|
| 《AI原生组织》 | 组织结构、岗位重构、数据飞轮、决策中枢、组织代谢 | 人是什么性格、氛围怎么营造、问题怎么想清楚 | 部门怎么设？流程怎么跑？数据怎么转？ | 设计组织前的"定性"：先取象再定结构；跨部门会议用序列 |
| 《五行人格心理学》 | 人是什么人格、五行生克、怎么识人用人、自我照见 | 组织怎么搭、文化怎么建、方法论 | 这个人是什么格？怎么与他相处？ | 识人时防"贴标签"（标签翻译机）；用卦变五维看关系的多个面 |
| 《生生·文化操作系统》 | 氛围、礼乐、仪式、精神共识、文化落地 | 结构设计、个体人格、思维方法 | 团队氛围怎么营造？共识怎么长出来？ | 共创文化时先取共同的象（"我们要的其实是……"）；礼乐活动即"观象制器" |
| 《象与模》（本书） | 怎么想问题：取象、择模、组合、定序、验算、人机调度 | 组织怎么搭、人什么人格、氛围怎么营造 | 这个问题到底像什么？该用哪几个模型？怎么算想对了？ | ——（服务前三本，也被前三本反哺案例） |
如果把解决一个真问题看成一条链，四本书各守一环：
先取象定性（象与模）→ 再判断这是结构问题、人的问题还是文化问题（分流）→ 结构问题找 AI 原生组织、人的问题找五行人格、文化问题找生生 → 每本书内部再调用象与模的方法细化。
这条链的意思是：本书不是和另外三本并列的第四本，而是另外三本共同的"前置层"。在问"组织该怎么搭""这个人该怎么用""文化该怎么建"之前，先得有人把那个问题取成一个象——取象错了，三本书都会用错地方。
写作或应用时，发现以下表述，说明越界了：
| 越界表现 | 属于哪本 | 该退给谁 |
|---|---|---|
| "这个岗位的人格画像应该按五行来定" | 结构问题里掺了人 | AI 原生组织定岗、五行人格定人，先定岗再配人 |
| "这个人的问题是他没格局" | 给人贴价值标签 | 五行人格讲的是"格"不是"格局"；"格局"是评价不是照见 |
| "我们的文化就是追求卓越" | 空喊文化口号 | 生生讲的是"氛围/礼乐/仪式"这些可做的，不是形容词 |
| "用第一性原理重新设计整个组织" | 方法越界成结构 | 象与模给方法，AI 原生组织给结构——方法不能替代设计 |
| "这事用象思维感悟一下就行" | 象思维万能化 | 本书第九章边界：要精确量值、要复现、要追责时，不归象思维 |
附录 E 人机调度语言速查（全书"人机接口"唯一口径）
以观其妙书院 出品 ｜ 2026 年 9 月 v1.1（初稿·活文档·五条不变约束合规）
口径声明：不变约束第六条要求每章必给"对 AI 怎么说"，本章是该接口的唯一口径——正文任何一章给出的人机话术，若与本表冲突，以本表为准；正文不得出新话术而不入本表。
一句话总纲（第二十四章）：取象→择模→定序→验算，不只是人思考的顺序，也是人对 AI 说话的语法。
| 要素 | 人话（你心里想的） | 给 AI 的话（说出口的） | 不说清的后果 |
|---|---|---|---|
| 取象＝情境 | "我这事挺急的，跟业绩有关" | "我是餐饮门店店长，要向区域总部汇报。背景：外卖三个月下滑 25%，总部今年最关心毛利与食安。" | AI 按"全人类通用"给答案 |
| 择模＝框架 | "帮我分析分析，别太散" | "请用『先假设后验证』的结构：先列 6 个可能原因假设，再用我给你的数据逐个检验。" | AI 自己乱挑框架，质量靠运气 |
| 定序＝流程 | "一步步来，别跳" | "顺序：①列信息缺口问我，我不许你编数据；②我补完你再分析；③给结论时标注置信度。" | AI 跳步直接给结论，你无法验证 |
| 验算＝验收标准 | "给我个能用的" | "验收标准：每条结论必须带数据出处；不超过一页；结论与数据不符时，标注'数据不足'，不许圆。" | AI 给你一堆"看起来很像"的东西 |
通用句式（背这一句就够起步）：
"我是〔身份/角色〕。这件事的背景是〔情境，越具体越好〕。请用〔框架〕来分析，步骤是〔流程〕。合格的标准是〔验收标准〕。信息缺口列出来问我，不许替我编。"
定位你在哪一格，就知道主导权该给谁。取象是每一格的门票；区别只在：Q1–Q4 取完象可退场让 AI 干完，Q5 你得全程在场。
| 象限 | 你 | AI | 一句话定位 | 主导权 | 取象次数 |
|---|---|---|---|---|---|
| Q1 效率协作者 | 知 | 知 | "把这事做了" | 你派活它执行 | 一次（任务定义清楚即退场） |
| Q2 知识拓展者 | 不知 | 知 | "教我" | 它教你学 | 一次（说清卡点即退场） |
| Q3 思辨对话者 | 部分 | 部分 | "跟我辩" | ⇄ 来回 | 每次都要（你的"部分"只有你能取） |
| Q4 协同探索者 | 知 | 不知 | "我出经验你整理" | 你出经验它整理 | 一次（经验取成象后交它） |
| Q5 未知共创者 | 不知 | 不知 | "一起摸" | 谁也说不清 | 全程都要（取完一个又冒一个） |
可判定结论：Q1–Q4 都有现成模型可循，AI 干得比人好；当且仅当 Q5——你叫不出问题的名字、也没有现成框架——象思维不可替代。护城河不是口号，是"你在不在 Q5"这个条件。
规则：判断与后果标 [人]；生成与检索标 [AI]；"生成—验证"循环标 [⇄]。用它把一段协作写成流程图：
[人] 取象：门店外卖下滑 25%。总部要毛利。我怀疑运力，没验证。
[AI] 列出 8 个可能原因，按数据可得性排序，标出哪些现在能查。
[人] 圈 3 个，补数据：差评率、出餐时长、骑手取消单。
[AI] 用数据检验这 3 个原因，给结论：成立/不成立/数据不足。
[⇄] 逐条过——"出餐变慢"显示成立，但我怀疑高峰期口径问题，回去核对。
[AI] 修正结论；口径若错，重算并标影响范围。
[人] 拍板：写进报告，动作是改高峰排班。承担责任。自检三问：有没有哪一步该 ⇄ 却没 ⇄（人或 AI 闷头干到底）？有没有把判断标成 [AI]（让 AI 替你负责）？有没有该 [人] 取象的步骤被 [AI] 抢了？
模板 1：让 AI 做一份正经产出（Q1/Q2）
我是〔角色〕。要做〔事〕，给〔谁〕用。背景：〔情境〕。请用〔框架〕，按〔流程〕做。合格标准：〔验收〕。数据缺口列出来问我，不许编。给我结论前先反驳它一次。
模板 2：让 AI 当"佐"（审你的决定）
我的决定是〔决定〕，理由：〔理由〕。请扮演反对者：①列出三条反对理由；②指出我哪个前提最可疑；③我漏掉了什么选项（尤其我没敢想的）。然后才轮到你支持性地补充。
模板 3：探索全新问题（Q5，先取象）
我遇到一个还没法命名的问题：〔现象/画面〕。它给我的感觉像一个〔初步的象〕。请不要给解决方案，先问我问题，把我没说清的背景问出来。等我确认画面之后，再一起列方向。
模板 4：让 AI 当会议主持人陪练（会前）
我要主持一场〔性质：决策/复盘/危机〕会，参与者：〔部门/角色〕，议题：〔议题〕。请按五色光各拟一个我该问的问题；预测谁最可能反对、会用哪一光的理由、我怎么把他的理由归位到正确环节。
模板 5：让 AI 当取象陪练（附录 B 练习七）
我的问题是：〔问题〕。只许提问，不许给建议，直到你把我脑子里的画面问出来。然后帮我把回答里"贴标签的词"挑出来，示范换成具体画面。
模板 6：让 AI 当长期教练（第二十五章）
这是我的自评（12 项勾了×项）。请告诉我处在哪一层，给一份下月训练计划，只列动作不列道理。并记住我们的约定：我找你聊问题第一句永远是取象；如果我上来就让你"给个方案"，提醒我：先取象。
| 坑 | 现象 | 修法 |
|---|---|---|
| 没给验收标准 | AI 交的东西"看着像"但没法用 | 补上"合格标准"再重来；验收标准越具体，返工越少 |
| 让 AI 替你做判断 | "你觉得我该不该跳槽？" | 判断与后果归人：让它列利弊与失效条件，决定你自己拍 |
| 不订购反对意见 | AI 全程顺着你，你越问越爽 | 显式加佐：模板 2 那句"先反驳我一次" |
| 信息缺了让 AI 填 | 它编了个很真的数据，你没发现 | 定序里写明："数据缺口问我，不许编"（模板 1） |
| 把 Q5 当 Q1 用 | 全新问题直接让 AI 给方案，得到一堆套话 | 先自己取象（模板 3），取不出来时别指望 AI 替你取 |
| 一次问太多 | 一条指令塞五个任务，AI 只做好第一个 | 拆成 [AI] 单步指令；用 [⇄] 控制节奏 |
象思维如何调度思维模型
0→1 取象，1→N 组模，找到当前约束下的更优解——也是人与 AI 沟通的语言
以观其妙书院 出品 ｜ 悟空（贾悦）× 龙龟神将 著
先说一件我自己的事。
我的笔记本里存着两百多个思维模型。复利、幂律、贝叶斯、囚徒困境、公地悲剧、安全边际、第一性原理、二阶思维、系统延迟、冗余备份——每个都画了图，配了例子，标签打得整整齐齐。有一段时间我甚至觉得，只要再攒五十个，我看问题就能跟那些厉害的人一样通透。
后来遇到一件真事，我才发现不是那么回事。
那是一个需要在一周内做的决定，涉及钱、涉及人、涉及往后三五年的路。我把能想到的模型在纸上列了一遍，一共列了十一个。列完之后我盯着那张纸，比列之前更慌——因为十一个模型给了我十一个方向，其中四个方向是互相打架的。我不知道该听谁的。
那天晚上我明白了一件事：我不是模型不够用，我是不知道该让谁先上。
这个毛病有个名字，我给它起了个叫法，叫模型囤积症。你不一定听过这个名字，但你多半得过这个病——收藏从未停止，能力从未提高。
市面上教思维模型的书已经很多了，而且都很好。它们解决的是"你不知道有这个模型"的问题。
这本书要解决的是另一个问题：你知道，但你用不上。
这两件事之间的差距在哪？打个比方。模型和药材一样，单独看都有药性，也都对症。但你抓一把药材煮成一锅，喝下去可能治病，也可能只是苦。中医真正难的地方不在认药，在配伍——哪味是君，哪味是臣，哪味专门用来牵制毒性，哪味负责把这服药引到病灶。
配伍这件事，思维模型的书里几乎没人讲。因为它是个手艺活，不好写成清单。
而我手上恰好有两样讲配伍的老东西：一个是象思维，中国人用了两千年的底层思维方式；一个是君臣佐使，中药配伍的规矩。这两样东西加在一起，正好补上"我知道很多模型，但不知道怎么配"这个洞。
这本书立在两个主张上，其余都是这两根的展开。
第一根：象思维不是与思维模型并列的另一半，而是它们的调度者。
流行的说法是"象思维管从无到有，思维模型管从有到优"，听着很工整，但它是错的——错在把两样东西放平了。真实的情况是分层的：面对一个你没见过的问题，你得先判断这到底是哪一类问题，然后才谈得上挑哪几个模型来看它。而"这是哪一类问题"这个判断，模型库自己给不了你，因为模型都是标签，而你需要的是给一件还没标签的事贴第一个标签。
象思维在上，做调度；思维模型在下，做执行。这就是全书的结构。
第二根：这套调度，也是你跟 AI 说话的语言。
取象、择模、定序、验算，这四步表面上是人思考的顺序，实际上对应着你给 AI 下指令的四个要素：情境、框架、流程、验收标准。你之所以常常觉得 AI 给的答案"看着像那么回事但没用"，多半不是它笨，是你跳过了第一步，直接让它给你模型——那它只能给通用答案。
这里有一句难听的话，我写在这本书快结尾的地方，先放在这儿：只会调模型不会取象的人，在 AI 面前会退化成提示词。而且是重复的、可被替代的提示词。
我按"能不能当场用"来安排每一章，所以每章末尾固定有三个栏目：
还有两件事要先说清楚，免得你读到后面觉得被忽悠。
第一，这本书不承诺最优解。复杂问题里没有最优解，只有"在你当前这些约束下更优的解"。全书只用"更优解"或"适配解"，我会告诉你怎么判定什么叫更优，但我不会告诉你存在唯一正确的答案。谁要是跟你承诺最优解，你要小心。
第二，象思维有它干不了的事，我专门写了一章讲这个。不写这一章，前面所有关于象思维的立论都会被读成玄学。象思维最大的风险是"怎么解释都对"——不可证伪的东西，讲得越漂亮越危险。所以第九章是这本书里我最看重的一章，虽然它通篇在泼冷水。
最后说一句实在的。这本书讲的是怎么把手上的工具用起来，而不是怎么攒更多工具。如果你的第一反应是"那我先把这本看完再去多学几个模型"——那说明这一章白写了。
翻到下一页之前，你可以先做一件小事：打开你的收藏夹，数一下你存了多少个模型，然后回想一下上一个真问题你用了几个。
这两个数字之间的差，就是这本书要填的坑。
有个说法叫"手里拿着锤子，看什么都像钉子"。这句话传得很广，但它只说了一种病，而且是最轻的一种。
我这些年观察下来，模型学了一堆却用不上的人，得的通常是三种病，而且常常是三种一起来。
第一种：收藏癖。
症状是"存了就等于会了"。看到一篇讲思维模型的文章，点收藏；看到一张模型图谱，存进笔记；买了一本模型书，翻完目录就觉得差不多知道了。收藏的时候有一种很实在的获得感——这个感觉不假，问题在于它跟"会用"之间隔着十万八千里。
我自己的笔记里存了两百多个模型。你猜我在上一个真问题上调用了几个？两个。而且那两个还是我十年前就会的。
第二种：标签癖。
这种比收藏癖严重，因为它已经开始"用"了——只是用错了方向。标签癖的人有一个趁手的模型，于是所有问题都往这个模型上套。学了他会什么"激励相容"，于是看员工离职是激励问题、看夫妻吵架是激励问题、看孩子不写作业还是激励问题。
标签癖最迷惑人的地方在于：它经常是对的。任何两个事物之间都能找到某种相似，所以套得上不代表套得对。真正麻烦的是，一旦套上，你就看不见这个模型解释不了的那部分了。
第三种：堆叠癖。
这是最"高级"的一种，也是危害最大的一种，因为它看起来特别像深思熟虑。堆叠癖的人遇到一个问题，会把七个模型挨个列一遍：从供需关系看是这样，从博弈论看是那样，从系统延迟看又是另一回事……列完之后，洋洋洒洒两千字，读的人觉得很有道理，做的人还是不知道明天早上该干什么。
我前面说的那次失败决策，就是典型的堆叠癖。十一个模型，十一个方向，四个方向互相打架。那两千字（我确实写了两千字）唯一的用处，是让我在事后复盘时能证明"我当时想得挺全面的"。
全面不等于有用。把七个模型列一遍，那不叫分析，那叫摆摊。
三种病的病根是同一个。
你把模型当成"知道的东西"在攒，但模型真正值钱的地方不在"知道"，在"什么时候调用它、让它先上还是后上、跟谁配着用"。
这两件事的区别，打个比方就清楚了。一个厨房里有三百种调料，不等于这个厨房能出一桌好菜。真正决定菜好不好的是火候、是下料顺序、是这味料跟那味料碰在一起会发生什么。厨师的价值不在囤调料，在配菜。
所以我给它起了个名字：库存不等于调度。
库存是可以量化积累的——你存了多少个模型，一数就知道。调度是没法量化的，它体现在你面对一个具体问题时的那三秒钟：你脑子里闪过五个模型，你只挑了两个，你让 A 先上 B 后上，你还留了一个专门用来唱反调。
那三秒钟发生的事，才是真功夫。而它恰好是没有任何一本书教过的部分。
我要在这里当场纠正一个常见的误解。很多人以为"多学几个模型"能解决这个问题——不能。你手上有一百个模型和有十个模型，面对同一个问题时挑错的概率其实差不多，甚至前者更高，因为选项多了，你反而更容易在挑选中耗光精力。
不是模型不够，是没人告诉你该让谁先上。
说了半天，这个病到底要付多少钱？我算给你看。
时间的账：一个中等复杂的决策，正常想清楚需要三个小时。得了堆叠癖的人，会在列模型、找角度、写分析上花掉两天，最后还是要靠直觉拍板——因为那些分析没给出结论。两天减去三小时，等于白花了一天半。
关系的账：标签癖的人在跟人打交道时最伤人。你用"激励不相容"去解释你太太为什么生气，你解释了，你解释得很对，然后你发现她更生气了。因为你用模型替代了取象——你没看见她这个人现在是什么状态，你只看见了一个可以套模型的对象。
能量的账：收藏癖的代价最隐蔽。每存一个模型，你都有一次微小的满足；但每次真要用的时候想不起来，你就有一次微小的自我怀疑。这两件事长期对冲的结果是，你对自己的判断力越来越没信心，于是更想去存新的模型。这是个圈。
钱的账：堆叠癖在组织里的代价最直接。一个团队开了三个小时的会，产出一份"从七个角度看这个问题"的文档，然后什么决定也没做。三个人三小时，加上这份文档被传阅消耗的另外十个人的各二十分钟，一次会烧掉将近一个工作日。
这四笔账，你随便挑一笔往自己身上套一下，就知道这个病是不是在你身上。
下面十句话，符合的打勾。
打勾数对照：
最后这句不是玩笑。我见过太多人，包括我自己，把"我要提升认知"这件事本身，做成了最精致的收藏癖。
你要让 AI 帮你判断一件事，别上来就问"用哪个模型分析"。先说清这四样：这是什么类型的事（取象）、你手上有哪几个候选模型（择模）、先看哪个后看哪个（定序）、什么算答对了（验算）。
直接问"帮我分析一下"，你拿到的就是通用答案——不是它笨，是你跳过了第一步。
象思维这个词现在有点乱，谁都在用，用法还不一样。所以我不先说它是什么，先说它不是什么——把这个说清楚，比正面定义管用。
它不是"具象思维"。很多人一听"象"，就想到图像、想到画面，以为象思维就是用画面思考。这是最普遍也最离谱的误会。象思维的"象"不是眼睛看见的画面，是你在一团混沌里认出来的那个结构——就像老中医看一眼病人说"这是肝气郁结"，他看见的不是肝脏，是一组关系。
它不是联想。联想是从一个东西想到另一个东西，靠相似搭桥——看见白云想到棉花。象思维不靠相似搭桥，它靠的是功能与态势的同类。木行人不一定长得像树，他跟树同的是那个"生发、向上、条达"的劲儿。相似是表面的，同类是深层的。这两件事的区别，你可以这么记：联想是"看着像"，取象是"动起来一样"。
它不是玄学。这一条我会在第九章专门展开，这里先立个桩：象思维有明确的操作步骤（观物取象、立象尽意、取象比类、观象制器，第七章讲），步骤是可以练的，练了是可以验证的。凡是"只可意会不可言传"到什么都说不清的程度，那不是象思维高明，那是没想清楚。
它不是灵感突发。灵感是等来的，象思维是练出来的。中医大夫看一眼就断得准，靠的不是那一刻的灵光，是前面二十年看了三万个病人攒下的"象库"。
清完这四个，可以给一个说法了：
象思维是一种前语言、前逻辑的整体直观能力——在还没有概念可以贴上去的时候，直接从整体上认出这件事的态势与结构。
"前语言""前逻辑"这两个词要小心读。不是说它低级，是说它发生在语言和逻辑介入之前。你认出一张熟人的脸，只需要零点几秒，而且你说不出你是怎么认出来的——等你开始分析"眼睛间距多少、鼻梁什么形状"的时候，你反而认不出来了。象思维就是这种"先于分析的整体认出"。
我把象思维跟西方概念思维的区别列成六条，叫六非。这六条既是它的本事，也是它的软肋——软肋那部分第九章讲，这里先看本事。
| 六非 | 什么意思 | 一句话人话 |
|---|---|---|
| 非实体性 | 不看孤立的东西，看关系和态势 | 不看"这是个什么"，看"这正在变成什么" |
| 非对象性 | 不把认识对象推到对面去解剖 | 不用解剖刀，用体温计——你得贴上去 |
| 非现成性 | 不承认固定答案 | 象是流动的，上一次对不等于这一次对 |
| 前语言性 | 发生在语言之前 | 你说得出来的，往往已经不是你真正看见的了 |
| 前逻辑性 | 不靠一步步推理，整体直入 | 不是走楼梯上去的，是一眼看见楼顶的 |
| 非确定性 | 容得下模糊 | 世界上大部分重要的事，本来就是模糊的 |
这六条里，最重要的是非实体性。西方思维习惯问"这是什么东西"，象思维习惯问"这正在发生什么"。前者的答案是个名词，后者的答案是个动词加一个方向。
举个例子。同一个团队里两个人不合，西方思维会去分析：A 是什么人格类型，B 是什么人格类型，两种类型碰在一起为什么会冲突——这是实体思路，答案落在"他们各是什么"上。象思维会先看：这两个人之间的这个劲儿是什么？是金克木那种"一个要砍一个要长"，还是火克金那种"一个的热把另一个烧软了"？答案落在"他们之间正在发生什么"上。
这两种答案不冲突，而且合起来最完整。但它们的起点不一样，产出的东西也不一样。
象思维靠两个东西驱动，我叫它两核心。
第一个是整体直观性。就是刚才说的，一眼看见整体关联的能力。这个能力不是玄的，它是有生理学基础的——人脑在"放空"和"分析"两种状态之间来回切换，放空时的那个网络负责的是整体联想、自传体想象、把不相干的事连起来；分析时的那个网络负责的是目标维持、逻辑推理、一步步推。象思维主要跑在前一个网络上。
这里我要当场纠正一个流传很广的说法。很多人（包括一些很认真的写作者）喜欢讲"象思维是右脑，逻辑思维是左脑"。这个说法不对，现代脑科学并不支持严格的功能分工，脑成像研究从来没发现过"只用半边脑"的健康成人。左右脑分工是个通俗比喻，不是科学结论。
那准确的讲法是什么？是两套大规模脑网络之间的协同与切换：一个偏整体联想，一个偏分析控制。象思维偏前者，逻辑思维偏后者，但任何一次真实思考都是两边一起干活，只是配比不同。这个讲法不如"左右脑"好记，但它是真的，而且它有个额外的好处——它暗示了一件事：这两套网络是可以训练着互相切换的，这就把象思维从"天赋"变成了"功夫"。
第二个核心是悟性。悟性这个词容易被说玄，我给它一个操作定义：悟性 = 长期积累的象库 × 提取速度。你见过多少象，决定了你的象库有多大；你练过多少次提取，决定了你能不能在需要的时候把它调出来。
这样定义的好处是，悟性不再神秘了。它等于"经验 × 熟练度"，跟任何其他手艺没有区别。老中医的悟性高，是因为他看过三万个病人并且复盘过；一个刚毕业的医学生悟性再好也断不准，不是天赋不够，是象库太小。
所以悟性是可以培养的，培养方式就三条：多接触原始素材（看、听、经历，而不是只看别人的结论）、多复盘（把断错的象记下来）、多静（静不是玄，静是降低噪声，让微弱的整体信号能冒出来）。
象思维不是我发明的，也不是哪个人发明的，它是中国传统学问的底层操作法。三个最硬的证据：
《易经》。"易者，象也；象也者，像也。"整部《易经》的运作方式是：先取一个象（比如"乾"取的是天的健行不息），再用这个象去比类万事万物中"同样健行不息"的那些态势。它从头到尾不给你定义，只给你象。
中医。"司外揣内"这四个字是象思维的教科书级表述——通过外面的表现，揣摩里面的状态。中医看舌头、摸脉象、问睡眠，都不是在找那个"病灶实体"，是在读一组态势。为什么中医讲"同病异治、异病同治"？因为它治的不是病名，是象。
五行。五行是取象比类最成熟的形态。木火土金水从来不是五种物质，是五种功能态势：木是生发条达，火是炎上温热，土是承载化育，金是收敛肃降，水是寒凉润下。你把一个人、一个团队、一个市场往这五类上归，归的不是"它是什么东西"，是"它这股劲儿朝哪个方向走"。
这三个证据有个共同点，值得你记住：它们都不是"解释世界"的，是"操作世界"的。取象从来不是为了说清楚，是为了接下来能动手——能开方、能断事、能调人。这一点后面讲"观象制器"的时候还要回来。
最后给三条能当场用的判据，用来分辨你遇到的是真象思维，还是有人拿它当挡箭牌。
判据一：能不能说出取的是哪个象。真取象的人能指出来——"我取的是'水漫出来'这个象，对应的态势是……"。说不出来的，多半是在凭感觉，不是在取象。
判据二：这个象能不能换成别的象来对照。真象是可以被挑战的：你取了"水漫出来"，我能不能取"火被压住"？两个象放在一起，哪个更能解释眼前的事实，是可以辩的。凡是"只此一象、别无他解"的，要警惕。
判据三：取完象之后，有没有下一步动作。象思维的落点永远是"观象制器"——取完象要做东西、要动手。如果一个人取完象之后只有感叹，没有动作，那他取的可能不是象，是情绪。
象思维对应的是你给 AI 的情境。别只说"帮我分析这个季度业绩下滑"，先说"这件事的态势更像什么——是慢慢渗水，还是突然断电，还是被什么东西压住了"。你给的象越准，它后面的框架越对得上。
反过来说：AI 可以帮你验证象（"还有别的象能解释吗"），但它很难替你取出第一个象——因为它没有你在这个具体处境里的体感。
先给思维模型下一个能用的定义：
思维模型是对现实的一次有损压缩——丢掉大部分细节，换来可计算、可推理、可传递。
关键词是"有损"。
这就像把一部两小时的电影压成一段三十秒的预告片。预告片有用吗？太有用了，你能靠它在三十秒内决定要不要看这部片子。但你会说"我看过预告片了，等于看过电影了"吗？不会。因为压缩一定丢东西，丢掉的那部分恰恰是细节、质感、意外。
模型也是这样。供需关系这个模型，把千千万万个具体的买卖行为压缩成两条曲线，于是你可以"计算"价格会往哪走。但你同时丢掉了：这个卖家的性格、那天的天气、买家老婆的一句话。丢掉的这些东西不是不重要，是在这个模型里被判定为不重要。
所以那句名言才成立："一切模型都是错的，但有些有用。"
错，是因为它必然丢东西，所以它永远不等于现实。有用，是因为丢掉的东西在某些场合确实可以暂时不管，而换来的是"能算"这个巨大的好处。
会用模型的人跟不会用的人，区别不在于知不知道模型是错的，而在于知道它错在哪儿。
这句话被引用得很多，但我发现大多数人只是记住了这句话，没真正用它。
地图和疆域的关系，有三层意思：
第一层：地图不是疆域。你拿着北京地铁图，不等于你到了北京。这一层谁都知道。
第二层：地图的有用之处恰恰来自它的"不全"。一张 1:1 的地图是没有用的——它得跟北京一样大。地图之所以有用，是因为它砍掉了树、楼、人、天气，只留下线路和站名。模型也一样：它的价值来自它丢掉了什么，不是来自它保留了什么。
这一层很多人不知道。他们拿到一个模型，第一反应是"这个模型不够全面"，然后试图往里加东西，最后得到一个又全又没法用的东西。
第三层：用错地图比没有地图更危险。你拿着一张十年前的地铁图找路，你会坚定地走向一个已经不存在的出口。而如果你手里什么图都没有，你至少会问问路人。
这一层最重要，也最少人提。第一章说的标签癖，危害就在这儿——不是因为他没有模型，是因为他有一个错配的模型，而且他对此非常确信。
我自己的一次教训：有一年我用"复利模型"去规划一件需要三年才见效的事，规划得特别漂亮，曲线画得特别好看。结果十四个月就撑不住了。错在哪？复利模型有一个隐含前提——每一期的收益要能重新投进去，而且过程不能中断。我那件事的收益是断断续续的，中间还有两个月完全停摆。模型没错，是我拿了一个要求"连续"的模型，去算一件"断续"的事。
这个错误花了我十四个月。这就是"用错地图比没有地图更危险"的实证。
我们手上的模型不是凭空来的，它们是从五个学科里"迁移"过来的。知道出处有好处——你会更容易记住它的适用条件。
| 来源 | 贡献了什么 | 代表模型 | 它天然擅长 |
|---|---|---|---|
| 物理学 | 对确定关系的信心 | 临界质量、氧化还原 | 有明确因果的场景 |
| 生物学/生态学 | 对演化和共生的理解 | 共生关系、竞争排斥、最小可行种群、遗传与变异 | 长周期、多主体 |
| 经济学 | 对激励和稀缺的洞察 | 供需、机会成本、边际效应、规模效应、网络效应 | 有人在其中做选择 |
| 数学/统计学 | 对分布和不确定性的处理 | 幂律、正态分布、贝叶斯、随机游走、复利 | 有大量重复样本 |
| 工程学 | 对失效和冗余的警惕 | 失效模式、冗余备份、安全边际、瓶颈理论 | 系统稳定性和可靠性 |
心理学和博弈论我单列一下，因为它们特别容易被误用。博弈论（囚徒困境、激励相容、信号理论）的前提是"各方都在理性地追求自己的利益"，而现实中人经常不理性，所以博弈论模型一旦套在人身上，要格外小心——它能告诉你"如果人都理性会怎样"，但不能告诉你"人会怎样"。
这五来源里，工程学贡献的模型最被低估。失效模式、安全边际、冗余备份，这些模型不性感，但它们是唯一一类"默认你会失败"的模型。其他学科的模型都在告诉你怎么成功，工程学在告诉你失败了会怎样。这个视角在真实决策里极其值钱，第二章之后你会反复见到它。
拿到一个模型，你怎么判断它值不值得用？三条标准：
好模型的三个特征：
坏模型的三个特征（看到就要跑）：
这里要当场纠正一点：不可证伪的模型不一定没用，但它不能用来做决策。有些框架（比如某些人格分类）作为"提醒你还有这个角度"的工具是好的，但你要是拿它去决定用不用一个人，那就是拿信仰当尺子。
这是本章最实用的一节。以后你每遇到一个新模型，不管是从书上看来的还是别人推荐的，先问它四句话，答不上来就先别用：
第一句：它压缩掉了什么？
每个模型都在丢东西。你先搞清楚它丢了什么，才知道它在什么场合会坑你。复利模型丢了"过程的连续性"，博弈论丢了"人的非理性"，供需模型丢了"情绪和预期"。
第二句：它在什么条件下成立？
找它的前提，不是找它的结论。前提比结论重要十倍。
第三句：它预测什么？
如果一个模型只能解释不能预测，把它归到"语言工具"那一类——用来沟通可以，用来决策不行。
第四句：它有可能被什么事实推翻吗？
如果答案是没有，那它不是模型。
这四问我会贯穿全书。到第四编讲组合的时候，你会发现这四问恰好也是判断两个模型能不能放在一起的依据。
最后留一个扣子。这一章讲的都是"单个模型"，但有一个东西我一直没说清楚：框架和模型不是一回事。MECE、逻辑树、7S、五力、3C 这些，严格来说不是模型，是模型的组合模板——它们不告诉你世界怎么运行，它们告诉你思考的时候该分几格。这个区别在第十一章会展开，而且它是理解第四编"组合"的一把钥匙。
让 AI 用某个模型分析之前，先让它把模型的失效条件一起说出来。你可以直接这么问："用 X 模型看这件事，并且告诉我 X 模型在什么情况下会失效、它压缩掉了哪些信息。"
只问"用 X 模型分析"，你会得到一份很顺的分析，而且它不会主动告诉你这个模型在这儿其实不适用——AI 天然倾向给你一个答案，而不是给你一个警告。
关于象思维和思维模型的关系，流传最广的说法是这句：
象思维管从 0 到 1，思维模型管从 1 到 N。
这句话在很多文章里出现过，包括我自己早年的一些笔记。它好听、好记，而且在某个层面上是对的——象思维确实擅长开新，思维模型确实擅长优化。
但它作为一个操作指南是错的。错在它把两样东西放平了。
放平了会推出什么？会推出"一半的问题用象思维，一半的问题用模型"。于是你遇到一件事，第一反应是"这个是 0→1 还是 1→N"，然后按分类选工具。
这个分类动作本身就是个坑，因为绝大多数真实问题不是纯的。你大概没遇过纯粹的"从无到有"——任何一个新问题，都有大量部分是旧的、可以用现成模型处理的；任何一个老问题的优化，中间也总会冒出一两个从没见过的新情况。
更要命的是，这个说法会让你跳过最关键的那一步。
你想想真实场景。一件事摆在你面前，你手上有七十个模型。你要做的第一个判断是什么？不是"这是 0→1 还是 1→N"，是"这到底是一个什么类型的事"。是资源不够，还是方向不对？是人的问题，还是流程的问题？是慢性的，还是急性的？是一次性的，还是会反复出现的？
这个判断做出来之前，你连该往哪个抽屉里找模型都不知道。
而这一步，象思维和思维模型之间的"并列分工"完全没有交代。这就是那句话最大的漏洞。
我给你讲一件事，是我自己办的，办砸了。
有一年我们要解决一个团队的效率问题。当时的判断很直接：效率问题，那就找瓶颈。瓶颈理论是个好模型，我挺熟，于是开干。找了三天，找到了——卡在审批环节，一个人手里压着所有的单子。
方案很顺：加一个人分担审批。加了。
结果效率没变。为什么？因为真正的卡点不在审批的人手，在于这批单子里有一半是前面环节填错返工的。审批口子只是看起来堵，其实是在替前面背锅。
我错在哪？我错在拿到问题就直接进模型。我脑子里跳过了"这到底是个什么类型的事"这一步，直接默认它是"流程瓶颈型"，然后调用了一个流程瓶颈模型，而且这个模型给了我一个特别合理、特别专业的答案。
正确的做法是什么？是先用那么几分钟，把这个团队的运作看一遍——不是分析，是看。看看单子是怎么流的，看看人是什么状态，看看哪些地方大家会叹气。看完你会发现，这件事的"象"不是"管道堵了"，是"上游在往管子里扔石头"。
这两个象对应的解法完全不同。管道堵了要疏通，上游扔石头要回去管上游。
那次我多花了三周才补回来。三周，加上加错人的那笔人力成本。
所以我把那句流行的话改掉。真实的结构是分层的，而且是四步：
第一步：定性（这是哪一类事）。
还没有任何模型上场。你只是在看、在感受、在给眼前这件事贴第一个标签——不是模型库里的现成标签，是"这事儿的劲儿朝哪走"。
第二步：择模（哪几个模型对口）。
定性完了，才轮到模型。注意是"哪几个"，不是"哪一个"——第五章之后你会看到为什么一个不够。
第三步：定序（谁先谁后，谁唱反调）。
挑出来三四个模型，它们之间是有先后、有主次、有分工的。这一步没人教过，但它是真功夫。
第四步：验算（这算不算解对了）。
前三个模型算出来的结论，要拿约束、代价、可逆性去打分，才知道能不能落地。
这四步里，第一步在上面，第二三步在下面，第四步扣回来。这就是"双层"的意思。
我把它画成这样，全书后面都用它：
调 度 层（象思维）
取象 → 定性 → 定序
↓ 择模调用
↑ 验算回流
执 行 层（思维模型）
数理 · 系统 · 博弈 · 决策 · 工程三条说明：
调度层只有象思维能干。定性这件事，模型库帮不上忙。因为模型是给已经有标签的东西用的，而你要做的是给一件还没标签的事贴第一个标签。这就像你进了书店，你得先知道自己要找的是"菜谱"还是"地图"，检索系统才能帮你；你如果只知道"我要一本书"，检索系统再强也没用。
执行层是模型库的地盘，而且 AI 会越来越强。模型检索、框架套用、序列生成，这些 AI 干得比人快、比人全。这一层的事，人迟早要让出去——这不是悲观，这是分工。
中间那两根箭头是关键。往下是"择模调用"——调度层决定调用谁；往上是"验算回流"——执行层算出来的东西要回到调度层去，用象思维再看一眼："这个答案，跟我刚才取的象对得上吗？"
对不上就是有问题。这一句话能救很多次决策。你算出来说"应该降价"，你回头看你刚才取的象——如果你取的是"客户不信任我们"，那降价就是错的解法；如果你取的是"客户嫌贵"，降价才对。
原命题里有一句话，我改了："找到解决问题的最优解" 改成了 "找到当前约束下的更优解"。这个改动是立场的改动，不是措辞的润色。
理由有三条。
第一，复杂问题里没有最优解，只有满意解。这是一个六十多年前就被说清楚的事：人的信息处理能力是有限的，真实世界的约束是多样的，所谓"最优"需要的计算量，在真实场景里根本付不起。所以真实的决策者追求的不是最优，是"够好了，而且我知道为什么够好"。
第二，"最优"这个词会让人放弃判断。一旦你相信存在最优解，你的行为模式就变成"找那个最优"，而不是"评估这几个选项各自的代价"。前者是找答案，后者是做决定——这两件事完全不同。
第三，说"最优"是要负责的。你在纸上写"最优解"，读者拿去用在真实的事上，出了事他回来找你。而我给不了这个承诺，因为任何一个解的好坏，都取决于三样我没法替你定的东西。
哪三样？就是验算的三个刻度：
| 刻度 | 问什么 | 谁说了算 |
|---|---|---|
| 约束 | 谁的资源、多长周期、哪些东西不能动 | 只有你知道 |
| 代价 | 要付多少钱、多少时间、多少关系、多少能量 | 只有你付得起才知道 |
| 可逆性 | 这个决定能撤回吗？撤不回的话要多付多少谨慎 | 只有你承担后果 |
这三个刻度一摆，你就明白为什么不能说最优了——最优是对比出来的，而你这三条约束跟别人的完全不一样。对你最优的解，对我可能是毒药。
所以全书统一口径，只说更优解或适配解。第十九章会给这三个刻度的打分表，那是"更优"的判定规则。
把这章压缩成一张卡，后面所有章节都是它的展开：
象思维在上，做调度：取象、定性、定序。
思维模型在下，做执行：挑 2–4 个对口的，排好顺序，算。
中间两根箭头：往下择模调用，往上验算回流。
最后的判定：约束、代价、可逆性三条刻度打分，得出当前约束下的更优解。
不说最优解。
前三编（第五到十四章）把上下两层分别讲透，第四编（第十五到二十章）讲两层之间怎么配合，第五编（第二十一到二十五章）讲这套东西怎么落到你自己身上、怎么跟 AI 配合。
双层结构直接翻译成给 AI 的话就是：先说情境，再指定框架，再指定顺序，最后给验收标准。
具体到一句话："这件事的态势是 X（取象），请用 A、B 两个模型来看（择模），先看 A 再看 B，并指出两者的冲突（定序），最后告诉我按'三个月内能落地、预算不超过 Y、做错了能撤回'这三条，这个建议能打几分（验算）。"
这四要素说全了，你拿到的东西跟只说"帮我分析一下"，是两个世界。
取象这两个字里的"取"，是个动作，而且是个有点狠的动作。
它不是看，不是观察，不是收集信息。它是在连续不断的经验流里，咔嚓一刀切出一个东西来——这一刀切在哪，决定了你后面所有的判断。
打个比方。你看一条河，水一直在流。取象就是在这条流里认出"这一段在打旋"或者"这一段被石头挡住了"。水并没有在那里断开，是你在那里做了个切割，切出来一个可以谈论的对象。
所以取象的第一个特征是：它切出来的东西，不是本来就有的，是你认出来的。
这也解释了为什么不同的人对同一件事会取出完全不同的象——不是谁看错了，是切的地方不一样。
取象难，难在一个很具体的敌人：概念。
你看见一棵树。在你认出"这是树"的那一瞬间，你的感知就停了。你已经知道它是树，你不需要再看了。接下来你脑子里调出来的是"树"这个概念附带的一堆信息——有根、有叶、会进行光合作用——而不是你眼前这棵具体的树。
概念是高效的。它让你不用每次都重新认识世界。但它的代价是：你在认出概念的那一刻，就停止了感知。
这对取象是致命的。因为象思维恰恰要在概念介入之前工作——第二章说的"前语言性""前逻辑性"，就是这个意思。你要在还没给它命名的时候，先看见它。
我自己练这个的时候，用了一个笨办法，效果却最好：看一个东西，写出二十条描述，一个概念词都不许用。
比如看一个杯子。不许说"杯子"，不许说"陶瓷"，不许说"圆柱形"。你要说的是：凉的、比手掌重一点、口沿有一道摸得出来的凸起、底部有一圈没上釉的粗糙、装了水之后下半截颜色变深、敲一下声音很闷……
写到第十五条的时候，你会发现你开始真正看见这个东西了。前面十几年你只是知道它是个杯子。
这个练习我会在附录 B 里给完整版。这里先记住它的原理：剥夺概念，感知才会回来。
取象能不能取准，取决于两件事，缺一个都不行。
第一个条件：静。
静不是玄，静是降低噪声。
你想想一个场景：你在一个吵闹的房间里，有人在你耳边说了一句很重要的话，你没听清。不是你耳朵不好，是噪声太大。取象也是这样——你脑子里那些没处理完的邮件、刚才那场不愉快的对话、明天要交的东西，全是噪声。而象是个很微弱的信号，噪声一大，它就冒不出来。
所以"静"的操作定义是：把那些待办事项从工作记忆里暂时清出去。具体怎么清？最有效的办法是写下来——把脑子里转的东西倒在纸上，它们就不再占你的内存了。这不是冥想，这是个认知技巧，五分钟就够。
第二个条件：熟。
熟是象库的大小。
一个从没看过鱼的人，进不了菜市场挑鱼。他不知道鱼眼亮是什么意思，不知道鱼鳃发暗意味着什么。老厨师看一眼就知道这条鱼死了多久，靠的不是天赋，是看过一万条鱼。
所以取象的第二个条件是：你得在这个领域里泡够久，见过足够多的原始素材。
这两条合起来，取象的能力公式就出来了：
取象能力 = 象库大小 × 信噪比
象库靠积累，信噪比靠静。前者是慢功夫，后者是当下就能调的。这也是为什么在一些你并不熟悉的领域里，你依然可能取对象——因为你信噪比高，虽然象库不大，但你能把那个微弱的信号听清楚。
给你看一个真实的对比。
一次项目复盘会，会开到一半，明显卡住了。同样的会议、同样的材料、同样的一小时，两个人给出的判断完全不同。
第一个人说："问题在于流程。立项之后有四个审批节点，每个节点平均卡 2.7 天，加起来就是十一天。这十天里市场情况变了。所以应该砍掉两个节点。"
第二个人说："问题在于大家不敢做决定。我注意到一个细节——每次到了要拍板的时候，所有人都会看向同一个方向，那个人不在，会就散了。这不是流程慢，是没有人敢担这个责任。"
你看，同一次会议，两个象：
这两个象对应的解法完全不同。如果按第一个象去干，你会去砍审批节点，砍完之后会发现：会照样散，因为大家还是不敢拍板。如果按第二个象去干，你要解决的是授权和担责的问题，节点一个都不用砍。
哪个对？在这个具体场景里第二个对。但我说这个不是为了表扬第二个人，是为了让你看见：取象这一步的分歧，会导致后面所有工作的方向性差异，而且这个差异在"分析"阶段是发现不了的。
你用任何模型去分析，都能给第一个象找到一堆支持的数据（审批节点确实卡了 2.7 天，数据是真的）。数据没骗人，是象取错了。
这就是为什么取象必须在择模之前。顺序错了，你越专业，错得越深。
这一节给你一个当场能做的练习，五分钟。
第一步（30 秒）：把脑子里所有待办写在纸上，写完合上。这是"静"。
第二步（3 分钟）：看着你要处理的这件事（可以是一份材料、一个现场、一段对话记录），写下你直接感受到的东西，只写感知，不许下判断。
判断和感知的区别，举个例：
| 感知（可以写） | 判断（不许写） |
|---|---|
| 他把方案翻了三页又翻回去 | 他对方案不满意 |
| 会上没有人提价格 | 大家对价格没意见 |
| 这个文件改了四版 | 这件事很复杂 |
看出来了吗？左边是摄像机能拍到的，右边是你脑子里的结论。取象阶段只要左边。
第三步（1 分钟）：看着你写的这些感知，问自己一句："这整体的劲儿，像什么？"
不是像哪个模型，是像生活中的什么场景。像水漫出来？像火被压住？像一根绳子两头拉？像一辆车在爬坡？像有人在门外徘徊？
第四步（30 秒）：把这个"像什么"写下来，然后问自己：如果它真的就是这样，那我应该先看哪里？
这四个步骤走完，你就有了一个象，和一个初步的方向。整个过程五分钟。而它替代掉的，是你原本要花两小时列的七个角度。
取象这一步几乎完全不能交给 AI——因为它没有你在这个处境里的体感，它看不到会上那个人翻方案的动作。
但 AI 可以干两件事：一是帮你检查象，你把取到的象告诉它，让它问"还有别的象能解释同样的现象吗"；二是帮你找反例，"如果这个象成立，应该还能观察到什么，现在观察到了吗"。
简单说：象你来取，证伪让它干。
上一章讲了怎么"切出"一个象。这一章讲切出来的象有三个层次，以及为什么分不清层次是取象最常见的失败。
象思维里的象分三层：物象、意象、原象。这三层不是三种象，是同一个象的三种深度。
物象层：感官可及的那部分。
就是你能看见、听见、摸到、数出来的东西。客户投诉了三次、这个月离职了两个人、生产线停了两小时、他的手在抖——这些都是物象。
物象的特点是可以记录、可以传递、可以核对。你说"投诉了三次"，别人去系统里一查就知道对不对。所以物象是所有讨论的地基——没有地基，上面两层都是空转。
意象层：关系和态势。
到了这一层，你开始说"这些东西之间正在发生什么"。投诉三次、离职两人、停线两小时，这三件事凑在一起意味着什么？如果它们都发生在同一个部门，那可能是"这个部门正在失血"；如果它们分散在不同部门但都发生在同一个月，那可能是"公司在经历一次结构性的挤压"。
意象层的关键动作是把分散的物象串成一个态势。木行人"身材修长、面色青白、性子直、容易在春天不舒服"——单看每条都是物象，把它们串起来，得到的"像树木一样向上生长、受压抑则郁结"才是意象。
意象层的东西可以说出来，但说不准。你说"这个部门在失血"，对方完全可能说"不，这是在换血"。这不是谁对谁错，这是意象层的正常状态——它本来就是可以被挑战的。
原象层：那个根本的东西。
再往下走，你会碰到一层说不清楚的。不是因为它玄，是因为它太普通了，普通到没有东西可以比喻。
比如你在一个团队里待久了，你会形成一种说不清的"这个团队的气质"。你没法用一两条态势去描述它，但你能一眼认出某个行为"像这个团队会干的事"或者"不像"。这个东西就是原象层的东西。
原象的特点是不能直接说，只能借别的事来指。就像你不能定义"什么叫红"，你只能指着一朵花说"就是这个"。
给你一个能当场用的判据，就一个问题：这个东西，你能不能画出来？
| 层次 | 画得出来吗 | 说得出来吗 | 怎么检验 | 例子 |
|---|---|---|---|---|
| 物象 | 能，直接拍下来 | 能，而且能核对 | 去查记录 | 投诉三次、离职两人 |
| 意象 | 能，但要画成关系图 | 能，但会被挑战 | 看它能不能推出新观察 | 这个部门在失血 |
| 原象 | 画不出 | 说不准，只能借事指 | 只能靠"像不像"来验 | 这个团队的气质 |
判据的关键在中间那一列。物象是能被核对的，意象是能被挑战的，原象是只能被"认出"的。
这三种检验方式完全不同，混用就会出事。最常见的混用是：拿检验物象的方式去检验意象。有人说"这个部门在失血"，另一个人说"数据呢？"——这就错了，意象本来就不是数据能证明的东西，它能证明自己的方式是"如果这个象成立，那我们还应该看到 X、Y、Z"（可推出的新观察），而不是"数据支持它"。
错误一：停在物象层，以为自己在思考。
这是最多人犯的，而且是越"专业"的人越容易犯。
一份报告里写满了数据：转化率 3.2%、环比下降 0.7 个点、用户停留时长 47 秒、跳出率 61%……全是物象，一条意象都没有。读完你知道了很多数字，但你不知道这件事正在发生什么。
停在这一层的人有个特点：他们特别喜欢说"让数据说话"。但数据不会说话，数据只会站着。说话的是你，是你把散落的数据串成一个态势。
我见过最极端的一个例子：一份四十页的调研报告，全部是图表，最后一页的结论是"建议持续关注"。四十页物象，零个意象，零个结论。
错误二：跳过意象，直奔原象。
这个错误的危害更大，而且它往往被当成"高水平"。
一个人刚到一个新环境，没几天就说"我感觉这个公司的气场不对"。这可能是对的——也可能他只是没耐性看物象。
跳过意象的后果是：你没有一个可以讨论的中间层，于是你的判断无法被检验，也无法被传递。你说"气场不对"，别人没法跟你辩，因为你们没有共同的意象层可以对照。最后要么大家听你的（危险），要么大家不听（你也说不出理由）。
更要命的是，跳过意象的人经常是对的，但他自己不知道为什么对。这种"对"是不可复制的——下次他可能就错了，而他自己也预警不了。
所以正确的顺序只能是：物象 → 意象 → 原象，一层一层走，不能跳。
物象是地基（能核对），意象是结构（能讨论），原象是那个最终的"认出"（能意会）。三层都走到，你的判断才既扎实又通透。
以后你做出任何一个判断，都可以拿这张卡归一下层，看看自己是不是漏了哪一层。
第一步：写下你的判断。
比如："这个项目做不成。"
第二步：问它属于哪一层。
第三步：补上缺的层。
第四步：检查能不能往下走一层，或者往回退一层。
从物象往意象走，是"这些事实意味着什么"；从意象往原象走，是"抛开这些具体态势，最根本的是什么"。往回退是检验：如果我的意象是对的，我应该还能观察到什么？
AI 在物象层极强（整理、统计、比对），在意象层中等（能提出几种可能的态势，但挑不出哪个更像），在原象层基本无能（它不在现场，没有体感）。
所以分工很直接：让 AI 把物象理干净（"把这三条线的数据按时间排出来，标出异常点"），让 AI 给意象提候选（"这些数据可能对应哪几种态势"），但最后选哪个象，人来定。
一句可以复制的话："以下是事实，请给出三种可能的态势解释，并分别说明每种解释还会推出哪些可观察的现象。"
很多人对象思维有个误解，以为它就是"灵光一闪"。
这个误解有害，因为它让取象变成了不可学的东西——你要是没闪，那就没办法了。
实际情况不是这样。取象是一套有步骤的动作，四个动作，每个都能练。这四个动作有个传统的名字，叫观物取象、立象尽意、取象比类、观象制器。十六个字，四步，从看见东西一直走到做出东西。
我逐个拆开讲，每一步都给你能当场做的动作。
这一步要做的：收集原始素材，不加评判。
这一步的产物是物象（第六章讲的那一层）。它的规矩只有一条：只收，不判。
这一条极难做到。你看见客户皱眉，脑子里立刻跳出"他不满意了"——这就是评判，而且是在物象还没收全的时候就下了结论。
正确的做法是把它记成"客户在讲价格的时候皱了眉"，把"他不满意"这个结论先按住。
为什么这么较真？因为你一旦下了结论，后面所有新进来的信息都会被这个结论过滤。你会自动忽略掉跟"他不满意"矛盾的那些细节。等你要回头找的时候，它们已经不见了。
这一步有个很实用的技巧：用录音或速记，不要用脑记。脑子的容量有限，而且它会边记边加工。写下来就是写下来，它不会自己变成结论。
这一步的产出：一份只含感知、不含判断的素材清单。第五章那个"二十条描述"就是这一步的练习版。
这一步要做的：把那个朦胧的整体感，固定成一个可以谈论的象。
观物取象收了一大堆素材，这时候你脑子里会有一个模糊的"整体感觉"。这个感觉是宝贵的，但它有两个问题：它会丢，而且它说不出来。
它会丢，是因为感觉是最容易忘的东西——睡一觉就没了。它说不出来，是因为它还在意象层以下，没成型。
所以第二步的操作就一个动作：给它一个名字。
不是给它一个概念名（比如"流程问题"），是给它一个象的名字——"这像水漫出来""这像两头拉绳子""这像有人在门外徘徊"。
这个动作看起来土，作用极大：
我自己写作的时候，这一步是救命的。很多时候我卡住写不下去，不是因为没想清楚，是因为那个象还没立起来——它在脑子里转，但没名字，所以我抓不住它。一旦我把它写成一个比喻（"这个论证像一根撑不住的杆子"），后面就顺了。
这一步的产出：一句话的象。"这事像……"
这一步要做的：从这个象，推向同类的事。
"比类"是取象比类的核心——凡是同一类态势的事，会遵循同一个道理。
比如你取了"水漫出来"这个象。水漫出来有什么特点？它不会只从一个地方出来，你堵住这里它会从那里出来；它需要先有积水，漫出来只是最后一步；堵不如疏。
然后你比类到眼前这件事：员工的抱怨从三个不同的地方冒出来（像水从多个地方渗出），说明底下已经积了很久（有积水），处理的时候不能只堵那个最响的抱怨（堵不如疏）。
你看，从"水漫出来"这个象，你推出了三条可以检验的判断。这就是比类的价值：它让你从"这像什么"走到"那应该会怎样"。
比类的规矩有两条：
规矩一：要比的是态势，不是外形。木行人不必长得像树，比的是"生发向上"那个劲儿。你要是按外形去比，就会比错。
规矩二：推出来的东西必须可检验。从象推出的每一条判断，都要能变成"那我应该还能看到 X"。推不出可检验的东西，说明这个象取虚了。
这一步的产出：三条以上可检验的推论。
这一步要做的：把象变成可以动手的东西。
"制器"这个词来自《易经》，原意是圣人看到某个卦象，就发明出对应的器物或制度。用今天的话说：取象的终点不是想清楚，是做出来。
这一步是象思维跟纯粹"感悟"的分水岭。感悟到此为止，取象必须走到这里。
从象到器，操作上有三种走法：
走法一：顺着象的性子做。
象是"水漫出来"，水的性子是往下流、往低处走。那你做的东西就应该是"开一条往下的通道"，而不是"加高堤坝"。比如员工抱怨多，与其加强管控，不如开一个能让抱怨顺畅流到决策层的通道。
走法二：反着象的性子做。
有时候象告诉你的是"现在这个态势太过了"，那你就做一件反向的事。象是"火太旺"，你做的就不是添柴，是撤柴或者加水。
走法三：换个地方做。
象告诉你"问题不在你看的地方"。象是"上游在扔石头"，那你要做的就不在下游疏通，而是回到上游去管。第四章那个团队效率的例子，就是这一类。
这一步的产出：一个具体的、明天早上能开始做的动作。
如果走到第四步你还没有一个具体动作，那说明前面三步里有一步是虚的——回去补。
给你看一个完整的四步流程，用一个小例子。
有家餐厅（我熟悉的一家）有一道菜，厨师觉得味道对了，客人觉得不对。厨师改了三次配方，都不管用。
观物取象：不去尝味道，先去看。看客人怎么吃这道菜——大多数人第一筷子夹起来，吃了一口，然后就放下了，转向别的菜。有个细节：他们放筷子的时候，盘子里还剩很多汁。
立象尽意：这个象是"客人被第一口挡住了"。不是"不好吃"，是不好吃到第一口就停了——如果是不好吃，他们会挑挑拣拣地吃几口再放弃；放下得这么干脆，是被第一下击退了。
取象比类："被第一下击退"这个类里，常见的有几种：太咸、太烫、太冲。看盘子剩汁这个细节——汁剩得多说明不是味道的问题（味道不对的话，汁也不会被剩下），那是温度或者冲击力的问题。查了一下，这道菜是热油泼上去的，上桌时表面温度极高。
观象制器：不是改配方，是改流程——出餐前静置四十秒，同时把盘子换成散热快的浅盘。改完，剩汁没了，复点率上来了。
你看，如果一上来就"分析味道"，会一直在配方里打转，而真正的问题在出餐流程。这就是四步法的价值：它让你在正确的层面上动手。
顺便说一句，这个例子也说明了为什么"局部最优"常常没用。厨师把味道调到最优（局部最优），但客人第一口就被烫跑了，那个最优一点用都没有。全局的那个东西，往往不在你打磨的地方。
| 步骤 | 要做什么 | 规矩 | 产出 | 常见的错 |
|---|---|---|---|---|
| 观物取象 | 收素材 | 只收不判，写下不加工 | 感知清单 | 一边收一边下结论 |
| 立象尽意 | 给象命名 | 用比喻，不用概念 | "这事像……" | 用概念代替象（"流程问题"） |
| 取象比类 | 推可检验的判断 | 比态势不比外形 | 三条可检验推论 | 推出不可检验的东西 |
| 观象制器 | 变成动作 | 顺象性／反象性／换地方 | 明天能开始做的动作 | 停在感叹，没有动作 |
最后一栏是重点。每一步都有一个特征性的错误，你对着检查一下，就知道卡在哪一步了。
四步里，第一步和第二步几乎全靠人（AI 不在现场），第三步 AI 能帮大忙（它能快速给出"这个象还能推出什么"），第四步要人拍板（因为它涉及代价和可行性）。
一句可以复制的话："我取的象是 X。请从这个象出发，推出五条可观察、可检验的判断，并说明每条判断如果成立，我还能看到什么迹象。"
注意别让 AI 替你立象。你让它"帮我取个象"，它会给你一个听起来很像那么回事的比喻——但那不是取象，那是造句。
"错综复杂"这四个字，你现在用它形容事情难搞。
但它本来不是形容词，是四个动词，而且是一套完整的操作方法。它们来自《易经》的卦变系统：
两千多年前，中国人就用这套动作对同一个问题换着角度看。这不是哲学，这是操作手册。
我把这套东西整理成五个维度，叫卦变五维。它是本书里我最想介绍给你的工具，理由有三：它是中国原产的、它极其简单、而且它恰好填补了"多模型组合"里最缺的那一环——换角度的顺序。
卦变五维就是五个固定的提问动作。你拿到任何一个象，都可以拿这五问去过一遍。
① 本卦：现在是什么样？
先看清楚当前的状态。这一步最容易被跳过，因为大家都急着"分析"。但本卦是所有后续的地基——你连现在是什么样都没看清，后面四个角度全是空中楼阁。
对应的问题："如果只能用一个画面描述现状，那是什么画面？"
这一问的产出必须是个画面，不是个判断。"业绩下滑 15%"不是画面，"水一直在往外漏，桶里的水位在降"才是画面。
② 变卦：往哪走？
看趋势。注意是趋势，不是"将来会怎样"。趋势是"照现在的样子接着走，会走到哪"，将来是"会发生什么"。前者能推，后者只能猜。
对应的问题："照这么走下去，半年后它会变成什么样？"
变卦最实用的地方在于它逼你处理时间维度。大部分人在分析问题时是静止的——他们描述一个状态，然后在这个状态上找解法。但真实的事都在流变里，半年后的那件事，跟现在这件可能根本不是一件事。
③ 互卦：里面是什么结构？
看内部。互卦的取法是把卦的中间几爻抽出来重新组成一个卦——用今天的话说：不看表面那层，看夹在中间的那层。
对应的问题："表面上看到的是 A 导致 B，那 A 和 B 中间还夹着什么？"
这一问是五问里最有杀伤力的，因为大部分错误都出在"把相关当因果"上。你看到"员工离职率高"和"项目延期多"同时出现，就以为前者导致后者。互卦会逼你去找中间那一层——也许是"关键知识没有人备份"，它同时导致了两件事。
④ 错卦：反过来看是什么？
把整个事情翻过来。阴阳全反。
对应的问题："如果我现在的判断完全是错的，那会是因为什么？"
这一问在第四章的双层结构里我会再讲一遍——它对应的是给组合配一个"佐"。凡是只有一个方向的分析，都是危险的。错卦是那个内置的刹车。
⑤ 综卦：换到对方的位置看是什么？
把整个卦倒过来看。同一件事，站在对方的位置上，它会变成另一个样子。
对应的问题："对方（对手、客户、下属、家人）看这件事，会看成什么？"
综卦跟错卦不一样，区别在这里：错卦是把结论反过来（我是对的 → 假如我错了呢），综卦是把位置换过去（我这么看 → 他那么看）。一个是反结论，一个是换立场。
这一点是本章的关键，我要说清楚。
你完全可以问自己"还有别的角度吗"，然后随便想五个角度。但那不是卦变五维，因为卦变五维的顺序是有意义的，而且这个顺序不能乱。
顺序为什么重要？因为前一步的产出是后一步的输入：
打乱顺序会怎样？比如你先做综卦（换位思考）再做本卦（看清现状）——你会发现自己换过去之后不知道该看什么，因为现状还没固定。
顺序有意义的另一个原因是：它可重复。你这次用这个顺序过一遍，下次还能用同样的顺序再过一遍，而且两次的结果可以对比。随机的"换个角度"做不到这一点——你下次想的角度跟这次不一样，两次没法比。
这就是为什么我说它是序列而不是"五个看法"。序列是可以练熟、可以复用、可以教给别人的；随机的角度不行。
讲到这里你大概已经看出来了：卦变五维就是"多模型组合"的东方版本，而且它比"随便组合几个模型"更严格——因为它规定了顺序。第十八章讲组合四步工序的时候，你会发现"取象"这一步的最佳工具就是这一章的五问。
我不是要说"我们古已有之"——那种话没有价值。我是要说：这两套东西可以互相检验，对照着看你会理解得更深。
| 卦变 | 看什么 | 西方最接近的模型 | 差别在哪 |
|---|---|---|---|
| 本卦 | 现状 | 现状基线 / 事实清单 | 本卦要的是画面，西方要的是数据 |
| 变卦 | 趋势 | 二阶效应 / 系统动力学 | 变卦更粗糙，但更快，不需要建模 |
| 互卦 | 内部结构 | 系统思考 / 因果回路图 | 互卦不画图，只问"中间夹着什么" |
| 错卦 | 对立面 | 逆向思维 / 证伪 | 基本同构，是东西方各自独立发明的 |
| 综卦 | 换位置 | 第二层思维 / 换位思考 | 综卦强调"整个倒过来"，力度更大 |
看最后一列。卦变五维的优势不是"更深刻"，是更轻——它不需要数据、不需要建模、不需要工具，五分钟就能过一遍。这个"轻"非常值钱，因为大部分决策现场你根本没有时间建模。
而西方模型的优势是更精确——它能算出具体的数，能给出可验证的预测。
所以最好的用法是：卦变五维用来取象和定性（调度层），模型用来算（执行层）。这正好落回第四章的双层结构。
给你看一个完整的五问流程，用一个日常的例子——"团队里一个能力强的人突然变得消极"。
本卦：他不是慢慢变差的，是某一天开始突然变的。像一根绷着的弦松了。（画面）
变卦：照这样走下去，三个月内他会走。而且不是他一个人——他带的两个年轻人会跟着动摇。（趋势）
互卦：表面上是"消极"，中间夹着什么？查了一下时间线，变化发生在上次评优之后。评优名单里没有他，但他负责的项目是唯一超额完成的。所以中间夹着的不是"能力不被认可"，是"承诺和实际之间的落差"。（内部结构）
错卦：假如我判断错了呢？也许跟评优无关，是他家里有事。检验办法：看他对其他事的态度——如果只是在涉及评优的场合冷淡，那就是评优的事；如果对所有事都冷淡，可能是别的。（反证）
综卦：站在他的位置看。他的视角里，这次评优说明什么？说明"在这个团队里，把事做好不等于被看见"。他不是要那个奖，他是在重新评估这个等式。（换位置）
五问走完，解法就出来了——而且跟"激励不足"这种套模型的结论完全不同。你要做的不是给他发奖金，是修那个等式：要么把评价机制改对，要么当面把"我看见了"这句话说清楚。
注意最后一问的威力。综卦经常能把一个"管理问题"变成一次"对话"。这就是为什么它排在最后——前面四问都在处理事，最后一问把人带回来了。
| 序 | 维度 | 一句话提问 | 产出 | 常见失败 |
|---|---|---|---|---|
| 1 | 本 | 现在是什么画面？ | 一个画面 | 用数据代替画面 |
| 2 | 变 | 照这么走，半年后什么样？ | 一个走向 | 猜"将来"而不推"趋势" |
| 3 | 互 | 表面因果中间夹着什么？ | 中间层 | 把相关当因果 |
| 4 | 错 | 假如我全错了，会错在哪？ | 反证方案 | 走过场，不真找反例 |
| 5 | 综 | 他看这件事，会看成什么？ | 对方的等式 | 把自己的想法安给对方 |
第四栏"常见失败"要特别看第四行：错卦最常见的失败是走过场。很多人会问一句"会不会是我错了"，然后立刻自己回答"应该不会"，接着往下走。这不叫错卦，这叫自我安慰。真正的错卦要花跟前面几问一样多的时间。
这是全书里最适合直接交给 AI 执行的一章，因为五问是固定顺序的、可重复的，正好是 AI 擅长的流程。
一句可以复制的话："以下是背景。请按五个固定视角依次分析：①现状用一个画面描述；②照此趋势半年后的走向；③表面因果之间可能夹着什么；④如果我判断全错，最可能错在哪，并给出检验办法；⑤对方视角会把这件事理解成什么。每个视角单独成段，不要混。"
但要注意：第一步（本卦：画面）最好你自己来。AI 给的画面常常是"概括"而不是"画面"，概括是物象层的东西，不是象。
前面五章把象思维讲得挺好。如果不写这一章，你大概会觉得我是在推销一种万能的东方智慧。
不是的。
象思维有它干不了的事，而且这些事不是边缘情况，是日常生活里的大头。一个工具真正的成熟标志，不是它能不能被夸，是它敢不敢被划边界。
这一章我把它不能干的事一条条列出来。列完之后象思维不会变小，只会变硬——因为你会知道什么时候该用它、什么时候该收起来。
先说最难听的一句：象思维最大的风险是"怎么解释都对"。凡是事后全能解释、事前什么都没说的东西，都不可证伪，而不可证伪的东西，讲得越漂亮越危险。象思维如果不加约束，它就是这个东西。
第二章讲过六非，我说过它们既是本事也是软肋。现在来还这笔账——每一条本事，都对应一个具体的代价。
| 六非 | 本事 | 代价 | 代价落到谁头上 |
|---|---|---|---|
| 非实体性 | 看关系和态势 | 难定位：你说"这部门在失血"，别人问"哪个指标？"，你说不出 | 需要动手的人 |
| 非对象性 | 贴上去感受，不解剖 | 难复现：你感受到的，别人感受不到 | 需要交接的人 |
| 非现成性 | 不认固定答案 | 难积累：上次取的象，这次常常不能直接用 | 需要规模化的人 |
| 前语言性 | 抢在语言之前 | 难传递：教的时候只能说"你自己去感受" | 需要教学的人 |
| 前逻辑性 | 整体直入，不走楼梯 | 难检验：跳过了推理链条，出错时不知道错在第几步 | 需要纠错的人 |
| 非确定性 | 容得下模糊 | 难追责：结果不好时，"象没取准"这句话没法问责 | 需要担责的人 |
看最后一列。六条代价全都落在"需要跟别人协作"这件事上。
这不是偶然。象思维本质上是一种高度个人化的能力——它依赖你自己的象库、你自己的信噪比、你自己在现场的体感。个人化是它的力量来源（所以它能看见别人看不见的东西），也是它的成本来源（所以它很难变成组织能力）。
认清这一点，你就不会去干"让整个团队都学会取象"这种事了。正确做法是：让一两个人取象，让流程去承接取象的结果（第五编第二十二章会讲怎么接）。
这五条我在各种文章里见过无数次，逐条拆。
误会一："象思维就是具象思维。"
最普遍的误会。前面讲过，不重复。只补一句：具象思维是低级的抽象（还没学会抽象），象思维是超越抽象（抽象完了还能回去看见整体）。这两件事看着像，其实是相反的方向。
误会二："象思维可以替代逻辑思维。"
不能。这一条要说得重一点：任何试图用象思维替代逻辑思维的尝试，都会以"说得越来越玄"收场。
象思维和逻辑思维不是替代关系，是接力关系——象思维开出新东西，逻辑思维把它变成可执行的。缺了前者你会很正确但很平庸；缺了后者你会很有趣但落不了地。
误会三："象思维是玄学。"
这一条我要两面说。
一面：象思维不是玄学。它有操作步骤（第七章四步法）、有检验方式（推出可观察的判断）、有失效率（下一节讲）。
另一面：它极易滑向玄学，而且滑过去的时候毫无察觉。凡是开始用"只可意会""这个层面讲不清楚""你境界到了就懂"来回应质疑的，就是已经滑过去了。
所以我的态度是：象思维不是玄学，但它需要一套防玄学的规矩。第三章那四问、第八章那张卡的第四栏、还有下一节的失效清单，都是规矩。
误会四："象思维可以快速学会。"
不能。取象能力 = 象库 × 信噪比。信噪比那条（静）能很快提升，象库那条只能靠时间堆，没有捷径。
这也意味着：你读完这本书，不会立刻变成一个取象高手。你能立刻获得的是知道自己该在哪个环节上使劲——这一点本身就已经值回票价了。
误会五："悟性是天生的，没法培养。"
第二章给过操作定义了：悟性 = 象库 × 提取速度。两项都可练。
但我要补一句诚实的：起点确实有差异。有些人天然对"态势"敏感，有些人天然对"数据"敏感。这个差异是真实的，否认它不诚实。但起点差异决定的是前期速度，不决定天花板——这跟学任何手艺一样。
下面这四种情形，象思维不应该单独上，必须让模型、数据、流程来主导。这不是象思维不行，是用错了地方。
情形一：需要精确量值的时候。
"大概要投多少？"——象思维答不了。它能告诉你"这个坑比看起来深"，但深三米还是三十米，得去量。
凡是涉及钱的数字、时间的天数、资源的个数，象思维只能给方向，不能给数。用象思维给数字，是拿指南针当尺子用。
情形二：需要他人复现的时候。
你的判断要交给别人去执行，而那个人不在现场、没有你的体感。
这时候象思维就不够用了——你说"这个客户现在像惊弓之鸟"，接手的同事不知道该怎么动作。你需要把象翻译成可执行的动作（这就是"观象制器"）。象是给自己的，器才是给别人的。
情形三：需要追责的时候。
出了问题要查是谁的责任，象思维会坏事。因为它是非确定性的——"我当时取的象不对"这句话，既没法证实也没法证伪，于是它就变成了一个万能的挡箭牌。
所以在需要清晰问责的场合，用流程和标准，不用象。
情形四：需要跨人传递、大规模协作的时候。
十个人以内，靠一两个人取象、其他人听，能跑。一百个人就不行了——象在传递过程中会失真，而且每个人会往里加自己的东西。
这时候要的是可文档的口径（模型的强项），不是个人化的象。
这四种情形合起来看，规律很清楚：凡是需要"精确、可复现、可追责、可传递"的，象思维都要让位。象思维的场域是"模糊、一次性、需要洞见、由本人负责"的那些事——而这恰恰是最重要的那些事。
那象思维和逻辑思维到底是什么关系？
四百年前徐光启说过四个字：会通以超胜。就是先会通（把两边的东西都弄明白、能互相翻译），然后超胜（生出比两边都强的东西）。这比"优势互补"这种套话实在得多，因为它指出了顺序：先会通，才谈得上超胜。
落到操作上，这个顺序是三句话：
第一句：象思维先上，负责开。在没有标签的地方，先取出第一个象。这一步模型帮不上忙。
第二句：模型接着上，负责算。象取出来之后，挑对口的模型去算、去验证、去量化。这一步象思维不够用。
第三句：象思维再上，负责收。模型算出来的东西，要拿回象思维那里再看一眼——"这个答案跟我取的那个象，对不对得上？"第四章双层结构的上行箭头，就是这一步。
这三句话里，最容易被忽略的是第三句。大部分人只做前两句，所以他们经常拿到一个"算得对但方向错"的答案。
最后一句要说的：这本书从头到尾没有主张过"东方比西方好"。我主张的是一件事——在模型已经被 AI 越做越便宜的今天，"给未见过的事贴第一个标签"这件事变得稀缺了。象思维是做这件事的老手艺，而且它恰好长在我们的文化里。
这是务实的判断，不是文化自信。
| 情形 | 象思维 | 说明 |
|---|---|---|
| 一个从未见过的新情况 | ✅ 主用 | 没有模型可循，只能取象 |
| 需要判断"这是什么类型的事" | ✅ 主用 | 定性是调度层的活 |
| 需要洞见、需要看见别人没看见的 | ✅ 主用 | 这是它的主场 |
| 由你本人承担后果的一次性决定 | ✅ 可用 | 个人化不是问题 |
| 需要给出精确数字 | ❌ 让位 | 拿指南针当尺子 |
| 需要交给别人执行 | ⚠️ 转成器 | 象给自己，器给别人 |
| 需要追责任 | ❌ 让位 | "象没取准"是万能挡箭牌 |
| 百人以上协作 | ❌ 让位 | 传递会失真 |
| 已有成熟模型且条件吻合 | ⚠️ 直接上模型 | 别为了用而用 |
最后一行特别说一下：已有成熟模型而且条件对得上的时候，不要为了显得高明而去取象。直接上模型更快、更准、更可交接。取象是在模型不够用的时候才需要的——它是稀缺资源，要花在刀刃上。
这一章的清单可以直接变成 AI 的自我检查规则。你在让 AI 给建议的时候，可以加一句：
"请同时告诉我：你的建议在什么情况下会失效；哪些部分是你确定的，哪些是推测；如果我按这个建议做错了，最可能错在哪一环。"
这三条正好对应本章的"划边界""分确定与模糊""追责"——AI 天然不会主动给你这些，你必须显式索取。
更根本的一条：凡是 AI 说"综合来看""从多个角度"却没有给出哪个角度权重最高的，你要警惕——那多半是它在用模糊掩饰不确定性。
第三章讲过模型的来源，按出身分了五类：物理、生物、经济、数学、工程。那是"这些模型是哪门学问里长出来的"。
这一章按用途分，回答的是另一个问题：遇到事的时候，我去哪儿找？
两种分法不冲突，用途像药店按症状摆药，出身像药典按药性分类——你生病的时候按症状找，学药的时候按药性学。
分六大家族：
| 家族 | 管什么类型的事 | 代表模型 |
|---|---|---|
| 数理族 | 有重复样本、能量化的事 | 复利、幂律、正态分布、贝叶斯、随机游走、临界质量 |
| 系统族 | 有回路、有延迟、会反噬的事 | 反馈回路、系统延迟、瓶颈理论、自催化、冗余备份 |
| 博弈族 | 有人在其中做选择、会应变的事 | 囚徒困境、激励相容、信号理论、公地悲剧、博弈论 |
| 微观经济族 | 涉及稀缺、成本、交换的事 | 供需关系、机会成本、边际效应、规模效应、网络效应、路径依赖 |
| 生物生态族 | 长周期、多主体、会演化的事 | 共生关系、竞争排斥、最小可行种群、遗传与变异、长尾理论 |
| 工程决策族 | 涉及失效、风险、可靠性的事 | 失效模式、安全边际、最优化、奥卡姆剃刀、第一性原理、二阶思维 |
六族加起来七十个左右，完整清单在附录 A，每个模型标了"一句话／管什么／不管什么／常与谁组合"。那是全书模型的唯一口径——正文里出现的任何模型，都必须能在附录 A 里找到，找不到就是我的疏漏。
这是本章最重要的一节，也是"库存变调度"的第一道关口。
绝大多数人检索模型的方式是按名字找："我学过哪些模型来着……复利？不对。博弈论？好像也不太对。"这个检索方式注定低效，因为你的大脑在七十个名字里做线性扫描，扫到第三个就累了。
正确的检索方式是按问题类型找：先判断这件事是什么类型，然后直接去对应的家族里挑。
问题类型怎么判断？看三样东西：
第一样：这件事里有没有"人会在其中改变行为"？
有 → 优先去博弈族。因为只要有人会在其中应变，任何不涉及"人会应变"的模型都会失真。
举个例子：你用"供需关系"去分析一个市场，如果市场里的人知道你在分析他们、并且会因此改变行为，那供需模型给出的预测就会反过来影响现实——这就必须叠加信号理论或者博弈论。
第二样：这件事有没有"反馈回路"？
有 → 优先去系统族。判断标准很简单：你做的事会不会反过来影响你自己？会，就有回路。
有回路的事，用静态模型（比如"投入产出比"）一定算错。
第三样：这件事会不会"错了就完了"？
会 → 优先去工程决策族。安全边际、失效模式、冗余备份这类模型是唯一一类默认你会失败的模型。其他家族都在帮你成功，只有这个家族在帮你活下来。
凡是涉及不可逆的决策（第十八章讲可逆性），工程族必须上。
三样看完，你就知道该去哪个家族了。剩下的事是：在这个家族里挑一到两个，再去别的家族挑一个来唱反调（这是第四编的内容，这里先预告）。
为了让你能当场用，我把常见的"事"和对应的族列成一张表：
| 你遇到的事 | 先去哪一族 | 为什么 |
|---|---|---|
| 增长慢、想知道什么时候能起来 | 数理族（复利、幂律） | 有重复、能量化 |
| 改了又改，问题反复出现 | 系统族（反馈回路、系统延迟） | 有回路 |
| 推不动人，各方都在算计 | 博弈族（激励相容、囚徒困境） | 有人应变 |
| 资源不够，要决定给谁 | 微观经济族（机会成本、边际） | 稀缺与分配 |
| 看不清三年后的格局 | 生物生态族（共生、竞争排斥） | 长周期多主体 |
| 这个决定做错了会出大事 | 工程决策族（安全边际、失效模式） | 不可逆 |
| 同时具备上面两条以上 | 两族各取一个，看它们打架 | 这是组合，见第四编 |
最后一行是重点。真实的事往往同时具备好几条，这时候不要试图找一个"万能模型"，去两族各取一个，然后看它们的结论打不打架——打架的地方，恰恰是这件事最真实的地方（第十五章会展开）。
规矩一：一次最多挑四个。
人的工作记忆就那么大。你同时处理超过四个模型，第五个开始就只是"列在那里"而已，不会真正参与思考。第三章说的堆叠癖，本质上就是违反这条规矩。
规矩二：每族最多一个（除非你很清楚为什么）。
同一族的模型看问题的角度是相似的，挑两个同族模型，得到的往往是一个结论的两种说法，而不是两个视角。要挑就挑不同族的——这样才是正交覆盖。
规矩三：挑出来的模型，要能说出"它不管什么"。
附录 A 每个模型都标了"不管什么"，这一栏比"管什么"重要。因为模型坑你的地方永远在它不管的那部分。你说不出它不管什么，就说明你还没真正会用它。
这一章叫"模型地图"，但我不建议你去背它。
地图的用法是用的时候查，不是把它记下来。你现在需要做的只有一件事：记住这六个族的名字，以及"按问题类型找而不是按名字找"这一条。
剩下的，等你真遇到事的时候翻到附录 A 去查——用三次你就记住了，而且记得比背的牢。
这也顺带回答了第一章那个问题：为什么囤了那么多模型还是不会用？因为你囤的是名字，你需要的是检索路径。名字再多，没有检索路径，急的时候一样想不起来。
AI 在"模型检索"上比人强——它记得住七十个模型的适用条件，你记不住。所以这一步可以放心交给它，但要指定它按问题类型检索，而不是按名字：
"这件事的特征是 X、Y、Z。请从以下六类模型中判断应该优先用哪一类（数理／系统／博弈／微观经济／生物生态／工程决策），说明理由，并给出该类中最适合的两个模型及其失效条件。"
注意最后那半句——不带"失效条件"的检索结果，等于没检索。
第三章末尾我留了个扣，这一章来解。
我们平时说的"思维模型"，其实混着两类完全不同的东西。它们长得很像——都有名字、都有图、都能用来分析——但它们的性质完全不同。
第一类：模型。它告诉你世界是怎么运行的。
供需关系告诉你价格怎么形成，复利告诉你增长怎么积累，反馈回路告诉你系统怎么自我强化。模型的产出是一个因果判断：如果 A，那么 B。
模型是可以对也可以错的——因为它对世界下了断言，而断言是可以被事实推翻的。
第二类：框架。它不告诉你世界怎么运行，它告诉你思考的时候该分几格。
MECE 告诉你分类要互斥且穷尽，逻辑树告诉你问题要一层层往下拆，7S 告诉你看组织要检查七个地方，重要紧急矩阵告诉你要按两个轴排优先级。框架的产出是一份检查清单：这些格子，你都填了吗？
框架没有对错——它不下断言，它只是提醒你别漏。
这个区别听起来像抠字眼，但它决定了一件事：你用完之后该期待什么。
用模型，你期待一个判断："照这个模型看，接下来会涨。"
用框架，你期待一个完整性："这七个地方我都查过了，没有明显的遗漏。"
搞混了会出两种事：
这一句是本章的钥匙，也是理解第四编"组合"的入口。
你想想 7S 是什么。战略、结构、制度、风格、员工、技能、共同价值观——七个格子。它不告诉你这七个之间怎么互相影响（那是模型的事），它只告诉你：看组织的时候，这七个地方都要看。
但你真去填这七格的时候，你会发现每一格都需要模型：
所以框架的本质是：一套预先排好的格子，等着你往里面装模型。
它是模型的组合模板——它规定了从哪几个角度看，但每个角度里用什么模型，它不管。
明白了这一点，你就明白了两件事：
下面这些是流传最广的框架（大部分出自咨询业）。我按用途分组，标出它们各自的格子数和真正的作用。
| 框架 | 分几格 | 真正的作用 | 最容易犯的错 |
|---|---|---|---|
| MECE | 不定（原则） | 检查分类有没有重叠和遗漏 | 为了互斥把活的切成死的 |
| 逻辑树 | 逐层展开 | 把大问题拆成可解决的小问题 | 拆到第三层忘了最初的问题 |
| 7S | 7 | 检查组织全面性 | 填完七格以为有了战略 |
| SWOT | 4 | 把现状摆齐 | 把"列出威胁"当成"应对威胁" |
| 五力模型 | 5 | 判断行业利润池在哪 | 只描述现状，不做判断 |
| 3C | 3 | 检查公司／顾客／竞争三者是否对齐 | 三块各写各的，不交叉 |
| BCG 矩阵 | 4 | 决定资源在业务间怎么分配 | 把"瘦狗"直接砍掉（现金牛可能还靠它） |
| PEST | 4 | 扫描外部环境 | 列一堆趋势，跟自己没关系 |
| 重要紧急矩阵 | 4 | 排优先级 | 永远在做"重要且紧急"，永远没时间做"重要不紧急" |
| 假设思考 | 3（假设／验证／修正） | 快速逼近答案 | 验证时只找支持证据 |
| 客户旅程 | 按阶段 | 按时间轴找断点 | 只画满意的旅程，不画放弃的 |
| 用户画像 | 按人群 | 让团队对"为谁做"有共识 | 画像做完没人再看 |
看最后一列。每一个框架都有一个特征性的误用方式，而且这些误用有个共同点：把"填完格子"当成了"解决问题"。
填格子是必要动作，但它不产生答案。答案是你在格子里装了模型、做了判断之后才有的。
框架在三种场合价值最大，别的时候不如不用。
场合一：需要"不遗漏"的时候。
你要做一件不容有失的事——比如上线前的检查、并购前的尽调、重大决策前的过一遍。这时候框架的价值最高，因为它的核心功能就是防遗漏。
场合二：需要"多人在同一张纸上说话"的时候。
七个人开会，各说各的，说了两小时不知道漏了什么。这时候铺开一个框架（比如 7S 或客户旅程），大家就有了一张共同的地图——你知道自己在说哪一格，也知道谁还没说。
这是框架最被低估的价值：它不是思考工具，是协作工具。
场合三：需要"快速上手一个陌生领域"的时候。
你第一次看一个行业，不知道该看什么。这时候五力、PEST、3C 这些框架能让你在半小时内搭出一个骨架。骨架是粗糙的，但有骨架比没有强。
两种情况下框架是负资产。
第一种：你已经有象的时候。
如果你已经通过取象看清了这件事的态势，就不要再铺框架了。框架会强迫你把活的东西切成死的格子，而你的象是活的。
我见过有人取了一个很准的象（"这像上游在扔石头"），然后为了"显得严谨"又去填了一个 SWOT。填完之后那个鲜活的象没了，剩下一张四平八稳的表格。
先取象，后铺框架；象在前，框架在后。如果框架盖住了象，扔掉框架。
第二种：需要洞见的时候。
框架产生的是完整性，不是洞见。洞见来自"看见别人没看见的关系"，而框架的结构是公开的——所有人用同一个 7S，填出来的东西大同小异。
所以要差异化、要洞见，靠取象和模型；要兜底、要协作，靠框架。
AI 特别擅长框架——因为框架是结构化的、可枚举的，正好是它的强项。让它"用 7S 检查一遍""按 PEST 扫描外部环境"，它会做得又快又全。
但要记住两件事：第一，它填出来的格子需要你往里装模型才有判断；第二，它不会告诉你"你这个情况其实不适合用框架"。
可以复制的一句话："请用 X 框架检查这件事，并且在最后说明：这个框架的哪些格子对这件事其实不适用，以及框架之外还可能需要考虑什么。"
你拿到一个模型的时候，它告诉你的是：在这些条件下，会有这样的结果。
它没有告诉你的是：我不在哪些条件下成立。
这不是模型的缺陷，是模型的工作方式——它必须假设一部分条件"默认成立"，才能把注意力集中在剩下那部分上。但对你来说，那部分"默认成立"的东西，恰恰是坑。
第三章给过四问（压缩掉了什么／在什么条件下成立／预测什么／能被什么推翻）。这一章把四问落到三个具体模型上，让你看见"问出条件"到底长什么样。
我挑三个最常用、也最常被用错的：复利、瓶颈理论、囚徒困境。
模型说什么：投入持续产生收益，收益再投入，增长会加速。
它没说的条件（三条）：
我踩过的坑（第三章提过，这里补全）：我用复利规划一件三年见效的事，十四个月就撑不住了。错不在模型，在于那件事的收益是断断续续的，中间有两个月完全停摆。我拿了一个要求"连续"的模型，去算一件"断续"的事。
这个模型不管什么：不管中断、不管消耗、不管负收益期、不管你有没有本钱撑到曲线起来。
正确的问法：这件事的收益能全部再投进去吗？过程中能不能保证不中断？如果中断两期，结果会差多少？
模型说什么：系统的产出由最弱的那一环决定，改善非瓶颈环节是浪费。
它没说的条件（三条）：
常见的坑：第四章那个团队效率的例子就是。我看到"审批卡住"就判定是瓶颈，加了人，效率没变。因为真正的卡点在上游填错返工——那是"上游在扔石头"，不是"管道堵了"。
这个模型不管什么：不管流程稳不稳定、不管瓶颈会不会移动、不管堵点其实是别的环节在背锅。
正确的问法：这个流程最近一个月变过吗？卡点只有一个吗？疏通之后下游吃得下吗？
模型说什么：双方都追求自身最优时，会得到对双方都更差的结果。
它没说的条件（三条）：
常见的坑：用囚徒困境去分析长期关系（夫妻、合伙人、老同事）。长期关系里，双方都在重复博弈，而且有情感因素，模型的前提完全不成立。套上去之后你会得出"大家都应该防着点"的结论——这个结论会自我实现，把本来好的关系搞坏。
这是第三章说的"用错地图比没有地图更危险"的典型：模型没错，但它的结论会改变被分析的对象。这一条我会在第十三章（反身性）再讲。
这个模型不管什么：不管重复博弈、不管情感与信任、不管沟通能不能改变局面。
正确的问法：这件事是一次性的还是会长期重复？双方能沟通吗？有没有信任基础？
从上面三个例子里，可以抽出三种通用误用方式。你以后拿到任何一个模型，都可以对着这三条查。
误用一：条件不满足，硬套。
最常见。你手里有个锤子，看什么都像钉子——第一章的标签癖就是这个。
检查办法：把模型的前提条件逐条写出来，然后逐条问"这件事满足吗"。三条里有两条不满足，就别用。
误用二：跨层级套。
把微观层面的模型套到宏观系统上，或者反过来。
比如"边际效应递减"是个微观模型（你吃第五个包子的满足感低于第一个），但你把它套到"公司规模越大效率越低"上，就错了——因为公司规模涉及网络效应、规模效应这些反向的力量。
检查办法：问这个模型是在什么尺度上被验证的（个人？小组？市场？），然后看你要分析的事在不在这个尺度上。
误用三：把模型当结论，不当提问。
这是最隐蔽的一种。
模型的正确用法是产生一个提问："如果用复利看，那我需要保证不中断——我能保证吗？"
错误的用法是产生一个结论："复利嘛，所以要坚持。"——这是一句废话，而且它会终止思考。
检查办法：看你说出来的那句话，是能继续往下追问的，还是到此为止的。凡是"所以我们要 X"这种到此为止的话，多半是把模型当结论了。
这一节给一个能立刻用的模板。你以后每学一个新模型，就给它建一张这样的卡。
模型卡模板
| 栏 | 内容 | 例子（以瓶颈理论为例） |
|---|---|---|
| 一句话 | 它说什么 | 系统产出由最弱环节决定 |
| 管什么 | 什么场合用它 | 稳定流程里找卡点 |
| 不管什么 | 它默认成立的条件 | 流程是否稳定、瓶颈会不会移动 |
| 三条前提 | 不满足就别用 | 流程稳定 / 瓶颈单一 / 下游有承接 |
| 它会推出什么 | 可检验的判断 | 疏通后产能应立刻上升 |
| 常与谁组合 | 配谁更好 | 反馈回路（查移动）、系统延迟（查滞后） |
| 它被谁挑战 | 谁能推翻它 | 系统性问题时，瓶颈模型给出的是假答案 |
附录 A 里七十个模型都有这样一张卡（压缩成一行）。这一章的模板是给你的——你自己新学的模型，也照这个格式建卡。
建卡这件事本身就是在做"从收藏到调用"的转化。你收藏的时候存的是名字，建卡的时候你被迫去问"它不管什么"——问完这一句，这个模型才算进了你的库。
让 AI 用某个模型时，直接把这张卡的七栏交给它填：
"请用 X 模型分析这件事，并按七栏输出：一句话、管什么、不管什么、三条前提、在当前情境下能推出什么可检验的判断、应该配哪个模型、什么情况下这个模型会被推翻。"
你会发现 AI 填"管什么"很顺，填"不管什么"需要你追问。追问本身就是在做调度——这正是你不能外包的部分。
上一章讲的是"用错模型"——模型没毛病，是你拿错了。
这一章讲的是另一回事：模型用对了，前提也满足，但它还是失效了。因为世界在模型建立之后发生了变化。
这五种情形有个共同点：失效的时候，模型看起来依然正常。它还在输出漂亮的结论，还在给你合理的解释，只是那些结论跟现实对不上了。这才是最危险的地方——你不会收到任何警报。
所以这一章的价值在于：给你五个能提前察觉的预警信号。
是什么：模型成立的前提，在不知不觉中变了。
为什么会没察觉：因为条件是"默认成立"的（第十二章讲过），你建立模型的时候确认过一次，之后就不会再去检查。
典型场景：一个零售模型建立在"客流主要来自线下"这个前提上。三年后，一半的客流来自线上——但模型还在跑，报表还在出，没人回去检查那条前提。
预警信号：这件事里，有哪些东西是三年前成立、但我最近没有重新确认过的？
怎么办：给关键模型标一个"前提复核日"。不用太频繁，季度一次就够，但要做。
是什么：模型在一个尺度上被验证，你把它用到了另一个尺度。
第十二章提过，这里展开。层级错配有两种方向：
向上错配（微观模型用到宏观）：个人层面的规律，套到组织或市场上。
向下错配（宏观模型用到微观）：
预警信号：这个模型最开始是在什么尺度上被总结出来的？我现在看的这件事在那个尺度上吗？
怎么办：跨尺度使用模型时，至少要找一个同尺度的模型来对照。两个不同尺度的模型给出相同结论，可信度才上升。
是什么：模型假设 A 导致 B（单向），但实际上 B 也会反过来影响 A。
这是五种情形里最常见、后果最严重的一种。因为有回路的系统，行为跟直线系统完全相反——而且反直觉。
举三个例子：
例一：降价。直线思维：降价 → 销量上升。有回路：降价 → 销量上升 → 产能紧张 → 交付延迟 → 口碑下降 → 销量回落，而且比原来更低。
例二：加班赶工。直线：加班 → 进度赶上。有回路：加班 → 进度赶上 → 人累 → 出错率上升 → 返工 → 进度更落后。
例三：加客服人手。直线：人手增加 → 响应变快 → 满意度上升。有回路：响应变快 → 客户更倾向于反复咨询（因为成本低了）→ 总量上升 → 满意度未必改善，成本却上去了。
预警信号：问一句——"我做这件事，会不会反过来改变我做它的条件？"只要答案是"会"，就有回路，直线模型一定算错。
怎么办：换系统族模型（反馈回路、系统延迟）。而且要注意延迟——回路往往不是立刻显现的，中间有滞后，滞后会让你误以为"没问题"，然后在你放松警惕的时候反噬。
这是为什么第十章把"有没有反馈回路"列为检索第二问。
是什么：你的预测本身，会改变被预测的对象。
这是最"邪门"的一种，但在涉及人的场合普遍存在。
例一：你预测"某只股票会涨"，并且这个预测被很多人相信——于是大家都去买，它就真的涨了。预测自我实现。
例二：你告诉一个团队"数据显示你们这个季度会完不成"——这个判断可能让团队泄气（于是真的完不成），也可能让他们拼命（于是超额完成）。同一个预测，导致相反的结果，取决于人的反应。
例三（最日常）：你用囚徒困境分析合伙人关系，得出"应该防着点"的结论，并且让对方察觉到了——于是本来不设防的关系开始设防。第十二章提过，这就是反身性。
预警信号："这个判断说出来之后，会不会改变它自己？"
怎么办：两条。一是尽量把预测和行动分开——先判断，再决定说不说、跟谁说。二是优先选择"不被知悉也成立"的判断——如果一件事只有在别人不知道的情况下才成立，它就非常脆弱。
这一条也顺带说明了：为什么涉及人的分析，永远要留出"人会因分析而改变"的余量。
是什么：模型建立在"常见情况"上，但真正决定结果的，是它覆盖不到的那些极端情况。
这类失效的根源是分布假设。很多模型默认事情服从正态分布（大部分集中在中间，极端情况极少）。但现实里大量事情服从幂律分布——极少数事件占据了绝大部分影响。
区别有多大？看一个例子：
如果是后者，你用基于正态的模型（比如"平均值""标准差"）去管理风险，会严重低估灾难的概率。
预警信号："这件事的后果，是有上限的还是没有上限的？"
怎么办：三种动作，按代价从低到高：
把五种情形变成五句能当场问的话：
| 问 | 对应情形 | 问法 |
|---|---|---|
| 前提还成立吗？ | 条件漂移 | 这个模型依赖的条件，我最近确认过吗？ |
| 尺度对得上吗？ | 层级错配 | 它是在什么尺度上被验证的？ |
| 有回路吗？ | 反馈存在 | 我做这件事会改变我做它的条件吗？ |
| 说出来会变吗？ | 人的反身性 | 这个判断说出去，会改变它自己吗？ |
| 后果有上限吗？ | 长尾 | 最坏的情况，是不是远超其他情况的总和？ |
五问不用每次全问。按场景挑：
AI 特别容易在第三种（回路）和第五种（长尾）上出错——因为它倾向于给出一个"基于常见情况的、平衡的"答案，而回路和长尾恰恰藏在常见情况之外。
所以这两条要显式索取：
"请特别指出：①这个建议会不会引发反馈回路，导致效果反转或延迟显现？②最坏情况是不是远超其他情况的总和？如果是，应该加什么安全边际？"
不加这两句，你拿到的一定是一份"看起来很周全"的答案——而周全恰恰是这两类风险的藏身之处。
前十三章铺垫完了，这一章做一次结算。
模型这件事，有三层熟练度。区别不在数量，在你能拿它干什么。
第一层：知道。
你知道有这么个模型，能说出它的名字和大概意思。能在聊天时引用一句"这其实就是复利"。
这一层的特征：你能认出它，但想不起来用它。
绝大多数人的绝大多数模型都停在这一层。第一章说的收藏癖，就是这一层的病。
第二层：会用。
遇到对口的场合，你能把它调出来，而且知道它的前提（第十二章）、知道它会怎么失效（第十三章）。
这一层的特征：你能用它解释一件事，而且解释完了能推出下一步。
到这一层的人不多。判断标准很简单：你能说出它不管什么（第十二章那张卡的第三栏）。说得出来，就是第二层；说不出来，还在第一层。
第三层：会组合。
你知道它跟谁配、谁先谁后、谁唱反调。
这一层的特征：你不靠单个模型下结论，你靠一组模型的相互检验下结论。
到这一层的人极少。而这一层，是这本书后半部分的全部内容。
三层的关系是这样的：第一层靠记忆，第二层靠理解，第三层靠判断。前两层可以通过多学多练达到，第三层不能——它需要一个前两层都没有的东西：调度。而调度的核心，就是前面九章讲的象思维。
这就是为什么我说"库存不等于调度"，也是为什么这本书要先花九章讲象思维，才来讲模型。顺序不是随便排的。
大部分人卡在第二层到第三层之间，而且卡得毫无察觉——因为他们觉得自己"已经会用很多模型了"。
这一跃难在三个地方：
难点一：没有现成的答案可以背。
第二层是有标准答案的——复利的三条前提，你记住就行。第三层没有标准答案：这两个模型该不该放一起，取决于眼前这件事。你没法背，你只能判断。
难点二：它需要你同时持有矛盾的结论。
两个模型打架的时候，第二层的人会难受，会想"到底哪个对"。第三层的人会高兴——因为打架的地方正是这件事最真实的地方。
能不能同时持有两个矛盾的结论，并且不急着统一它们，是第三层的门槛。（第二十二章讲五色光的时候会再回到这一点。）
难点三：它要求你先定性，而定性是看不见的功夫。
组合的前提是知道"这是哪类事"。而这个判断发生在模型上场之前，没人看见，也没法记功——你做对了没人知道，你做错了表现为"模型选错了"。
所以第三层的能力长期被低估，甚至被误认为是"直觉"或者"经验"。
这一节给一个能落地的最小结构。不是最好的，是最容易坚持的——因为坚持不了的结构等于没有。
结构：三层，一共二十到三十个模型。
第一层：常用层（5 个以内）。
你真正在用的、闭着眼睛都不会用错的模型。这五样是你的主力，遇到事先上它们。
大部分人的常用层其实只有两三个，这很正常。常用层的关键是"稳"，不是"多"。
第二层：备查层（15–20 个）。
你理解、但用得少的模型。它们存在库里，等你遇到对口的场合。
备查层的关键是能被检索到（第十章的检索法）。你把它们的卡建好，需要的时候能找到就行。
第三层：知道有这回事（不限）。
剩下的那些，知道名字、知道大概方向就够了。它们的作用是"提醒你世界上还有这个角度"，仅此而已。
注意：七十个模型里，你真正需要的只有二十个左右。第一章说"库存不等于调度"，这里补一句：库存也不需要多，需要的是那二十个你能调用的。
动作一：清点（30 分钟）。
打开你的收藏夹、笔记、书签，把所有存的模型名字列出来。你会惊讶于两件事：一是数量比你想的多，二是你连名字都不认识的占了一半。
那些连名字都不认识的，直接删掉——它们从来就没有进过你的库，只是占了你的收藏夹。
动作二：分层（30 分钟）。
把剩下的按"常用／备查／知道"分三层。分层的标准只有一个：过去一年我用过它吗？用过三次以上是常用，用过一次是备查，只是存了是知道。
别按"重要不重要"分，按实际用过分。这个数据不会骗你。
动作三：建卡（60 分钟）。
给常用层的每一个建一张卡（第十二章的七栏模板）。备查层的可以只填三栏：一句话、管什么、不管什么。
建卡的时候你会发现一件事：有些你以为自己会的模型，写到"不管什么"那一栏就卡住了。恭喜，你刚刚发现了自己的一个盲区——这正是这次清点最大的价值。
动作四：定检索路径（20 分钟）。
把第十章那张"症状 → 去哪一族"的表抄下来，贴在你常看的地方。这一步是给未来的你用的：遇到事的时候，你需要的是检索路径，不是记忆。
一个下午，四个动作，你就有了一个能用的模型库。
我见过很多人（包括我自己）在这一步上出事：花了很大力气把库建得很漂亮，然后……就没有然后了。库建好了，还是不用。
因为建库是第二层的事，用库是第三层的事。它们之间隔着"调度"。
所以这本书到这里只走完一半。前半部分（第一到三编）给你的是两样东西：上层的象思维（怎么定性），下层的模型库（怎么算）。
后半部分（第四编）要给你的是中间那根轴：怎么把这两样接起来。
如果你读到这里觉得"前半部分有点散"——象思维讲了一堆，模型也讲了一堆，中间好像缺了什么——那你的感觉是对的。缺的那部分，从第十五章开始。
建模这一步可以大量借 AI。你把常用层的模型名字给它，让它按七栏模板生成卡，效率比你自己写高十倍。
但有一件事它替不了："过去一年我用过它吗"这个判断，只有你知道。这个数据是你真实的调用记录，AI 没有。
所以顺序是：你自己先分层（这一步不能外包），再让 AI 帮你建卡（这一步它可以）。
反过来的话，你会得到一份七十个模型的完整卡片库——很漂亮，而且照样用不上。
先看一个现场。
一家公司要决定：要不要给核心团队涨薪。会上五个人，用了五个模型，得出五个方向：
用供需关系看：市场上这类人稀缺，需求大于供给，价格必然上涨。所以该涨。
用激励相容看：涨薪会让大家更关注薪酬而非事情本身，反而削弱内在动力。所以不该涨（或改成股权）。
用安全边际看：现在现金流只够撑九个月，此时增加固定成本，是把安全边际压到危险区。所以现在不能涨。
用信号理论看：涨薪释放的信号是"公司认可你们"，这个信号在人心浮动的时候比钱本身值钱。所以必须涨，而且要高调地涨。
用帕累托法则看：真正决定产出的可能只有两三个人，与其普涨，不如重奖这两三个。所以不该普涨，该重奖少数。
五个模型，五个方向。而且——每一个都是对的。
这就是本章要处理的问题：为什么单个模型永远不够，以及"不够"这件事有没有规律。
答案不复杂：每个模型都是一次降维。
真实的世界是多维的——这次涨薪涉及市场、心理、现金流、人心、产出分布，至少五个维度同时在起作用。而任何单个模型只能处理其中一两个维度，它必须把其他维度当成常量或者忽略掉，才能运转。
供需模型处理的是"市场稀缺"这个维度，它默认"钱够不够"是个外部条件，不归它管。
安全边际处理的是"活不活得下去"，它默认"人心散不散"不是它要考虑的。
所以：模型不是错了，是它只在自己的那个维度上最优。
这就是"维度诅咒"的本来意思——不是模型有诅咒，是用一个维度去覆盖多维现实这件事，注定要出问题。而且现实越复杂（维度越多），单个模型的覆盖率就越低。
给个量化的感觉：如果一件事有五个真正在起作用的维度，一个模型平均覆盖一到两个，那它的覆盖率只有 20%–40%。你用这个模型得出的结论，有六到八成的重要信息是它没处理的。
你以为你在"用模型思考"，其实你在"用一个模型忽略掉的东西"上裸奔。
那怎么办？多列几个模型？
不行——第一章的堆叠癖就是这么来的。列七个模型，覆盖率是上去了，但你得到了七个方向，等于没有方向。
组合的正确定义是：让选出来的模型在维度上互相正交，合起来覆盖这件事的主要维度，而且彼此能互相检验。
这个词"正交"是从线性代数借来的，意思很朴素：两样东西越不相关，放在一起覆盖的面越大。
举个反例你就懂了：你选了"供需关系"和"边际效应"两个模型。这两个都属于微观经济族，看问题的角度高度相似——它们不是正交的，你得到的只是一个结论的两种说法。
正确的做法是选不同族的：供需关系（经济族）+ 安全边际（工程族）+ 激励相容（博弈族）。三个模型各看一个维度，合起来才谈得上覆盖。
第十章的"每族最多一个"这个规矩，道理就在这儿。
一个实用的范围：2 到 4 个。
少于 2 个：你在用单模型，覆盖率不够。
多于 4 个：你进入了堆叠癖，工作记忆装不下，第五个开始就不参与思考了。
所以是 2–4 个，典型是 3 个。而且这三个要有分工，不是平等的——分工的规则下一章（第十六章）讲调度、第十八章讲君臣佐使配比的时候会展开。
这里先给一个判断覆盖够不够的办法。
拿到一件事，在组合之前，先把它的维度列出来。四步：
第一步：列出"真正在起作用的维度"。
注意是"真正在起作用"，不是"可能相关"。判断标准：如果这个维度变了，我的决定会变吗？会，就是真维度。
涨薪那个例子里，真维度是：市场行情、团队心理、现金流安全、信号效应、产出分布——五个。
第二步：给每个维度标"我有没有模型覆盖它"。
| 维度 | 覆盖它的模型 | 有没有 |
|---|---|---|
| 市场行情 | 供需关系 | 有 |
| 团队心理 | 激励相容 | 有 |
| 现金流安全 | 安全边际 | 有 |
| 信号效应 | 信号理论 | 有 |
| 产出分布 | 帕累托法则 | 有 |
第三步：看空白。
空白就是你的盲区。上表如果"现金流安全"那一栏是空的，说明你在拿一家只够撑九个月的公司的命去赌——这个空白比任何其他错误都致命。
第四步：如果维度超过四个，先砍维度，不要加模型。
这是最容易搞反的一步。你发现有六个真维度，第一反应是"那我用六个模型"。错。六个模型你处理不过来（工作记忆只有四组）。
正确做法是问：这六个里，哪两个是"如果错了就完了"的？把资源集中在那两个上，其余四个承认"我没覆盖"。
承认盲区，比假装覆盖要强得多。因为假装覆盖会让你产生虚假的安全感，而承认盲区至少会让你在做决定的时候留一手。
涨薪那个例子最后怎么解的？他们最终选了三个模型：安全边际（能不能活）→ 信号理论（人心）→ 帕累托（给谁）。供需关系被放弃了，因为"市场价"在现金流只够撑九个月的时候不是主要矛盾。
注意这里的顺序：不是三个模型平权，是有先后的。谁先谁后，就是下一章的内容。
AI 特别容易犯"堆叠癖"——你问它一件事，它天然会给你"从多个角度来看"然后列五六条。这是它的默认输出风格，也很讨人喜欢，但它正是本章说的覆盖假象。
所以要显式限制数量和强制正交：
"请只给三个视角，要求：①三个必须来自不同类别（数理／系统／博弈／经济／生态／工程）；②每个视角单独说明它覆盖哪个维度、忽略哪个维度；③明确告诉我还有哪些重要维度这三个都没覆盖。"
第三问是关键——AI 不会主动说"我还有没覆盖的地方"，你必须索取。
这一章是全书的轴心。前面十五章都在为它做准备，后面九章都是它的展开。
第四章给过四步：定性 → 择模 → 定序 → 验算。这一章把前三步拆开，讲清楚每一步到底在判断什么，以及为什么只有象思维能干第一步。
判断一：定性——这到底是哪一类事？
这是给一件还没有标签的事，贴第一个标签。
注意"第一个"这三个字。它意味着：这件事在此之前没有标签，所以你不能靠检索，也不能靠匹配。模型库里所有的模型都是"贴在某类事上的标签"，而你要做的是创造出这个类。
判断二：择模——哪几个模型对得上？
定性之后，这一步相对容易——你有了一个类，可以去检索了（第十章的检索法）。
但"对得上"不是"看起来相关"。标准是：这个模型覆盖的维度，是不是我刚才列出的真维度之一？（第十五章的覆盖检查表）
判断三：定序——谁先谁后，谁唱反调？
这一步最难，也最少人做。第十八章会用"君臣佐使"讲配比，这里先说原理。
定序的本质是：给模型之间排一个优先级和一个分工。哪个是主结论的来源，哪个是补充，哪个专门用来唱反调，哪个负责把结论落到地上。
三次判断，难度递减，但重要性也递减——第一步错了，后面全错；第一步对了，后面错一点还能救。
这是本章最核心的论证，我要说透。
理由一：模型是标签，而定性是造标签。
模型库里的每一个模型，都对应着一类已经被识别出来的情况。供需关系对应"稀缺与交换"，瓶颈理论对应"稳定流程中的卡点"，囚徒困境对应"一次性博弈"。
你的模型库再大，它也是一个已有标签的集合。而定性要处理的是：眼前这件事，在这些标签里没有。
你只能自己给它造一个类——"这像上游在扔石头""这像有人被第一口挡住了"。这个动作，检索系统做不到，因为检索的前提是你知道要检索什么。
理由二：定性用的材料，是模型不处理的那部分。
定性靠什么？靠第五章讲的那些东西：现场的细节、整体的态势、说不清的氛围、只有你在场才能感受到的东西。
而模型恰恰是把这些东西压缩掉之后才工作的（第三章：有损压缩）。模型处理的是"可量化、可重复、可传递"的那部分。
所以悖论出现了：你需要在模型开始工作之前就完成定性，而定性的材料恰恰是模型丢掉的那部分。
理由三：定性的正确性，没法用模型来检验。
这句话要小心读。它的意思是：如果模型算出来的结果跟你取的象对不上，你没有一个更高层的模型来判谁对——你只能用象思维再看一遍（第四章的"验算回流"）。
这是层级问题：检验者必须高于被检验者。模型之间可以互相检验（同层），但检验"象取得对不对"这件事，只能靠再取一次象（上层）。
所以双层结构不是我随便画的——它是被这个逻辑逼出来的：必须有一个高于模型库的层，否则整个系统没有最终的裁判。
再看一次这个结构，这次看箭头：
调度层（象思维）
取象 → 定性 → 定序
↓ 择模调用
↑ 验算回流
执行层（思维模型）下行箭头：择模调用。
调度层决定了调用谁。这个"决定"不是随机的，它依据的是：你取的象，指向了哪几个真维度。
象是"上游在扔石头"→ 真维度是"源头质量"和"流程责任"→ 调用质量管理和责任分配的模型。
象是"管道堵了"→ 真维度是"流量"和"卡点"→ 调用瓶颈理论和排队模型。
象直接决定了模型的选择。这就是为什么取象必须先于择模。
上行箭头：验算回流。
模型算完之后，结果要回到调度层，用象思维再过一遍。过的时候只问一句：
"这个答案，跟我取的那个象，对不对得上？"
这句话是全章最实用的一句，我建议你抄下来。它的威力在于：它能在你没有任何更好模型的情况下，发现结论有问题。
举个例子。你取象"这像有人被第一口挡住了"（第七章那道菜），模型算出来的方案是"改进配方"。你一对照：配方跟"第一口"对不上——第一口的问题在温度不在味道。所以方案有问题。你不需要更好的模型，你只需要回头看一眼你的象。
上行箭头是这本书给你的一道保险。即使模型都选对了、顺序也对，最后这一步能救你一次。
第四章讲过我那个团队效率的例子，这里用它做完整的反面演示。
当时我做的：看到"效率低"→ 脑子里跳出"瓶颈理论"→ 找到审批环节 → 加人 → 没用。
我跳过了什么：我跳过了"这到底是什么类型的低效"。
如果当时取了象，会看到什么：单子有一半是返工的（物象）；返工的人和被返工的人都不太说话（物象）；每次说到返工，话题就滑走（物象）。
这个象是什么：不是"管道堵了"，是"有件事没人愿意提"——因为返工意味着有人做错了，而没人愿意指出是谁做错了。
这个象会调用什么模型：不是瓶颈理论（那是"管道堵了"的模型），而是激励相容（为什么没人愿意指出）和心理安全（团队氛围）。
解法会变成什么：不是加一个人审批，而是把"返工"这件事从"谁错了"变成"流程的一个正常环节"——比如建立返工登记但不追责的制度。
你看，跳过取象的代价是：你会用错模型，而且用一个非常专业的、给出非常合理答案的模型。审批环节确实卡了 2.7 天，数据是真的，方案是专业的，然后完全无效。
这就是为什么我反复说：跳过取象，你越专业，错得越深。
| 环节 | 判断什么 | 谁来干 | 依据 | 错了会怎样 |
|---|---|---|---|---|
| 定性 | 这是哪一类事 | 象思维（AI 与模型都不行） | 现场细节、整体态势 | 后面全错，且错得很专业 |
| 择模 | 哪 2–4 个模型对口 | 人主导，AI 可辅助检索 | 真维度对照（第十五章） | 覆盖不足或堆叠癖 |
| 定序 | 谁先谁后、谁唱反调 | 人（第十八章配比法） | 象的轻重缓急 | 结论打架，无法收敛 |
| 验算 | 这算不算解对了 | 象思维回看 + 三维打分 | 跟象对不对得上 | 拿到"算对但方向错"的答案 |
| 约束／代价／可逆性（第十九章） |
注意第一行和第四行的"谁来干"：开头和结尾都是象思维，中间是模型。这就是双层结构最准确的表述。
这一章直接给出了人机分工的边界：AI 能干中间（择模、定序、计算），干不了两头（定性、最终验算）。
所以最稳的用法是三段式提问：
① 我先说情境和我的判断（这一步你做，别让 AI 替你定性）；
② "基于这个判断，请给出 2–3 个对口模型，说明各自覆盖和忽略什么，并排出调用顺序"（这一步 AI 做）；
③ "把你的结论跟我说的前提对照，如果矛盾请指出"（这一步 AI 做，但判定的权力在你）。
第③步就是"验算回流"的人机版本——让 AI 帮你对，但别让它自己判自己对。
前面十六章把调度原理讲完了，这一章给一套可以直接上手的操作法。
这套方法叫五色光思维，是我在过去几年里带团队做决策时用的一套东西。它表面上是个会议工具，实际上是一台调度机器——它正好实现了上一章讲的"调度层管顺序、管换挡、管什么时候停"。
我之所以把它放进这本书，是因为一个发现：五色光其实就是现代版的取象分类法。
面对一件事，先把它分成五光——这跟面对一件事先取一个象，是同一个动作的两个版本。五光更细、更好教、更好协作；取象更活、更快、更依赖个人。它们是互补的。
先认识五位主角。
| 光 | 看什么 | 一句话功能 | 五行 | 什么时候最需要 |
|---|---|---|---|---|
| 白光 | 事实、数据、信息 | 只问"是什么"，不问"为什么""怎么办" | 金·收敛·精准 | 大家各说各的、事实对不齐时 |
| 红光 | 直觉、感受、情绪 | 把藏着的情绪暴露出来，不需要解释 | 火·炎上·激情 | 气氛不对、有人不说真话时 |
| 黄光 | 价值、利益、好处 | 这件事到底值不值 | 土·承载·生化 | 纠结"要不要做"时 |
| 绿光 | 创新、变革、新可能 | 还有没有别的路 | 木·生发·条达 | 走进了死胡同时 |
| 蓝光 | 困难、问题、风险 | 哪里会出事，最坏会怎样 | 水·润下·潜藏 | 要拍板之前 |
这五光配五行不是硬凑的，你看它们的性子就明白了：白光收敛精准，是金；红光热烈上扬，是火；黄光承载价值，是土；绿光生发新意，是木；蓝光潜入暗处找风险，是水。
关键的一条：五种光不是五种人的性格，是五个频道的切换。
这是五色光跟其他性格分类最不一样的地方。它不是让你认出"我是红光型的人"，而是让你在需要的时候切到红光，切完了再切走。
这个区别非常重要。因为一旦你把它当成人格分类，它就会固化——"我就是这样的人"。而作为频道，它是你可以主动切换的。
五色光里有一个角色，不是一种光，我管它叫主持人。
主持人不是一种思维方式，是思维过程的控制与组织——它管其他几束光的使用：什么时候开哪一束、开多久、什么时候换、什么时候停。
这就是上一章讲的"调度层"的人格化。
主持人做三件事：
第一件：管顺序。
先白后蓝还是先绿后白，顺序不同结果完全不同。一般规律是：白光开局（先把事实对齐，否则后面全在各自的想象里吵），蓝光收尾（拍板前一定要过一遍风险）。
第二件：管换挡。
最常见的问题是"串光"——正在摆事实（白），有人突然开始讲感受（红），然后又有人跳回数据（白）。三分钟串了四次，什么都没谈透。
主持人的工作就是打断："等一下，我们现在在白光，情绪的部分等一下单独给时间。"
第三件：管什么时候停。
很多会开不完，不是因为事情复杂，是因为没人宣布"这一段结束了"。主持人的一个关键动作是明确结束某一束光："白光就到这里，我们确认了三件事。现在切黄光。"
主持人的三条原则：
第三条最容易被忽略，也最值钱。比如你要做一个激进的创新决策，你决定不用蓝光（不看风险）——可以，但你要说出来："这次我们明确不看风险，因为……"
说出来和不说出来的区别是：说出来的跳过是决定，没说的跳过是盲区。
单束光会用了，接下来是把它们排成序列。
序列分三段设计，这是实操里最有用的框架：
| 段 | 作用 | 常用的光 | 时间占比 |
|---|---|---|---|
| 初始序列 | 对齐事实、定调 | 白 → 红 | 20% |
| 中间序列 | 核心探讨 | 绿 → 黄（或黄 → 绿） | 60% |
| 结尾序列 | 收敛、拍板 | 蓝 → 白 | 20% |
为什么白光要在最前面？因为事实不对齐的话，后面所有讨论都建立在各自不同的事实上。你以为在讨论同一个问题，其实你们在讨论三个问题。
为什么红光要跟在白光后面？因为人只有在事实清楚了之后，才敢说真话。一上来就问"你什么感受"，大家会讲场面话。
为什么蓝光在最后？因为风险要在方案成型之后才看得清楚——太早看风险会扼杀可能性（绿光还没开就被浇灭了）。
三个常用的现成序列（可以直接抄）：
| 场景 | 序列 | 时间 | 逻辑 |
|---|---|---|---|
| 快速日常决策 | 白 → 蓝 → 红 | 5+5+2 | 事实 → 风险 → 直觉确认。最短序列 |
| 创新方案讨论 | 白 → 绿 → 黄 → 蓝 | 5+15+10+5 | 先放开想，再算值不值，最后看会不会死 |
| 人事/关系问题 | 白 → 红 → 黄 → 蓝 | 5+15+10+5 | 事实 → 感受（给足时间）→ 价值 → 风险 |
注意人事问题里红光的占比。涉及人的事，情绪要给最多的时间——这不是浪费，这是正事。跳过红光的沟通，最后都会以别的形式补回来，而且代价更高。
这一节是本章的核心，也是五色光跟前面九章的接口。
你面对一件事，把它分成五光的这个动作，本质上就是取象——只不过它把"取一个象"变成了"在五个预设的频道里过一遍"。
两者的关系是这样的：
| 取象（第五到八章） | 五色光（本章） | |
|---|---|---|
| 产出 | 一个活的比喻（"上游在扔石头"） | 一组频道的分布（这件事风险很重） |
| 优势 | 快、活、能看见别人看不见的 | 可教、可协作、可检查完整性 |
| 劣势 | 依赖个人，难传递 | 预设频道可能框住真正特别的东西 |
| 适合 | 一个人面对新情况 | 一群人面对复杂决策 |
所以最好的用法是：先取象，再分光。
先用象思维拿到那个活的比喻（它告诉你这件事的性子），再用五色光把它拆成可协作的频道（它告诉团队该从哪几个角度看）。
反过来（先分光再取象）会出问题——因为五光是预设的频道，你一上来就分光，容易把一件特别的事塞进五个常规格子里，那个最特别的东西就丢了。这也是第十一章讲的"先取象，后铺框架"的同一个道理。
给你一个完整的例子，看五色光怎么落地。
背景：一个项目连续两个月延期，团队很疲惫，领导要求一周内给出方案。
如果不开光（常规开法）：大家轮流发言，有人说资源不够，有人说需求老变，有人开始互相埋怨，最后领导拍板"再给两周"。散会。
开光的开法：
白光（20 分钟）：只摆事实。两个月延了几次、每次延在哪、需求变更了几次、谁加班最多。规则：不许说"因为"，只说"发生了什么"。
红光（15 分钟）：每个人说一句"我现在最难受的是什么"。规则：不解释、不评价、不解决。有人说"我不知道下周要做什么"，有人说"我怕这个项目黄了"。
黄光（20 分钟）：这个项目做成了，对谁有什么价值？规则：说价值不说困难。这一段的作用是确认"这件事还值不值得继续投入"。
绿光（25 分钟）：如果资源减半，有什么办法能做成？规则：不许说"做不到"，所有的"做不到"改成"如果要做到，需要什么"。
蓝光（20 分钟）：按刚才最好的那个方案，哪里最可能出错？最坏会怎样？规则：不许安慰，只许泼冷水。
回到白光（10 分钟）：确认决定、确认谁做什么、确认下次什么时候看。
区别在哪？区别不在于多想出了什么好点子，而在于：每个环节只干一件事，所以每件事都干透了。
常规开法里，三小时的会其实五个频道都碰了，但每个频道都只碰了五分钟，而且不断被打断——所以五个都没干成。
这就是"单色聚焦"的价值：不是让你想得更多，是让你一次只想一件事。
五色光是最适合交给 AI 执行的方法，因为它的频道是预定义的、顺序是可设计的——正好是 AI 的强项。
一句可以复制的话："请按五个频道依次分析这件事：白光（只列事实，不解释原因）→ 红光（可能的情绪与隐性动机）→ 黄光（价值与收益）→ 绿光（还有哪些别的可能）→ 蓝光（最可能出错的地方和最坏情况）。每个频道单独成段，不要混，并在每个频道结束时给一句小结。"
但记住两件事：①主持人（换挡和叫停）必须是人；②如果你已经有了象，先说象再让它分光，否则它会给你五个四平八稳的频道，而那个最特别的东西就丢了。
这一章是全书的操作总纲。前面所有内容，最后都要落到这四步上：
取象 → 择模 → 定序 → 验算
每一步都已经在前面的章节里讲过，这一章做三件事：把它们串成一条可走的流程、补上"择模之后怎么配比"这一环（君臣佐使）、给一个完整演示。
要做的：在没有标签的地方，取出第一个象。
工具：第八章的卦变五问（本／变／互／错／综），或者就一句"这整体的劲儿像什么"。
产出：一句话的象。"这像上游在扔石头。"
这一步的规矩：
时间：五分钟到三十分钟。别嫌短——第五章的五分钟练习能顶两小时的无效分析。
这一步最容易犯的错：跳过它。前面说过三次，这里说第四次，因为它就是这么顽固。
要做的：挑 2–3 个对口模型，并给它们排位置。
先说挑。标准就一条（第十五章）：它覆盖的维度，是我列出的真维度之一吗？挑不同族的，一次不超过三个。
然后是配比——这一节是本章最重要的一节。
挑出来三个模型之后，它们不是平等的。中国传统里有一套现成的配比法，叫君臣佐使，本来是中药配伍的规矩，我用它来给模型排位置。
君：主攻，1 个。
负责给出主要判断的那个模型。它是这个组合的主力，结论主要由它产生。
怎么选君？看你取的象最核心的态势是什么。象是"上游在扔石头"，核心态势在源头，那就让"源头管理"相关的模型做君。
臣：辅助，1–2 个。
负责补上君的盲区。君看得深但看得窄，臣要补它看不到的维度。
比如君是"瓶颈理论"（看流程），臣可以是"激励相容"（看人的动力）——因为瓶颈模型默认"人会好好干活"，这个默认需要臣来补。
佐：制衡，0–1 个。
这是最容易被省掉、也最不该省的一味。
佐的作用是专门唱反调。它的任务不是补充，是攻击——攻击君和臣得出的结论。
为什么必须有？因为任何一组自洽的模型，都会形成一个自我强化的闭环——君说 A，臣支持 A，你就觉得 A 特别有道理。而 A 可能完全是错的。佐是那个在闭环外面敲打的人。
中药里配"佐"就是为了这个：佐药的作用是制约主药的偏性、消除毒性。用在模型上，佐药消除的是"自洽带来的盲目自信"。
判据一句话：一个组合里没有"佐"，等于没有刹车。
使：引经，1 个（可以很轻）。
负责把整套组合引到具体场景落地。使不做分析，它只做一件事：把结论翻译成"明天早上干什么"。
中药里"使药"的作用是引经报使——把药力引到病灶。用在模型上，使就是把分析引到行动。
君臣佐使配比表
| 位 | 数量 | 干什么 | 不干什么 | 省略的代价 |
|---|---|---|---|---|
| 君 | 1 | 给出主要判断 | 不管自己的盲区 | 没有主心骨 |
| 臣 | 1–2 | 补君的盲区 | 不挑战君 | 视野窄 |
| 佐 | 0–1 | 专门唱反调 | 不负责建设 | 没有刹车 |
| 使 | 1 | 翻译成动作 | 不做分析 | 分析完没有动作 |
看最后一列：省掉佐的代价是"没有刹车"，这是四味里唯一一个会导致方向性灾难的。
要做的：排调用先后，处理模型之间的冲突。
顺序怎么排？两条规则：
规则一：按"会不会改变条件"排序。
先调用那些不会改变现状的模型，后调用那些会改变现状的模型。
举例：你看一件事，先用"供需关系"看市场结构（不改变什么），再用"安全边际"看能不能扛（也不改变什么），最后才用"信号理论"看你的行动会释放什么信号（因为行动会改变局面）。
规则二：按"错了多惨"排序（重的后上，但要先问）。
工程族的模型（安全边际、失效模式）涉及"会不会死"，这类问题要先问（因为是前提），但它的结论要最后整合（因为它会否决其他结论）。
所以准确的说法是：致命性问题最先问，但最后整合。
冲突怎么处理？
两个模型给出相反结论时，不要急着选一个。三步：
第三条最容易做错。大部分人会在两个模型之间挑一个，然后说服自己那是对的。而正确的动作是回到上层。
要做的：按约束、代价、可逆性三条刻度打分。
这一步第十九章会完整展开，这里只给一个小版本，让四步能闭合：
三条都过了，才是"当前约束下的更优解"。
用一个日常例子把四步走完。
事：你负责一个项目，最近三个月团队明显疲惫，产出在掉。你要决定下一步。
第一步：取象（卦变五问）
象：不是"人累了"，是"他们的劳动被作废了"。
第二步：择模 + 配比
第三步：定序
① 先用激励相容看"作废感"怎么消（不改变现状的分析）；
② 再用系统延迟追上游（看修改从哪来）；
③ 最后让奥卡姆剃刀攻击前两条的结论；
④ 致命性问题先问：现在有人会在两个月内走吗？（如果有，这是前提，要优先处理。）
第四步：验算
结论（更优解）：不是团建、不是打鸡血、不是加人。是先在上游建立一个"需求冻结"机制（让劳动不作废），同时当面向团队说明这个机制。
注意这个结论是怎么来的：象（劳动被作废）→ 君（激励相容）→ 定序（先解决作废感）→ 验算（人心不可逆，所以优先）。
如果跳过取象直接套模型，大概率会走到"团队疲惫 → 团建／激励／减负"这条路上去。那些做法都不算错，但都对不上真正的问题。
| 步 | 要填的内容 | 填完的标志 |
|---|---|---|
| 1 取象 | 一句话的象 + 支撑它的三条观察 | 能说出"这像什么"且举得出观察 |
| 2 择模 | 君 1 个、臣 1–2 个、佐 1 个、使 1 个 | 每个都能说出"它不管什么" |
| 3 定序 | 调用顺序 + 致命性问题是否已问 | 能说出为什么这个顺序 |
| 4 验算 | 约束／代价／可逆性三条 | 能说出这算不算"更优解" |
四步走完的标志就一条：你有一个明天早上能开始做的动作。
没有动作，说明四步里有一步是虚的——回去补。
四步里，第 1 步你做，第 2 步它能帮，第 3 步它值得帮，第 4 步你要拍板。
特别提醒第 2 步里的"佐"：必须显式指定一个唱反调的角色，因为 AI 天然倾向迎合你。你可以这样写：
"在给出结论后，请额外扮演一个反对者：如果我的判断是错的，最可能错在哪一环？给出具体的反驳，不要温和。"
不给这句指令，你拿到的是一份很顺的错误答案——AI 不会主动反对你，除非你要求它。
前面十八章都在讲怎么得到一个解。这一章讲：拿到一个解之后，怎么判断它行不行。
这件事比看上去难。因为人在拿到一个"看起来有道理"的解的时候，会产生一种强烈的完成感——你会觉得事情想清楚了，可以动了。而这个完成感，跟解对不对，其实没什么关系。
所以我给三条刻度，把"对不对"变成一个可以打分的事。
三条刻度是：约束、代价、可逆性。
它们不是三个并列的选项，是三道关：约束不过，方案不成立；代价算不清，方案不可比；可逆性不查，方案不敢做。
约束是"不能动的东西"。它决定了你的解空间有多大。
约束有三类，缺一类都会出问题：
资源约束：钱、人、时间、设备。能调动多少？
周期约束：多久之内要见效？一周、一季、三年，对应的解法完全不同。
红线约束：哪些东西绝对不能碰？（法律、健康、某段关系、某个承诺）
常见错误：把约束当成目标。
"预算只有十万"是约束，不是目标——你的目标不是"花掉十万"，是"在十万以内把事办了"。很多人把约束误当目标，最后做出一个"刚好花完预算但没解决问题"的方案。
常见错误二：不写下来的约束等于没有约束。
这个错误更隐蔽。你心里知道"这事不能让老王知道"，但没写下来。等方案做到一半，你会发现自己正在设计一个需要老王配合的方案。
所以这一步的操作很简单：在动手之前，把三条约束各写一句话。写完贴在方案最上面。
代价是"你要付出去的东西"。
关键在"都要算"三个字。大部分人只算钱的账，忽略了另外三本。我管它们叫四本账：
| 账 | 算什么 | 常被忽略的原因 |
|---|---|---|
| 钱 | 直接成本、机会成本 | 算得最多，但常漏机会成本 |
| 时间 | 要花多久、这段时间还能干什么 | 时间不像钱那么刺眼，容易低估 |
| 关系 | 会伤到谁、谁的信任会透支 | 最难量化，所以最常被跳过的 |
| 能量 | 你自己和团队的心理消耗 | 完全不可量化，但它决定你能不能撑到结果 |
能量的账最容易被忽略，也最致命。
我见过太多"方向完全正确、最后死在半路"的事——不是因为方案错，是因为做这件事消耗的能量超出了团队能承受的上限。人在能量耗尽之后会做两件事：敷衍，或者离开。
而能量这本账有个特点：它在开始时最难估算，在开始后最难追加。所以只能是"留余量"——如果你估算需要七分力，那就按需要十分来准备。
关系账的提醒：第一章说过，用模型替代取象会伤人。那笔账就记在这里。你在分析里把人当成"激励不相容的对象"，这笔账会以信任透支的形式在半年后找上门。
这一条最重要，也最少人查。
可逆性是：这个决定做错了，能不能退回来？退回来要付多少？
分三档：
| 档 | 特征 | 例子 | 该付多少谨慎 |
|---|---|---|---|
| 易逆 | 错了随时能改，成本很低 | 换个软件、改个文案、调整排期 | 可以大胆试，快速迭代 |
| 难逆 | 能改，但要付不小代价 | 招错一个人、签一年合同、搬办公室 | 先小规模试，再铺开 |
| 不可逆 | 改不回来 | 说出去的伤人的话、公开承诺、健康损伤、信任破裂 | 必须慢，必须多人过一遍 |
判断可逆性的价值在于：它告诉你该用多少谨慎。
这是全书我最想让你记住的一条操作规则：
可逆的决定要快，不可逆的决定要慢。
大部分人的做法正好相反——在小事上反复纠结，在大事上凭感觉拍板。因为小事看得见、想得清，所以反而花时间；大事看不见、想不清，所以干脆不想了。
可逆性就是用来纠正这个本能的。你拿到一个决定的时候，第一件事不是分析它对不对，而是问："这个能做错吗？错了能撤回吗？"
可逆性也是"精益"的真正依据。为什么"小步快跑"是对的方法论？不是因为它时髦，是因为它把不可逆的事拆成了可逆的——每一步都小到可以撤回，于是你可以用很低的谨慎成本去试。
三条刻度合起来，做成一张表。拿到一个解，对着打。
| 刻度 | 问什么 | 打分（1–5） | 及格线 |
|---|---|---|---|
| 约束 | 三条约束（资源／周期／红线）都满足吗？ | ≥ 4（红线必须满分） | |
| 代价 | 四本账（钱／时间／关系／能量）都算了吗？ | ≥ 3（漏一本就降分） | |
| 可逆性 | 错了能撤回吗？撤回多大代价？ | 看档位定策略，不打分 |
判定规则：
第 4 条要解释一下。为什么可逆性优先于收益？因为收益是估算的，可逆性是确定的。一个收益更大但不可逆的方案，它的期望值取决于你的估算准不准；一个收益略小但可逆的方案，它的下限是有保障的。
在你没有十足把握的时候（也就是绝大多数时候），选那个错了还能回来的。
三条刻度讲完，回头再看第四章那个立场，就清楚了：
最优是对比出来的，而你这三条刻度的取值，跟任何人都不同。
所以同一个方案，对你是更优解，对我可能就是毒药。不存在脱离主体的最优解。
这也是"更优解"这个词比"最优解"诚实的地方：它承认了解的好坏是相对于某个主体的，而不是客观存在的。
全书统一口径：更优解 / 适配解。任何出现"最优"的地方，都必须加上限定——谁的、在什么约束下、多长周期内。
AI 完全不知道你的约束、代价和可逆性——除非你告诉它。它默认会给你一个"通用最优"的答案，而那个答案是按"没有约束的人"算出来的。
所以每次让 AI 给建议，都要先声明这三项：
"我的约束是（预算／周期／绝对不能碰的东西）；我会付出的代价包括（钱／时间／关系／能量）；这件事的可逆程度是（易逆／难逆／不可逆）。请在此基础上给建议，并说明如果约束变了，结论会怎么变。"
最后那半句尤其有用——它让你看见结论对哪些约束最敏感，那些敏感项就是你该花力气去谈的地方。
从第十五章到第十九章，讲的全是"怎么组合才对"。这一章反过来，讲组合怎么用错。
为什么单列一章？因为有一个残酷的事实：
组合用错了，比不用更危险——因为它看起来很像深思熟虑。
单用一个模型错了，事后好反省："我套错模型了。"组合用错，你列了三个模型、排了顺序、验了算，每一步都像那么回事。复盘的时候你会觉得"方法没问题，是运气不好"——然后下次照旧。
我在书院带人复盘，见过最多的不是"不会组合"，是组合得很认真、错得很系统。下面五种陷阱，每一种我都亲眼见过，也每一种我自己都掉进去过。
组合两三个模型，最常撞见的问题：它们给出相反的判断。
经典场景：要不要扩张。用规模效应模型看——该扩，边际成本在降；用组织能力模型看——不该扩，管理半径撑不住。两个都对，结论相反。
错误处理有两种，都常见：
正确处理的次序，第十八章提过一句，这里展开：
记住这条：模型冲突不是模型的故障，是取象的信号。它告诉你，你在用一个"象"装了两种不同的问题。
第二种陷阱是把不同层级的东西放在一个组合里比。
第十三章讲过模型会"层级错配"失效。组合时它会以另一种形态出现：你在同一个分析里，既用了管个人的模型，又用了管系统的模型，还把它们的结果直接相加。
举个具体的：分析"为什么门店这月业绩下滑"。你用了激励相容（个人层面的：员工为什么没动力）和系统延迟（系统层面的：上个月的决策这个月才显现）。两个都有道理，但它们不在一个层级——激励相容指向"人出了问题"，系统延迟指向"不是人的问题，是时间没到"。
如果你把两个结论并列说"既有人又不人"，等于什么都没说。
规则：组合里的模型必须声明各自作用的层级，不准跨层互证。个人层的归个人层，系统层的归系统层，层与层之间只做"接口"（个人层的变化会影响系统层），不做"证明"。
判断方法很土但有用：把你组合的每个模型，各自单独拿出来说一遍结论。如果两个结论在逻辑上需要"互相踩"才成立，那就是层级错配了。
第三种最隐蔽：你为了解释眼前这件事，临时拼了一套只在它身上成立的说法。
它的样子是——组合里的每个模型都"刚刚好"命中。复利解释了积累，瓶颈解释了卡点，囚徒困境解释了僵局……全部严丝合缝。
这时候要警惕：现实问题不会配合你的模型严丝合缝。严丝合缝通常意味着你在倒着推——先有了想解释的结论，再反手挑模型来凑。这是典型的事后叙事，它的名字在统计里叫过拟合，在生活里叫"马后炮"。
怎么识别过拟合：把问题里的一个关键事实换掉，看你的组合还成不成立。
过拟合为什么危险？因为它不可迁移。你在这个问题上"解释得很漂亮"，下一个问题来了，这套组合用不上，你得重新凑——等于你每次都在做一次性分析，从来没有积累。
真正能积累的分析，是那种"换了个公司、换了个年份，骨架还在"的分析。
第四种，跟模型本身没关系，跟谁用过它有关系。
"贝索斯用六页纸备忘录，所以我们也用。""芒格用多元思维模型，所以我们也列一堆模型。"
我把这叫权威污染：一个方法因为被某个人用过，就被当成"用他就没错"。最要命的是它传染给组合——你挑模型不是按问题挑的，是按"哪个大佬用过"挑的。
芒格用多元思维模型，不等于你列七个模型就等于芒格。他列模型之前那个"取象"的动作，你看不见，也学不走——那个动作才是关键。你学到的只是他的执行层，没学到他的调度层。
解毒剂就一句：任何模型，你在用之前都要能回答"这个问题为什么配它"，而不是"谁用它配"。回答不上来，先回去取象，别急着借名人的光。
第五种，也是最常见、最难的：找到一个能自圆其说的解，就停手了。
人脑有个毛病——它偏爱闭合，讨厌开放。一个解释一旦能自圆其说，大脑就会分泌"想清楚了"的满足感，然后停止搜索。这就是为什么第十七章的五色光要有"强制完整"原则、第十八章的君臣佐使要设"佐"——它们全是冲着这个毛病去的。
过早收敛在组合里的典型表现：你组到"有一个解说得通"就收工，而不是组到"几个候选解都比过"才收工。前者是找到一个答案，后者是确定一个更优解。差别就是第四章到第十九章一直在说的：更优是比出来的，不是找出来的。
破法：强制自己至少做出两个候选解再选。哪怕第二个很荒唐。第十九章说过，两个都及格时选可逆性高的——可你要先有两个，才谈得上选。
拿到任何一个"认真组合过"的结论，交付之前过这五问：
| 问 | 查什么 | 不合格的信号 |
|---|---|---|
| 模型打过架吗？ | 是否回取象层把冲突消掉 | "两方面都对，我们综合一下" |
| 层级分了吗？ | 每个模型作用的层级是否声明 | 个人层的账和系统层的账加在一起算 |
| 换个事实还成立吗？ | 组合是否可迁移 | 换掉一个关键事实，组合立刻散架 |
| 为什么是这几个模型？ | 是否按问题挑的 | "某某大佬也这么用" |
| 有几个候选解？ | 是否比过才收工 | "这个解释得通，就它了" |
五问里只要有一问答不上来，这个组合就还没到能交付的状态。不是要重做，是回上一层——多半是取象那一步偷了懒。
AI 是过拟合和权威污染的重灾区——你给它的信息越少，它越会"严丝合缝"地给你一个听起来完美的答案；你提到某个知名方法，它默认顺着你。
用这一章的话术压住它：
"请给出两个候选方案，并各自说明它们在什么条件下会失效。"
"我换一个关键前提（把××改成××），请重做一遍，告诉我结论哪里变了。"
这两句就是把"佐"和"反过拟合"装进了你给 AI 的指令里。第 24 章会把这类话术整理成一张完整的表。
前面二十章，工具是一个一个给的：取象、卦变、择模、君臣佐使、五色光、三刻度。这一章把它们串起来，用一个真问题从头到尾走一遍。
道理很简单：单件工具你都会，一上真事就乱——因为真事不会按工具的顺序出牌，它糊成一团砸过来。你需要看一遍"糊成一团的东西，是怎么被一步步捋成一条线的"。
先说明：这是个真事改写的案例，细节做了脱敏。决策者是老周，一家制造企业做了八年的中层，管供应链。来找我的时候，他手上有一个 offer：同行一家公司挖他去做副总，年薪翻倍，管更大的盘子。他纠结了三个月，瘦了六斤。
他来找我，张嘴就是一堆标签："我遇到职业天花板了""我不想温水煮青蛙""这个机会错过就没了"。
我要是顺着他的话往下接，这案子就废了。因为他说的是他给自己贴的标签，不是他的处境。全书最要紧的一步，就从这里开始。
我让他做了一件事：别讲道理，给我讲三个具体的画面——最近三个月里，哪些时刻让你最不舒服。
他想了很久，讲了一个：
"每周一早上，我把车开进公司停车场，熄了火，要在车里坐一会儿，抽完一根烟，才上得去楼。"
我又问：那收到 offer 那天呢？
"我当天晚上很兴奋，跟我老婆说到十二点。第二天早上起来，那个兴奋就没了，还是堵。"
注意这两个画面放在一起的样子。如果他的象是"这里不行、那里更好"，那收到 offer 应该持续兴奋。可他的兴奋只活了一个晚上。这说明：他的痛苦不在"这家公司"，在他"进那栋楼之前要做心理准备"这个动作本身。
概念会杀人。他一直用"天花板""温水""机会"这些标签说话，这些标签把他的真实处境盖住了。真实处境是：他每天在为一个"进去"的动作消耗能量，而那个 offer 只是让他在想象里换了一栋楼——他没想过，新楼他一样要"进去"。
这一步我什么都没分析，只陪他看了两个画面。取象不需要工具，需要的是先别急着当医生，先当镜子。
象取出来，是一个点。要用卦变五维把它掰开看——记住第八章那句话：它是序列，不是五个看法，顺序有意义。
本卦（现状）：他每周一在停车场坐着抽烟。公司的管理工作他做得动，但"做得动"和"愿意做"之间，裂了一条缝。
变卦（不动，一年后）：他大概率还在，offer 不会再有了——不是机会没了，是他会越来越难下决心，机会成本随年龄陡增。
互卦（内因，最狠的一问）：他到底怕什么？聊到这儿他忽然说了句实话："我怕的不是没钱，是怕别人觉得我这辈子就这样了。"——注意，内因不是"想成长"，是"怕被判定为不成长"。这俩长得像，性质完全不同。前者是动力，后者是恐惧。
错卦（假如我全看错了）：有没有可能他留下来也在成长？他愣住，说公司今年其实在上一个很大的数字化项目，总裁点名让他参与——他自己都没把这当回事。一个"想走"的人，会看不见眼前的成长机会，因为他的心已经不在这个画面里了。
综卦（对方的等式）：他老婆的等式是什么？他以为她要的是他挣更多。我让他回去问。答案是：她要的是"家里别再坐着一个每天很累、话越来越少的人"。她根本没把他的 offer 当回事，她心疼的是那个每周一在停车场坐五分钟的人。
五问走完，他那个"走还是留"的问题，已经不成立了。真正的问题浮出来了：他怕被判定为不成长——这个怕，换了楼也躲不掉。
取象定了，才轮到模型出场。我跟他一起挑。候选模型当时列了一大堆，最后只留了三个——记住第十八章：2–3 个，不是 7 个。
君（主攻）：机会成本。不是算"留下失去什么"，是算"换轨道的真实成本"——他八年的行业积累、供应链的人脉、行业 know-how，换到新公司（同行业但不同细分）能带走多少、要重学多少。这是这笔决策的账本。
臣（补盲）：沉没成本谬误（反面用）。专门提醒他别被"八年资历"绑架——"干了八年所以不能走"和"干了八年所以值得留"是两回事。这一臣的作用是让君不偏。
佐（唱反调）：损失厌恶。佐要盯住一个方向不放：你对现状的痛苦，会不会被高估？人在想走的时候，会把现状的坏处放大、把未知的好处放大。佐的任务就是泼这盆水：你确定那个 offer 真有你想的那么好？你确定留下真的那么糟？
当时没设"使"，因为这一步还不到落地。使要等验算过了、真要动了，才出场翻译成动作。
模型给的是骨架，情绪是血肉。他这种大事，光有模型不够，得用五色光把人的各个频道都走一遍，防止哪一色被漏掉。我当时带他走的序列：
白光（事实）：offer 数字、新公司融资情况、家庭每月刚性开支、老周年龄与行业周期——摆事实，不许带情绪词。
红光（情绪）：他承认，想到"拒绝 offer"会让他有一种"我怂了"的羞耻感；想到"接受 offer"又怕自己撑不住。两种怕在打架。
黄光（价值）：他到底要什么？他自己排序：①晚上回家能松一口气；②三年后回头看，自己还在长；③钱够用且稳步涨。注意，offer 给的是③，他真正缺的是①和②。
绿光（创新）：除了走和留，有没有第三个选项？我们一起想出来一个：内部转岗去那个数字化项目——不换楼，换工种，用公司的资源验证自己还能不能成长，试错成本极低。
蓝光（风险）：最坏情况各是什么？走：新公司两年内没做成，他 40 岁再找同类岗位，难。留：项目没做成，他还是在原地，但至少没输掉八年积累。内部转岗：最坏是项目黄了回原岗，几乎无损。
走到绿光的时候，老周自己说了句："其实我心里早就有这个答案，我只是不敢想——因为我怕转岗显得我'没走成'。"——又是那个"怕被判定"在拦他。
两个候选摆上桌：A 接 offer，B 内部转岗试半年。用第十九章的三刻度打：
| 刻度 | A 接 offer | B 内部转岗 |
|---|---|---|
| 约束 | 家庭开支要撑住新公司可能的降薪期（他不确定） | 现有薪资不动，约束全满足 |
| 代价（四本账） | 钱账好看，但关系账（新环境从头建立信任）、能量账（又要"进新楼"）都很重 | 钱账不变，能量账小，关系账几乎为零 |
| 可逆性 | 难逆——辞职是公开动作，半年后悔了也回不去 | 易逆——项目黄了回原岗，几乎无损失 |
打分规则第四条是什么？两个解都及格时，优先选可逆性高的。收益是估算的，可逆性是确定的。老周对 A 的收益全是估算——新公司好不好他不知道；对 B 的代价全是确定——最坏就是没损失。
结论清楚：B 不是退而求其次，B 是在"收益不确定、代价确定"和"收益确定、代价几乎为零"之间，唯一理性的选择。
这个故事讲得挺顺，但我不装——第一步我就差点搞砸。
老周坐下说"职业天花板、温水煮青蛙"的时候，我的第一反应是给他上模型：机会成本、第二曲线、生涯三阶段……我在执行层忙得飞起，工具一个比一个漂亮。
是老周自己把我拽回来的。他说："贾老师，你给的建议都对，但我听完更堵了。"
更堵——这三个字是镜子。我犯了第二十章说的过早收敛：他还没取象，我已经收敛到"去或留"的选项里了。更糟糕的是，我连"去或留"这个题面都是顺着他的标签接的。要不是他喊停，这个案子会在一个假题面上做全套真分析，得出一个"正确但没用"的答案。
后来我复盘，给自己立了条规矩，也写在这本书里：
来访者（和自己）张嘴给的都是标签时，先别急着解题。先把"这到底是个什么问题"问清楚。题面错了，解得多漂亮都是浪费。
把上面的流程抽成一张能填空的单子。以后遇到自己的大事，照着走：
第一步 取象（30 分钟）
第二步 卦变五问（30 分钟）
第三步 择模 + 君臣佐使（20 分钟）
第四步 五色光序列（40 分钟）
第五步 验算（20 分钟）
复盘（事后一个月）
老周这个案例里，最有价值的一步是取象——而这一步 AI 替你做不了，因为你没法替老周讲出"停车场那根烟"。
但 AI 是极好的"佐"和"臣"。你可以把标签题面丢给它，让它反过来审你：
"我目前的想法是××。请扮演'佐'：专门找出这个想法里被高估的好处和被低估的代价；再扮演'臣'：指出我漏掉了哪些选项（尤其是我没敢想的）。"
你在取象，让 AI 帮你防过早收敛——这是人机在决策上的正确定位：象归你取，刹车归它踩。
第二十一章教一个人怎么想清楚。这一章上一个台阶：一群人怎么一起想清楚。
先泼一盆冷水：一个人学会了这套东西，扔进一群没学过的人里，局面不会变好，常常更乱——因为他看见的问题，别人看不见；他说话的方式，别人接不住。组织解题的难点，从来不是没人会想，是想的几个人不同步。
什么叫不同步？五个部门坐一桌，市场部在说增长（黄光价值），财务部在说预算（白光事实），后厨在说别折腾（蓝光风险），店长在说员工太累（红光情绪）——每个人都在自己的频道上输出，谁都没错，但谁也听不见谁。这桌会开三个小时，散会时每个人都觉得别人不讲理。
第十七章讲过：五色光需要一个主持人，管顺序、管换挡、管停。组织场景里，这个主持人不只是"管自己的思维"，是管一屋子人的思维在同一序列里走。这一章讲的就是这个活怎么干。
我在书院和味藏带过很多这种会。挑一场最有代表性的讲——"要不要上一个系统"的决策会，六个部门负责人，两个半小时，最后十五分钟做出决定，大家居然都认。
先解释标题里的"四色"：五色光有五色，但组织的会很少五色全开。主持人会按会议性质裁掉一色。那场会裁掉的是绿光（创新）——因为决策会不允许现场发明新选项，新选项必须在会前备好，会上临时想出来的方案九成没算过账。绿光砍掉，整场会的时间预算就够了。这是第十七章"序列自由"原则在组织里的真义：序列是手段，不是仪式，主持人有权删。
那场会实际走的序列：白光（把事实摊完）→ 红光（把情绪说破）→ 黄光（对齐要什么）→ 蓝光（把风险摆完）→ 回到白光做决定。
主持人开场只做一个动作：让每个人用三句话讲"我手上与这事有关的事实"，讲完不许评价。
财务："系统年费三十万，三年合同，含实施。"
后厨："我们现在高峰期点单还是手写，传菜靠吼。"
店长："上个月丢了三单外卖，因为记错地址。"
市场："我们连复购率都数不准，会员全靠纸卡。"
主持人这时的全部工作就是按住那些想跳去评价的人——有人刚想说"所以这个系统必须上"，主持人抬手："先记着，这句话等黄光再说。"
白光一摊，抵触就浮出来了。后厨说："每次上系统，最累的是我们，学新东西、改习惯，出错的还是我们。"
如果没人接这句，这个会就死了——后厨会带着情绪进入后面所有环节，每个决定都暗中使绊子。主持人做了一件事：把情绪当成事实接住，不评判。"你说得对，过去上系统，学习和出错的成本都压在你们身上。这个账今天要算进去，不能假装没有。"
注意：主持人没有安慰，没有讲道理，只是承认这笔账存在。情绪被说破之后，反而不再挡路——后厨后来成了最配合的部门，因为他的账被记上了。
情绪落地，才问价值：这个系统解决的是谁的什么问题？
各说各的：财务要"数据能对上账"，市场要"知道谁在复购"，店长要"少丢单"。主持人把它们归成一句："我们要的不是一个系统，是让'账、人、单'三本账从纸上变成数字。"——注意这句是取象：把三个部门各自的"要"，收成一个共同的象。
这一句出来，争论的性质变了：之前吵"上不上系统"，现在变成"怎么让三本账都变数字"——系统只是手段之一。
主持人问：最坏情况是什么？
财务："签了三年，第二年发现不好用，钱退不回来。"
后厨："上线那两个月，高峰期会不会崩？"
主持人没让大家"别担心"，而是把风险变成条款："合同能不能加'第二年按效果续费'？上线能不能选在淡季、先拿一家店试点？"——把不可逆的决策拆成可逆的（第十九章那句话的现场版）。
两小时过去，主持人说："现在可以下结论了。事实、情绪、价值、风险都过完了，同意的说说理由，不同意的说条件。"
最后决定：上，但改两个条款（按效果续费、淡季单店试点先跑三个月），三个月后拿数据回来再决定要不要铺开。十五分钟拍板，全体通过。
散会时后厨说了一句我一直记着的话："今天这会有意思，没有人被说服，但大家是一起走过来的。"
拆解上面那场会，主持人其实只干了四件事：
第四条最难，也是主持人最该练的。它不需要口才，需要听完六个人的话，说出那句让六个人都点头的"我们要的其实是……"——这就是第十七章说的：分光之后还要取象，主持人就是那个取象的人。
不是每场会都有这么顺。三种翻车最常见，主持人要有对应的动作：
| 翻车 | 表现 | 原因 | 主持人动作（话术） |
|---|---|---|---|
| 有人抢光 | 白光环节不停下结论，或红光环节讲半小时 | 他习惯了"边想边说"，按不住自己 | "你这条很重要，先请记到黄光那一栏，我们到点了一定回头处理它。" |
| 有人串光 | 说着事实突然跳到"所以他就是不行" | 情绪混进事实，自己没察觉 | "停一下，刚才那句是判断不是事实。事实是××，判断我们留给黄光。你同意吗？" |
| 有人不换光 | 红光环节过去了，还在反复讲自己的委屈 | 情绪没被真正接住，他不敢放下 | 别催，先接："这事确实憋屈。我想确认一下：如果这事我们记上账、给个说法，你能先放到一边吗？" |
| 主持人自己掉色 | 主持人被带进争论，开始站队 | 主持人忘了自己管流程不管内容 | "我刚才也在争，抱歉。我是主持人，我的活是管顺序。刚才那点，请××记到黄光。" |
话术库的要点就一条：永远处理"话"，不处理"人"。"你的话跑频道了"大家都能接受，"你这个人跑频道了"就结仇了。
组织开会前，主持人花十分钟填这张表，会能省一小时：
| 栏 | 填什么 |
|---|---|
| 会议性质 | 决策会（裁绿光）／复盘会（裁白光，默认事实已齐）／头脑风暴会（只开绿光+红光）／危机会（只开白光+蓝光，快） |
| 本次序列 | 如：白→红→黄→蓝→白（写明哪几色，各几分钟） |
| 谁最容易抢光 | （人名）→ 预案：让他第一个讲，讲完即收 |
| 谁最容易串光 | （人名）→ 预案：他讲话时主持人多一句"这是事实还是判断？" |
| 谁最容易不换光 | （人名）→ 预案：单独留 5 分钟让他把话说完 |
| 这句会要取的象 | 预计各部门的"要"能收成哪一句（会前先想，会上修正） |
最后一栏最关键。主持人会前不先想"这会的象大概是什么"，会上就容易被带着走。先有预设，才有修正；没有预设，只有随波逐流。
AI 可以当会议主持人的场外陪练，但上不了场——因为它感受不到一屋子人的情绪暗流（红光），那是要靠人眼看的。
会前你可以让它帮你预演：
"我要主持一场关于××的决策会，参与者有（各部门）。请按五色光各拟一个我该问的问题，并预测：谁最可能反对、他会用哪一光的理由、我怎么把他的理由归位到正确的环节。"
会中它可以当你的实时记录员："我把现场发言按时间发给你，你只做一件事：标出每条发言属于哪一光，发现有人串光就提醒我。"——你管人，它管归类，这就是组织场景的分工。
前面二十二章讲了一套方法。这一章问一个现实问题：这套东西，怎么传给别人？
先说实话：象思维这套东西，比思维模型难教得多。模型有定义、有边界、有出处，可以写进 PPT 一条条讲；取象没有定义式的教法——你没法用一段话让人"会取象"，就像你没法用一段话让人"会游泳"。
但难教不等于不能教。我的判断是：这套东西能教，但只能靠练，不能只靠讲。凡是只靠讲就能传的，都是模型那半边；象那半边，必须把人按进水里。
这一章分三种对象讲：孩子、团队、自己。顺序是有讲究的——从最不需要"清除旧习惯"的人开始。
孩子的可塑性最好，但也最容易被教坏。给孩子的第一原则是：
先练十年取象，再谈模型。模型晚给三年五年不迟，取象的窗口期过了就补不回来。
为什么？因为模型的本质是"有损压缩"（第三章）。压缩的前提是你先有"未压缩的感知"。孩子时期是积累感知素材的黄金期——他对世界还没有标签化的习惯，看树就是树，不是"行道树，落叶乔木，属悬铃木科"。这时候你塞给他一堆模型，等于让他还没吃过大米，先学会看营养成分表。
具体怎么练？三个不用上课的活动：
艺术与手工。画画、捏泥、搭积木。这些活动的本质是"把心里的象变成手上的物"——这就是观象制器的童子功。不追求像，追求"你敢把心里那个说不清的东西做出来"。
自然观察。带他看一棵树一年四季，看云，看蚂蚁搬家。观察本身不教任何东西，但它在攒象库。第二章说过，悟性＝象库×提取速度。象库只能靠时间攒，没有捷径。
讲故事，讲"像什么"。孩子问"云为什么是白的"，别急着给科学答案，先反问"你觉得它像什么"。比喻是取象的语言练习——"像什么"这个问题，逼着孩子在两件不相干的事之间找结构，这就是取象比类的雏形。
给家长的提醒：别急着夸"真聪明"，多问"你看到了什么"。"聪明"是标签，标签会让孩子过早学会"给答案"而不是"看东西"。
成年人比孩子难教，因为他们脑子里已经装满模型和标签，而且他们不觉得自己需要学。你给一个老员工讲"象思维"，他礼貌地听完，回去该怎样还怎样。
给团队教的铁律是：
不要开培训课讲理论，要带着他们开一场会。从"会议序列"切入，让他们先用起来，再告诉他们刚才用的是什么东西。
成年人是"用会"的，不是"学会"的。你直接讲五色光，他记不住；你带他走一场五色光的会，散会时他说"今天这会开得痛快"——这时候你再告诉他："刚才我们用的就是五色光，那套东西叫调度。"名字永远放在体验后面。
具体路径分三步：
注意一个坑：别一上来就全员培训。先挑三五个"开会最痛苦、最有影响力"的人练，练成了，其他人会自己凑过来问——组织里的好东西是"被羡慕出来的"，不是"被推广出来的"。
教别人之前，先教自己。给自己不用上课，用日课。三个动作，每天加起来不到半小时：
每日一象（10 分钟）。每天挑一件你身边的小事——今天最难的一次对话、路上看到的一个画面——用第五章的方法，写下"它像什么"。不写道理，只写象。附录 B 有七个练习，轮着用。
每周一序（20 分钟）。每周日晚上，把下周要做的三件难事列出来，各配一个序列：这事要先取象还是先查数据？要开几色光？附录 C 有现成的序列模板，直接抄。
每月一复盘（30 分钟）。月底问自己四个问题：这个月我有没有"标签代替感知"的时刻？有没有一个决定是跳过取象直接上的？有没有一次"过早收敛"？下个月哪个工具最该练？
三个日课练的是同一块肌肉：把"想当然"变成"看见"的肌肉。它不会让你一个月脱胎换骨，但会像攒象库一样，攒你自己的"调度直觉"。
写了这么多"怎么教"，必须诚实地说：有三件事，几乎教不会，只能等对方自己长出来。
第一件：静。取象的前提是心里安静（第五章）。但安静没法教——你不能让一个焦虑的人"别焦虑"。你能做的只是给他一个安静的环境，剩下的靠他自己。很多人不是学不会取象，是他的人生还没给他一个必须安静下来的理由。
第二件：诚。取象要求你诚实面对自己看到的——老周那个案例里，他"怕被判定为不成长"这句实话，不是我问出来的，是他自己准备好才说出来的。诚这个东西，教的动作只会把它推得更远。你越说"你要对自己诚实"，对方越警觉。
第三件：承认自己取错了象。这是最难的。第二十一章里我承认自己差点把老周的案子带偏——那个承认，是写给读者看的，但在现场，承认自己错了，需要放下"我是老师"的位置。老师承认取错了象，学生才敢承认自己看错了；老师永远正确，学生就永远在表演正确。
教象思维的终点不是教会别人取象，是让对方敢在你面前承认他取错了象。那一句话说出来的时候，才是真的会了。
| 对象 | 切入点 | 先教什么 | 后教什么 | 最大的坑 |
|---|---|---|---|---|
| 孩子 | 玩（艺术/自然/比喻） | 取象（攒象库） | 模型（至少十岁后再谈） | 过早给标签和模型，压缩了他的感知 |
| 团队 | 一场会（序列体验） | 五色光会议的规则 | 命名课+全书工具 | 开理论培训课，讲完就忘 |
| 自己 | 日课（每日一象） | 取象的肌肉 | 调度整套工具 | 只学不练，把书当鸡汤读 |
三条路径的共同点，也是这一章的一句话总结：
象思维不是教出来的，是带出来的、练出来的。你只能把人带到一个他自己愿意看的地方，然后把"看"的动作，一遍一遍做给他看。
AI 是最耐心的陪练，因为它不会不耐烦，也不会judge你——正好用来练"诚"和"承认取错象"。
用法：把你取的象说给它听，让它当镜子：
"我对××这件事取的象是'××'。请只问问题，不给结论：这个象里，哪些是我看见的，哪些是我贴上去的标签？"
给孩子和团队教的时候，AI 还能当取象题库："请出 20 个'这东西像什么'的练习，对象是（八岁孩子/新员工），不要给标准答案。"
这本书立项的时候，只想回答一个问题：怎么把象思维和思维模型组合起来用。写到一半，悟空补了一句判断，把整本书往上抬了一层。他说：
"这部分内容是我们独创的。在 AI 时代它很重要——这是人跟 AI 的沟通语言。"
我想了想，他是对的。因为 AI 把执行层这件事彻底改变了：它会检索模型、会套框架、会生成序列。第二支柱的判断就一句话：
取象 → 择模 → 定序 → 验算，不只是人思考的顺序，也是人对 AI 说话的语法。
这一章把这句话讲透。它是全书的人机接口——不变约束第六条要求每章都留"对 AI 怎么说"，那些话的完整版都收在这一章和附录 E 里。
先看一个现场。同一个人，同一个 AI，两种问法。
问法一：
"帮我写一份年度总结。"
AI 会给什么？一份结构工整、措辞得体、谁都能用、谁都不适用的通用总结。它不怪 AI——你没告诉它这是什么场合、给谁看、对方关心什么、你有什么数据。它只能按"没有信息的人"的通用模板写。
问法二：
"我是餐饮门店的店长，要给区域总部交年度总结。总部今年最关心三件事：外卖毛利、人效、食安扣分。我手上的数据有：全年营收、外卖占比、员工人数、三次食安检查记录——但没有单店的毛利拆分。请按这个结构写：①今年做成的事（每条必须带数字）；②没做成的事和原因；③明年计划。数据缺口你列出来，我补。字数控制在 800 字，语气是向领导汇报，不是邀功。"
同样的 AI，这次给的东西完全能用。差别在哪？差别不在 AI，在第二个人做了第一个人没做的事——取象。
第一个人把 AI 当"自动写手"：给个题目，等成品。第二个人把 AI 当"协作对象"：先告诉它这是什么类型的事、对方是谁、什么算好——这就是在给 AI 取象。而"年度总结"这个标签，第一个人以为已经说清了，其实什么也没说清。
记住这一节最重要的一句：
AI 不是笨，是你没取象。你没说清"这是什么类型的问题"，它只能给你通用答案——而通用答案，是所有没取象的提问的共同下场。
把第十八章的四步工序翻译成人机对话，就是 prompt 的四要素：
| 四步（人思考） | prompt 要素 | 你给 AI 的是什么 | 不给的后果 |
|---|---|---|---|
| 取象 | 情境 | 这是什么类型的事、对象是谁、背景、你手上有什么数据 | AI 给通用答案 |
| 择模 | 框架 | 用哪个/哪几个思路看：金字塔、SWOT、第一性原理、五力…… | AI 自己乱挑框架，质量碰运气 |
| 定序 | 流程 | 先做什么后做什么：先列假设、再补数据、最后下结论 | AI 跳步，直接给结论，你没法验证 |
| 验算 | 验收标准 | 什么算对：字数、结构、每条结论必须带数据、不许编造 | AI 一直给你"看起来很像"的东西 |
用人话讲一遍：
你发现没有：这四步你本来就会——第十八章教的就是它。区别只在于：对人说话，你默认对方有常识，可以省；对 AI 说话，它没有你的常识，一步都不能省。跟 AI 说话，把话说全，不是啰嗦，是取象。
四要素管"怎么说"，还有一个更根本的问题：这件事，到底该让 AI 干多少？
我把人机协作按"你掌握多少 × AI 掌握多少"分成五个格子——它同时是调度权分配表：每个格子告诉你，这活的主导权在谁手上。（这张表最早出现在我的"人机协同五象限"里，这里把它和本书的调度语言对齐。）
| 象限 | 你 | AI | 典型任务 | 主导权 | 你要不要取象 |
|---|---|---|---|---|---|
| Q1 效率协作者 | 知 | 知 | 把方案转成周报、把数据做成图表 | 你派活，它执行 | 要，但只需一次（任务定义清楚后全交） |
| Q2 知识拓展者 | 不知 | 知 | 解释一个概念、查一个领域、翻译 | 它教，你学 | 要：你至少得说清"我卡在哪" |
| Q3 思辨对话者 | 部分 | 部分 | 两边信息都不全，来回辩 | ⇄ 来回 | 要，且每次都要（你的"部分"只有你知道） |
| Q4 协同探索者 | 知 | 不知 | 你有经验它没数据源/它整理你出经验 | 你出经验，它整理 | 要：你的经验得先取成象才传得出去 |
| Q5 未知共创者 | 不知 | 不知 | 全新问题，两边都没有模型可循 | 谁也说不清，一起摸 | 要，且全程都要——这是取象的主场 |
三句读表法：
于是那条可判定的结论就出来了：
Q1–Q4 都有现成模型可循，AI 干得比人好；当且仅当你处在 Q5——双方都不知道、没有模型可循的新情境——象思维不可替代。
精确地说：取象永远是人的入场券；但在 Q1–Q4，你取完象就能退场，让 AI 干完；只有在 Q5，你取完一个象，前面又冒出一个新的，你得一直待在场上。
这就是护城河的位置。它不是口号，是一个可判定的条件：你什么时候处在 Q5？当你面对的问题，你叫不出它的名字、也没有现成框架可套的时候。这时候你手上唯一有用的工具，就是这本书前半本教的那套东西。
调度权分清楚了，怎么在协作里落地？我用三个记号，把一段协作里"谁干什么"标出来——比写一大段分工说明省事得多，也好修改。
拿"写一份门店诊断"举例，一段真实的协作长这样：
[人] 取象：门店近三个月外卖下滑 25%，堂食持平。总部最关心毛利。我的直觉是运力出了问题，但没验证。
[AI] 列出"外卖下滑"的 8 个可能原因，按你手上数据的可得性排序，标出哪些现在能查、哪些查不了。
[人] 圈出 3 个查得了的，补上数据：差评率、出餐时长、骑手取消单。
[AI] 用这三个数据分别检验那 3 个原因，给结论：哪个成立、哪个不成立、哪个数据不足。
[⇄] 逐条过：第 2 条"出餐变慢"数据显示成立，但我怀疑是高峰期统计口径问题——回去核对原始单。
[AI] 修正结论。若口径确认有误，重算并标注影响范围。
[人] 拍板：写进诊断报告，动作是改高峰期排班。承担责任。
三个记号的价值：它把"人机分工"从一段散文变成一张流程图——哪步卡住了，一眼看出是人的问题还是 AI 的问题；哪步该 ⇄ 却没 ⇄（人闷头干、或 AI 一口气干完），一眼看出协作断了。
一个使用原则：凡涉及判断和后果的，标 [人]；凡涉及生成和检索的，标 [AI]；凡是"生成—验证"循环，标 [⇄]。判断和后果这两样，AI 不承担——不是它不能，是后果只能由能负责的人来负。
第十八章的君臣佐使，讲人怎么配模型。这里讲一个 AI 特有的坑：AI 天然倾向迎合你。
它经过对齐训练，你的偏好就是它的方向。你问"这个方案行不行"，它倾向说行；你问"是不是该上系统"，它会顺着你找支持理由。它不是故意骗你，是它的默认设置就是让你满意。
于是君臣佐使里那味"佐"（专门唱反调的那个），在 AI 这儿不是可选，是必须显式指定——因为 AI 不会自己反对你，你不给它一个反对位，它就永远顺着你。
具体做法，三句话的模板：
"给我结论之前，先反驳它：列出三条你不同意这个结论的理由。"
"如果我的前提是错的，最可能是错在哪一句？"
"站在反对者的立场，重新回答一遍我刚才的问题。"
看一个真实对比。问 AI："我们门店要不要上会员系统？"
没配佐的答案：先肯定需求，列系统的好处，给实施建议——一份让你舒服的支持报告。
配了佐的答案：前面一样，但结尾多了三句："①你们复购数据都数不准，上系统前得先解决数据口径，否则系统是空的；②三年合同不可逆，建议先谈按效果续费；③最反对上系统的人是后厨，上线期学习成本会压在他们身上，这个阻力没解决，系统会死在落地。"
哪份有用？第二份。第一份让你爽，第二份让你赢。这就是"佐"的价值——而它不会自己出现，你必须向 AI 显式订购一份反对意见。
讲完怎么跟 AI 说话，必须讲一个反面——这是第二支柱的另一半：
只会调模型、不会取象的人，在 AI 面前会退化成提示词——而且是重复的、可被替代的提示词。
什么意思？如果你只会说"帮我用 SWOT 分析一下""用金字塔结构写个总结"——这些是模型调用，Q1–Q4 的活，AI 自己就能干，而且会越干越好。你在其中提供的增量，趋近于零。终有一天，别人（或 AI 自己）能生成比你更好的"提示词"，你的位置就没了。
真正拿不走的是"在没有标签的新情境里取出第一个象"。那是 Q5 的活，是"面对一个谁都没见过的问题，你说出'这像一个××'"的能力。这个能力不在任何模型库里，它在你这些年攒的象库里。
所以这一章的标题才叫"象思维是你对 AI 说的第一句话"——不是修辞，是字面意思：一段高质量人机协作，永远从人取出第一个象开始。那句话之前，AI 只是个高级搜索引擎；那句话之后，它才成为你的协作者。
这一章本身就是"对 AI 怎么说"的元章节——把本章的操作件喂给 AI，它就能当你的调度教练：
"我准备让你做一件事：××。请先用四要素审我的指令——我的情境说清了吗？框架指定了吗？流程定了吗？验收标准给了吗？缺哪样，你问我，我补，然后你再动手。"
然后加上本书专用的一句佐：
"在我确认之前，不许动手，也不许替我补信息。信息缺口列出来，由我决定。"
回到卷首那个尴尬的现场：一个人收藏了二百个思维模型，遇到真事还是抓瞎。
二十四章走完，现在可以说清他抓瞎的原因了——不是他模型不够，是他只有模型，没有调度。他知道二百个模型（知道层），会用其中一部分（会用层），但一遇到没见过的事，他不知道该先取象、再挑哪几个、按什么顺序、怎么算对——他缺的是第四层：会调度。
这一章收束全书，回答三个问题：调度到底是一种什么能力？它怎么练出来？怎么知道自己练到了？
第十四章提过模型的三层熟练度，这里把它扩成全书的能力阶梯：
| 层 | 表现 | 卡住的原因 | 本书对应 |
|---|---|---|---|
| 知道 | 说得出一堆模型的名字和定义 | 把"知道名字"当成"会用" | 第三编（10–14） |
| 会用 | 单个模型用得对，知道它的边界 | 只会在"已经被贴好标签"的问题上用 | 第三编（12–13） |
| 会调度 | 面对没见过的问题：取象→择模→定序→验算 | 缺取象这一步——没有标签的问题，模型库启动不了 | 第二编+第四编（5–9、15–20） |
大多数人的一生，卡在"会用"到"会调度"之间的那道坎上。而那道坎，不是模型问题，是取象问题——坎的名字叫"面对没有标签的新情境"。
会调度的人和不调度的人，差别不在工具箱，在遇到没见过的事时手上有没有序。没序的人：焦虑、抓一个最熟的模型硬套、或者到处问人"这种情况该用什么模型"。有序的人：先安静下来取象，再一步步走。结果未必每次都对，但他每一步都知道自己在干什么——这在乱局里本身就是巨大的优势。
会调度怎么练？不是读出来的，是按阶段练出来的。我把它排成一条一年的路径——三个阶段，每阶段四个月：
阶段一：基础感知（第 1–4 个月）——只练取象，不碰调度
这个阶段的目标是把"看"练回来。每天做附录 B 的日课（每日一象），每周做一次卦变五问。这四个月不许用任何模型——不许，是因为模型会替你看，你一用模型，"看"就停了。这阶段你会难受：习惯了"凡事给个说法"，现在让你"只许看，不许说"，浑身不自在。难受就对了，那是标签在戒断。
阶段二：模型掌握（第 5–8 个月）——给工具箱清点、上卡
取象的底子有了，才开始碰模型。这个阶段做两件事：①按第十四章的方法，把附录 A 的模型过一遍，挑 5 个常用的做成熟练工，15–20 个做备查——不是全背，是清点；②每个模型都写一张模型卡（一句话/管什么/不管什么/常与谁组合）。这阶段练的是"会用"，检验标准：每个模型你能说出它不说话的部分（第十二章）。
阶段三：综合应用（第 9–12 个月）——拿真事练调度
最后四个月，把前两个阶段合起来。每周拿一件真事（工作的、家里的都行），走一遍第十八章的四步工序+第二十一章的全案模板。这阶段练的是"会调度"，检验标准：遇到没标签的新问题，你不慌了——你知道第一步是取象，而不是找模型。
一年走完，你可能还是说不全七十个模型，但你会了一件事：给乱糟糟的世界切出第一个象。这件事，比背全七十个模型值钱得多。
一年练完，怎么判断自己真到了"会调度"？五个信号，对得上三条就算入门，五条全对，你就是能带别人的人了：
拿不准自己到哪一层？对着打勾，一年后再打一次对比：
| 项 | 问自己 | 是 |
|---|---|---|
| 取象 | 遇到难题，我能先讲出三个具体画面，而不是直接下结论？ | ☐ |
| 取象 | 我分得清"我看见的"和"我贴上去的标签"？ | ☐ |
| 卦变 | 重大决定，我会主动从五个角度各问一遍？ | ☐ |
| 边界 | 我知道什么事不该用象思维（要精确量值、要复现、要追责）？ | ☐ |
| 模型 | 我常用的 5 个模型，每个都能说出它"不管什么"？ | ☐ |
| 模型 | 我用模型前，能回答"这个问题为什么配它"？ | ☐ |
| 组合 | 我组合时不超过 3 个模型，且配了"佐"？ | ☐ |
| 组合 | 我至少有两次"两个候选解都比过才选"的经历？ | ☐ |
| 验算 | 我做决定前，会过三刻度（约束/代价/可逆性）？ | ☐ |
| 验算 | 我知道"可逆的决定要快，不可逆的要慢"？ | ☐ |
| 人机 | 我给 AI 派活时，会先给情境、框架、流程、验收标准？ | ☐ |
| 人机 | 我处在 Q5（全新问题）时，知道该自己上场取象，不指望 AI？ | ☐ |
0–4 个勾：还在"知道"层。别急，回到阶段一，先把"看"练回来。
5–8 个勾：在"会用"层。工具你都会，缺的是合起来用——拿真事练四步工序。
9–12 个勾：你已经会调度了。可以做第二十二章的主持人、第二十三章的教练了。
第二十五章，该收束了。这本书讲了二十几万字，其实就三句话：
象思维给方向——它负责在混沌里取出第一个象。
思维模型给路径——它负责把象变成可计算的步骤。
调度给二者之间的那双手——它决定什么时候取象、取完调谁、调完怎么算对。
没有象思维，模型是一堆没有钥匙的锁；没有模型，象思维是一团说不出口的感悟；没有调度，前两者是一屋子谁也不理谁的能人。
模型人人都能背，序列才是功夫。这不是一句漂亮话——它是这本书用二十五章想让你亲手验证的一件事：下一次，当你面对一个没见过的问题时，先别急着找模型，先试着说出它像什么。
那句话，就是你调度的开始。
把这一章的自评表丢给 AI，让它当你的长期陪练：
"这是我的自评结果（12 项里勾了×项）。请按我的勾数告诉我处在哪一层，并给我一份下个月的训练计划——只列动作，不列道理。"
然后你可以跟它做一个约定（这个约定值得长期用）：
"以后我找你聊问题，第一句话永远是取象（这是哪类事、对象是谁、我有什么）；如果我上来就让你'给个方案'，请提醒我：先取象。"
让 AI 替你看住你那只急着套模型的手——这是人机在"练调度"这件事上的最好分工：你练取象，它当你的戒断教练。
口径声明：本表是全书模型的唯一口径——正文出现的任何思维模型，都必须能在此表找到；本表之外的模型，正文原则上不出现。模型不用背，用时按第十章"问题类型三问"来查。
象思维侧工具（卦变五维、错综复杂等）不属思维模型，不入本表，见正文第二编。
麦肯锡等"框架"不是模型（模型下断言、框架给格子），单列于表五，见第十一章。
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 复利 | 收益再投入，长期指数增长；管"时间站在谁那边" | 断点与断裂（复利假设连续） | 瓶颈、机会成本 |
| 幂律分布 | 少数贡献大头；管"力气往哪放" | 均匀分布的均值世界 | 长尾、帕累托法则 |
| 正态分布 | 独立随机叠加，极端少见；管"预期靠不靠谱" | 有正反馈的肥尾系统 | 安全边际、随机游走 |
| 贝叶斯定理 | 用新证据更新旧判断；管"证据来了怎么改" | 先验离谱时（垃圾进垃圾出） | 确认偏误（对治）、概率思维 |
| 随机游走 | 短期走势≈不可预测；管"别预测短期" | 长期的结构性力量 | 安全边际、复利 |
| 临界质量 | 过某个规模后自我维持；管"要不要熬到拐点" | 拐点何时到、是否真存在 | 网络效应、复利 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 反馈回路 | 行为反作用于自身（增强/调节）；管"越演越烈/自我修正" | 无回路的单次事件 | 系统延迟、瓶颈 |
| 系统延迟 | 因果之间有滞后；管"现在做、以后才显现" | "即时见效"的错觉 | 反馈回路、复利 |
| 瓶颈理论 | 整体产出由最弱环节定；管"卡在哪、先修哪" | 无依赖顺序的非流程事 | 冗余备份、失效模式 |
| 自催化 | 产物加速自身产生；管"越滚越大" | 需外部持续注入的事 | 网络效应、临界质量 |
| 冗余备份 | 关键环节留余量防单点故障；管"不能断的系统" | 成本敏感、可容忍中断处 | 安全边际、失效模式 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 囚徒困境 | 个体理性导致集体更差；管"各自算计为何双输" | 重复博弈（合作可能，须另配） | 激励相容、信号理论 |
| 激励相容 | 设计制度让人"利己即利系统"；管制度怎么定 | 人不理性时（须配行为族） | 囚徒困境、心理账户 |
| 信号理论 | 靠"造假成本高"的信号辨真假；管识人识局 | 造假成本≈收益时信号失效 | 激励相容、社会认同 |
| 公地悲剧 | 共享资源无人负责→耗竭；管公用资源治理 | 产权清晰且有执行时 | 激励相容、制度设计 |
| 博弈论（总） | 决策须考虑对方会应变；管"有对手的局面" | 无互动的自然过程 | 囚徒困境、信号理论 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 供需关系 | 价格由供求平衡定；管定价与缺口 | 有人应变、垄断扭曲时 | 信号理论、边际效应 |
| 机会成本 | 选 A 的代价＝放弃的最优 B；管选择比较 | 情感与能量的账（配四本账） | 沉没成本（对治）、损失厌恶 |
| 边际效应 | 看"下一个"不看"平均"；管"再多做点值不值" | 总量与结构性判断 | 机会成本、规模效应 |
| 规模效应 | 摊薄固定成本，越大越省；管扩张的成本面 | 组织复杂度上升的反噬 | 瓶颈理论、路径依赖 |
| 网络效应 | 每多一人价值越大；管平台型增长 | 冷启动阶段（须配临界质量） | 临界质量、平台战略 |
| 路径依赖 | 历史选择锁住未来选项；管"为什么改不动" | 颠覆性破锁发生时 | 沉没成本、颠覆式创新 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 共生关系 | 不同主体互惠共存；管生态协作 | 利益冲突恶化时 | 竞争排斥、平台战略 |
| 竞争排斥 | 同生态位不能共存、强者排他；管"为何只能活一个" | 细分错位后的共存 | 护城河理论、差异化 |
| 最小可行种群 | 规模低于阈值即灭绝；管业务/组织最小规模 | 靠外部持续输血时 | 临界质量、冗余备份 |
| 遗传与变异 | 复制+变异+选择；管"创新怎么冒出来" | 变异方向不可控 | 颠覆式创新、试错 |
| 长尾理论 | 海量小众总和可敌头部；管小众聚合生意 | 幂律极强时尾部无效 | 幂律分布、网络效应 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 失效模式 | 先想"会怎么坏"再防坏；管可靠性设计 | 完美无故障的理想场景 | 安全边际、冗余备份 |
| 安全边际 | 估算打折、留缓冲；管不确定下的生存 | 精确可算、无风险处 | 失效模式、贝叶斯定理 |
| 最优化 | 在约束下求最大/最小；管资源配置 | 多目标冲突时（须先排优先级） | 机会成本、三刻度约束 |
| 奥卡姆剃刀 | 如无必要勿增实体；管"解释选最简" | 系统真的复杂时 | 第一性原理、过拟合（对治） |
| 第一性原理 | 回最基本事实重推；管被惯例锁死时 | 时间紧、宜快速借鉴时 | 奥卡姆剃刀、思想实验 |
| 二阶思维 | 不断问"然后呢"；管连锁后果 | 只看第一步反应时 | 系统延迟、反馈回路 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 损失厌恶 | 失去的痛≈获得快乐的约两倍；管"为何保守/不肯止损" | 无损失风险的纯增益事 | 机会成本、可逆性三档 |
| 沉没成本谬误 | 已投入不该绑架未来决策；管"及时止损" | 投入确能换来未来优势时 | 机会成本（对治）、路径依赖 |
| 确认偏误 | 只找支持自己的证据；管自查证据筛选 | 无预设立场的新探索 | 贝叶斯定理、佐（反方） |
| 锚定效应 | 先见的数字绑架判断；管谈判与估值破锚 | 基准明确可查时 | 第一性原理、贝叶斯 |
| 框架效应 | 换说法即换选择；管表述方式与自我设框 | 事实极硬、无可换框时 | 取象（换框）、信号理论 |
| 心理账户 | 钱在心里分门别类不互替；管"钱为何花得不理性" | 理性统一的财富观 | 机会成本、四本账 |
| 峰终定律 | 体验由高峰与结尾定；管体验与服务设计 | 全程平平的日常环节 | 反馈回路、关键时刻 |
| 社会认同 | 不确定时跟大多数人；管从众与安全 | 有明确独立证据时 | 信号理论、独立判断 |
| 可得性启发 | 越易想起越以为常见；管概率直觉校准 | 有统计数据可查时 | 贝叶斯定理、概率思维 |
| 双曲贴现 | 离现在越近的收益越高估；管拖延与短视 | 长期承诺机制已锁定时 | 复利、承诺机制 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 地图不等于疆域 | 模型≠现实；管"时刻记得自己在用简化" | ——（元提醒，不单独解题） | 一切模型 |
| 能力圈 | 只在真懂的领域下重注；管边界内行动 | 边界外的高收益诱惑 | 安全边际、第一性原理 |
| 思想实验 | 脑内做受控实验；管无法真做的假设检验 | 需真实反馈的验证 | 第一性原理、逆向思维 |
| 概率思维 | 用概率与分布思考而非对错；管不确定性决策 | 一次性无样本事件 | 贝叶斯定理、安全边际 |
| 逆向思维 | 想成功先想怎么死；管避开致命错误 | 需要建设性方案时 | 失效模式、蓝光风险 |
| 汉隆剃刀 | 能用愚蠢解释的别归咎恶意；管人际归因 | 系统性的恶意证据确凿时 | 社会认同、沟通 |
| 帕累托法则 | 约八成结果来自两成投入；管抓重点 | 均匀分布的任务 | 幂律分布、瓶颈理论 |
| 模型 | 一句话：管什么 | 不管什么 | 常与谁组合 |
|---|---|---|---|
| 比较优势 | 做相对最擅长的、交换共赢；管分工取舍 | 无交换对象的封闭场景 | 机会成本、护城河 |
| 护城河理论 | 长期利润靠结构性壁垒；管"凭什么赚得久" | 靠运气与风口赚快钱 | 竞争排斥、网络效应 |
| 平台战略 | 做连接者而非生产者；管平台与自营之辨 | 强专业、弱网络的中介 | 网络效应、临界质量 |
| 颠覆式创新 | 从低端/边缘切入再上移；管小角色怎么赢 | 在位者主动自我颠覆时 | 遗传与变异、竞争排斥 |
| 控制论 | 用反馈+纠偏维持目标；管自动驾驶式系统 | 目标本身要重定的事 | 反馈回路、验算回流 |
框架不下断言、只给格子；格子本身没有对错。它真正的用法是当"模型组合的模板"——拿它把问题切出格子，再往格子里填模型。详见第十一章。
| 框架 | 一句话 | 适合的场合 | 误用 |
|---|---|---|---|
| MECE | 不重不漏地切分问题 | 分类穷尽 | 把切分维度当结论 |
| 逻辑树 | 大问题逐层拆子问题 | 结构化拆解 | 拆完不回到根问题 |
| 金字塔原理 | 结论先行、论据分组递进 | 汇报与表达 | 藏结论、堆论据 |
| 波特五力 | 行业利润由五种力量定 | 行业吸引力分析 | 忽略企业自身差异 |
| 3C | 公司/顾客/竞争三方扫描 | 战略摸底 | 只扫不判 |
| BCG 矩阵 | 份额×增速分四格 | 业务组合资源配置 | 拿历史份额当未来 |
| PEST | 政治/经济/社会/技术扫描 | 外部环境盘点 | 列完不连回业务 |
| SWOT | 内外优势劣势机会威胁四格 | 战略定位快照 | 四格各说各话 |
| 安索夫矩阵 | 市场×产品四象限定增长路径 | 增长战略选择 | 忽略执行能力 |
| 价值链 | 活动拆链找价值与成本点 | 竞争优势定位 | 把每环都当要优化的 |
| 七步问题解决法 | 界定→拆解→排优→分析→综合→建议 | 完整解题流程 | 跳过界定直接分析 |
| 艾森豪威尔矩阵 | 重要×紧急分四格 | 任务与时间管理 | 把"紧急"当"重要" |
用法：配合第五、七、八章与第二十三章的日课使用。七个练习，不必全做——挑一个顺手的做成日课（每天 10 分钟），一个月换一个。
共同纪律：练习时只许"看"和"说象"，不许"下结论"、不许用模型、不许用标签词。这三个月里，你的敌人是"凡事要个说法"的习惯。
目的：把"用概念看"换成"用感官看"。这是取象的地基（第五章）。
做法：挑一个普通物件（一支笔、一只杯子、一盆植物）。给它写二十条感知——只写五官接到的信息，禁止出现任何名称、功能、评价词。写得出来"白色的、圆柱的、有个缺口"，写不出来"这是一支笔，很好用"。
时间：10 分钟。
进阶：写到二十条后，再逼自己写五条"差点看不见的"（反光、磨损、握痕……）。
常犯的错：写到第七条就词穷，于是开始写"它陪伴了我三年"——那是故事，不是感知。词穷是对的，词穷说明标签在让路。
目的：把卦变五维（第八章）从"大决策工具"降成"小物件游戏"，练熟序列感。
做法：挑一件你正在纠结的小事（一个要不要参加的会、一条要不要发的消息）。不展开分析，只用五卦各写一句话：
时间：15 分钟。
进阶：把五卦写下来贴三天，第三天回看哪一卦写得最敷衍——敷衍的那卦，往往藏着真问题。
常犯的错：把五卦写成五个"看法"而不是一个"序列"——本卦没写清就跳去综卦。顺序不许跳。
目的：攒象库（第二章：悟性＝象库×提取速度）。象库只能靠时间堆。
做法：每晚睡前，回想今天最戳你的一个瞬间（一句让你愣住的话、一个画面、一种说不清的别扭）。不问"为什么"，只问"它像什么"——像什么场景、像什么物件、像什么时候的自己。写一句。
时间：5 分钟。
进阶：每周挑一句"象"，用一句话把它扩成一个小场景（像写小说开头那样）。
常犯的错：写着写着写成日记（"今天发生了……"）——日记是叙事，不是象。象是一句比喻，不是一段经过。
目的：破解"概念杀人"（第五、二十一章）。你张嘴就是标签时，先翻译回画面。
做法：记下你今天说出口的标签词——"天花板""内卷""没动力""不公平""没格局"。任选一个，追问自己三个画面：
时间：10 分钟。
进阶：把翻译结果讲给一个不知情的人听，看他能不能"看见"你说的场景——他看见了，翻译成功；他只听到又一个标签，回去重翻。
常犯的错：翻译时又换了个更大的标签（"天花板其实就是职业倦怠"——倦怠也是标签）。
目的：练取象比类（第七章）——在两件不相干的事之间找结构。
做法：每天找一个"难题"，用"它像什么"接龙，强制接五个：
"团队没干劲，像什么？"
像一壶烧不开的水——像一锅夹生饭——像一部没人看的电影——像一个总在调音却从不演奏的乐队——像一个手机只剩 5% 电却还在刷视频的人。
接完五个，选最扎心的那个，问：它告诉我这个问题的结构是什么？
时间：8 分钟。
进阶：跟孩子或同事玩——轮流接，不许评价对方的比喻"像不像"。
常犯的错：接到第二个就开始"正经分析"。接龙的要义是数量，不是质量；烂比喻也有用，它能把你的脑子从套路里拽出来。
目的：练"观物取象"的现场速度（第七章第一动作）——在嘈杂里快速切出一个象。
做法：任意场合（等车、排队、开会前），用五分钟观察一个陌生人/一个场面，不评判，只记：他在做什么动作、重复了几次、周围人怎么反应、有什么反常细节。时间到，用一句话说出"这个场面像一个什么"。
时间：5 分钟。
进阶：速写完，猜一次"他/它接下来会怎样"，事后验证——不是练算命，是练"你取的象里带了多少预判"。
常犯的错：忍不住给陌生人编故事（"他一定是个失意的中年男人"）——编故事是投射，不是取象。
目的：第二十四章的人机接口——AI 是最好的取象陪练，因为它不会烦，也不会替你圆。
做法：把一个真问题丢给 AI，但只许它提问、不许它给答案：
"我遇到的问题是××。请不要给建议，只问我问题——直到你把我脑子里的画面问出来为止。"
然后逐条回答它的问题。答完看它整理出的"你的处境"，判断：它看见的画面，是你真正的象，还是你贴的标签？
时间：15 分钟。
进阶：让 AI 反过来找你的标签：
"我刚才的回答里，哪些词是标签？把每个标签换成'一个具体的画面'，示范给我看。"
常犯的错：AI 问了两轮你就急着说"你直接给建议吧"——那正是你的"过早收敛"在发作（第二十章），忍住。
| 练习 | 练什么 | 对应正文 | 每天耗时 | 难度 |
|---|---|---|---|---|
| 一·二十条感知 | 感官看，去标签 | 第五章 | 10 分钟 | ★☆ |
| 二·一物五卦 | 卦变序列感 | 第八章 | 15 分钟 | ★★★ |
| 三·每日一象 | 攒象库 | 第二、二十三章 | 5 分钟 | ★☆ |
| 四·标签翻译机 | 概念→画面 | 第五、二十一章 | 10 分钟 | ★★ |
| 五·"像什么"接龙 | 取象比类 | 第七章 | 8 分钟 | ★★ |
| 六·五分钟速写 | 现场取象速度 | 第七章 | 5 分钟 | ★★ |
| 七·给 AI 出题 | 人机协作取象 | 第二十四章 | 15 分钟 | ★★ |
选课建议：入门先做一和三（最不费劲、最容易坚持）；卡在"说不清自己的事"时加四；想练深了加二和五；六是通勤党的福音；七是 AI 时代必练。
用法：配合第十七、十八、二十二章。序列记法——光色：白(事实)/红(情绪)/黄(价值)/绿(创新)/蓝(风险)；卦：本/变/互/错/综；"⇄AI"表示中途与 AI 交接（第二十四章三记号）。
纪律：模板是起点不是终点——主持人有权删色、加色、换序（第十七章"序列自由"），但删要说出理由，不许因为"时间不够"默默砍掉最难受的那一色。
| 场景 | 推荐序列 | 参考时长 | 关键提醒 |
|---|---|---|---|
| 每日待办排序 | 白（今天有哪些事）→黄（哪件最该做）→蓝（哪件最可能出事） | 5 分钟 | 别用红——晨间开情绪频道，一天都耗在情绪里 |
| 收到坏消息 | 红（先让自己气完/慌完）→白（事实是什么，没核实的不算）→蓝（最坏到什么程度）→黄（我能做什么） | 15 分钟 | 顺序不可逆：没走红直接上白，情绪会在后面反扑 |
| 要不要回那条消息 | 综（对方看到会怎么想）→白（事实：说了什么、什么语境）→黄（我要的关系是什么）→蓝（最坏后果） | 10 分钟 | 先走综卦再走光——人际题先换位再分析 |
| 被说服去做不想做的事 | 红（我为什么抵触，说破）→黄（这事对我到底有没有价值）→白（答应了要付什么具体代价）→蓝（不答应的代价） | 15 分钟 | 别跳过红——抵触往往是没被自己承认的判断 |
| 复盘一次搞砸的事 | 白（只列事实与时间线）→互（我当时到底在怕/在要什么）→错（假如我全看反了）→黄（下次哪一步先改） | 20 分钟 | 复盘禁止追责（第九章边界），只问结构不问人 |
| 场景 | 推荐序列 | 参考时长 | 关键提醒 |
|---|---|---|---|
| 职业/去留决策 | 取象（标签翻译回画面）→卦变五问→择模（机会成本为君+沉没成本为臣+损失厌恶为佐）→五色光完整序列→三刻度验算 | 2–3 小时分两天 | 完整走第二十一章全案模板；至少做出两个候选解 |
| 要不要花一大笔钱 | 白（数字全摊开）→红（这笔钱勾起了什么）→黄（钱服务于什么生活）→蓝（最坏财务后果）→机会成本（这笔钱别的用法） | 1 小时 | 先破锚定：别让"原价/预算"绑架你（锚定效应） |
| 关系中的重大谈话 | 综（对方的等式）→红（我自己的真实情绪）→黄（这段关系我要什么）→白（哪些事实必须摊开）→绿（有没有第三种谈法） | 准备 1 小时 | 谈话现场只走白+红，黄蓝绿留在心里当导航 |
| 健康/身体信号 | 白（症状事实，别查网络）→蓝（最坏可能，交给医生判断）→黄（我愿意为健康改什么）→定序：先看医生再决定 | 30 分钟 | 健康问题用象思维定性会误事——该用模型/专业时用专业（第九章边界） |
| 场景 | 推荐序列 | 参考时长 | 关键提醒 |
|---|---|---|---|
| 决策会 | 白→红→黄→蓝→回白做决定（裁绿光：新选项必须会前备好） | 2 小时 | 主持人按光收话；决策要有"可逆性条款"（先试点） |
| 复盘会 | 红→白→互→黄（裁白光前置：事实默认已齐，重点挖内因） | 1.5 小时 | 只问"系统怎么改"，不追责个人 |
| 头脑风暴会 | 只开绿光+红（其余全裁：评价是黄蓝的活，会后再补） | 45 分钟 | 绿光环节禁止说"这不现实"——那是蓝光的话 |
| 危机会 | 白→蓝→白（两色快切，裁红黄绿：先活下来） | 30 分钟 | 危机中最贵的是时间；情绪安抚放会后单独做 |
| 跨部门冲突调解 | 白光摊事实（各部门只报数）→红光说破委屈→综卦（各自讲对方的等式）→黄光对齐共同目标 | 1.5 小时 | 综卦环节主持人亲自示范：先讲"我猜你是这么想的" |
| 年度规划 | 取象（去年像什么）→卦变（行业变卦+错卦）→黄（书院/公司要什么）→五力/护城河（模型）→白（资源盘）→蓝（三年风险） | 半天分两场 | 别从"去年业绩"开场——那会让全场陷入白光出不来 |
| 场景 | 推荐序列 | 参考时长 | 关键提醒 |
|---|---|---|---|
| 写不出来 | 红（卡在哪，说破）→取象（这篇东西"像什么"）→绿（换三个开头，不许评判）→白（素材有哪些）→定序：先写最烂的完整稿 | 45 分钟 | 写作卡壳多半是"过早收敛"：脑子里那个完美标准在拦你 |
| 给文章/方案起名 | 取象（这东西的灵魂画面）→"像什么"接龙五个→黄（读者是谁、要什么感觉）→验算：念给不懂的人听 | 20 分钟 | 好名字是一个象，不是一个概括 |
| 产品/课程设计 | 观物取象（用户真实场景画面）→互（用户没说出口的怕与要）→模型（最小可行种群/网络效应）→黄（第一版只解决哪个痛点） | 2 小时 | 先取用户的象，再谈功能——功能是"制器" |
| 场景 | 推荐序列 | 参考时长 | 关键提醒 |
|---|---|---|---|
| 让 AI 做一份产出 | [人]取象给情境→[人]择模指定框架→[AI]按流程初稿→[人]验算（对照验收标准）→[⇄]逐条修订 | 按需 | 四要素缺一不可（第二十四章）；验收标准最先写 |
| 用 AI 探索全新问题（Q5） | [人]取出第一个象（"这像一个××"）→[⇄]它提问你回答，逼出更多画面→[人]再取象→[AI]整理候选方向→[人]判断哪个值得深挖 | 不限 | 别让 AI 先给答案——Q5 里它和你一样不知道 |
| 让 AI 审你的决定 | [人]给出决定与理由→[AI]扮演"佐"列出反对理由→[AI]扮演"臣"指出漏掉的选项→[人]逐条回应→决定改或留 | 20 分钟 | 必须显式订购反对意见，否则 AI 默认顺着你（第二十四章） |
用途：以观其妙书院四本核心著作的互不越界总表。写作任何一本时先对这张表，防止"手伸到隔壁书的领域"。
一句话版：AI 原生组织定结构（怎么搭）、五行人格心理学定人（谁来做）、生生·文化操作系统定文化（什么氛围）、象与模定"怎么想"（方法）——本书是四书中的方法论层，管的是"进任何领域之前的那一步"。
| 书 | 管什么 | 不管什么 | 典型问题 | 本书可帮它什么 |
|---|---|---|---|---|
| 《AI原生组织》 | 组织结构、岗位重构、数据飞轮、决策中枢、组织代谢 | 人是什么性格、氛围怎么营造、问题怎么想清楚 | 部门怎么设？流程怎么跑？数据怎么转？ | 设计组织前的"定性"：先取象再定结构；跨部门会议用序列 |
| 《五行人格心理学》 | 人是什么人格、五行生克、怎么识人用人、自我照见 | 组织怎么搭、文化怎么建、方法论 | 这个人是什么格？怎么与他相处？ | 识人时防"贴标签"（标签翻译机）；用卦变五维看关系的多个面 |
| 《生生·文化操作系统》 | 氛围、礼乐、仪式、精神共识、文化落地 | 结构设计、个体人格、思维方法 | 团队氛围怎么营造？共识怎么长出来？ | 共创文化时先取共同的象（"我们要的其实是……"）；礼乐活动即"观象制器" |
| 《象与模》（本书） | 怎么想问题：取象、择模、组合、定序、验算、人机调度 | 组织怎么搭、人什么人格、氛围怎么营造 | 这个问题到底像什么？该用哪几个模型？怎么算想对了？ | ——（服务前三本，也被前三本反哺案例） |
如果把解决一个真问题看成一条链，四本书各守一环：
先取象定性（象与模）→ 再判断这是结构问题、人的问题还是文化问题（分流）→ 结构问题找 AI 原生组织、人的问题找五行人格、文化问题找生生 → 每本书内部再调用象与模的方法细化。
这条链的意思是：本书不是和另外三本并列的第四本，而是另外三本共同的"前置层"。在问"组织该怎么搭""这个人该怎么用""文化该怎么建"之前，先得有人把那个问题取成一个象——取象错了，三本书都会用错地方。
写作或应用时，发现以下表述，说明越界了：
| 越界表现 | 属于哪本 | 该退给谁 |
|---|---|---|
| "这个岗位的人格画像应该按五行来定" | 结构问题里掺了人 | AI 原生组织定岗、五行人格定人，先定岗再配人 |
| "这个人的问题是他没格局" | 给人贴价值标签 | 五行人格讲的是"格"不是"格局"；"格局"是评价不是照见 |
| "我们的文化就是追求卓越" | 空喊文化口号 | 生生讲的是"氛围/礼乐/仪式"这些可做的，不是形容词 |
| "用第一性原理重新设计整个组织" | 方法越界成结构 | 象与模给方法，AI 原生组织给结构——方法不能替代设计 |
| "这事用象思维感悟一下就行" | 象思维万能化 | 本书第九章边界：要精确量值、要复现、要追责时，不归象思维 |
口径声明：不变约束第六条要求每章必给"对 AI 怎么说"，本章是该接口的唯一口径——正文任何一章给出的人机话术，若与本表冲突，以本表为准；正文不得出新话术而不入本表。
一句话总纲（第二十四章）：取象→择模→定序→验算，不只是人思考的顺序，也是人对 AI 说话的语法。
| 要素 | 人话（你心里想的） | 给 AI 的话（说出口的） | 不说清的后果 |
|---|---|---|---|
| 取象＝情境 | "我这事挺急的，跟业绩有关" | "我是餐饮门店店长，要向区域总部汇报。背景：外卖三个月下滑 25%，总部今年最关心毛利与食安。" | AI 按"全人类通用"给答案 |
| 择模＝框架 | "帮我分析分析，别太散" | "请用『先假设后验证』的结构：先列 6 个可能原因假设，再用我给你的数据逐个检验。" | AI 自己乱挑框架，质量靠运气 |
| 定序＝流程 | "一步步来，别跳" | "顺序：①列信息缺口问我，我不许你编数据；②我补完你再分析；③给结论时标注置信度。" | AI 跳步直接给结论，你无法验证 |
| 验算＝验收标准 | "给我个能用的" | "验收标准：每条结论必须带数据出处；不超过一页；结论与数据不符时，标注'数据不足'，不许圆。" | AI 给你一堆"看起来很像"的东西 |
通用句式（背这一句就够起步）：
"我是〔身份/角色〕。这件事的背景是〔情境，越具体越好〕。请用〔框架〕来分析，步骤是〔流程〕。合格的标准是〔验收标准〕。信息缺口列出来问我，不许替我编。"
定位你在哪一格，就知道主导权该给谁。取象是每一格的门票；区别只在：Q1–Q4 取完象可退场让 AI 干完，Q5 你得全程在场。
| 象限 | 你 | AI | 一句话定位 | 主导权 | 取象次数 |
|---|---|---|---|---|---|
| Q1 效率协作者 | 知 | 知 | "把这事做了" | 你派活它执行 | 一次（任务定义清楚即退场） |
| Q2 知识拓展者 | 不知 | 知 | "教我" | 它教你学 | 一次（说清卡点即退场） |
| Q3 思辨对话者 | 部分 | 部分 | "跟我辩" | ⇄ 来回 | 每次都要（你的"部分"只有你能取） |
| Q4 协同探索者 | 知 | 不知 | "我出经验你整理" | 你出经验它整理 | 一次（经验取成象后交它） |
| Q5 未知共创者 | 不知 | 不知 | "一起摸" | 谁也说不清 | 全程都要（取完一个又冒一个） |
可判定结论：Q1–Q4 都有现成模型可循，AI 干得比人好；当且仅当 Q5——你叫不出问题的名字、也没有现成框架——象思维不可替代。护城河不是口号，是"你在不在 Q5"这个条件。
规则：判断与后果标 [人]；生成与检索标 [AI]；"生成—验证"循环标 [⇄]。用它把一段协作写成流程图：
[人] 取象：门店外卖下滑 25%。总部要毛利。我怀疑运力，没验证。
[AI] 列出 8 个可能原因，按数据可得性排序，标出哪些现在能查。
[人] 圈 3 个，补数据：差评率、出餐时长、骑手取消单。
[AI] 用数据检验这 3 个原因，给结论：成立/不成立/数据不足。
[⇄] 逐条过——"出餐变慢"显示成立，但我怀疑高峰期口径问题，回去核对。
[AI] 修正结论；口径若错，重算并标影响范围。
[人] 拍板：写进报告，动作是改高峰排班。承担责任。自检三问：有没有哪一步该 ⇄ 却没 ⇄（人或 AI 闷头干到底）？有没有把判断标成 [AI]（让 AI 替你负责）？有没有该 [人] 取象的步骤被 [AI] 抢了？
模板 1：让 AI 做一份正经产出（Q1/Q2）
我是〔角色〕。要做〔事〕，给〔谁〕用。背景：〔情境〕。请用〔框架〕，按〔流程〕做。合格标准：〔验收〕。数据缺口列出来问我，不许编。给我结论前先反驳它一次。
模板 2：让 AI 当"佐"（审你的决定）
我的决定是〔决定〕，理由：〔理由〕。请扮演反对者：①列出三条反对理由；②指出我哪个前提最可疑；③我漏掉了什么选项（尤其我没敢想的）。然后才轮到你支持性地补充。
模板 3：探索全新问题（Q5，先取象）
我遇到一个还没法命名的问题：〔现象/画面〕。它给我的感觉像一个〔初步的象〕。请不要给解决方案，先问我问题，把我没说清的背景问出来。等我确认画面之后，再一起列方向。
模板 4：让 AI 当会议主持人陪练（会前）
我要主持一场〔性质：决策/复盘/危机〕会，参与者：〔部门/角色〕，议题：〔议题〕。请按五色光各拟一个我该问的问题；预测谁最可能反对、会用哪一光的理由、我怎么把他的理由归位到正确环节。
模板 5：让 AI 当取象陪练（附录 B 练习七）
我的问题是：〔问题〕。只许提问，不许给建议，直到你把我脑子里的画面问出来。然后帮我把回答里"贴标签的词"挑出来，示范换成具体画面。
模板 6：让 AI 当长期教练（第二十五章）
这是我的自评（12 项勾了×项）。请告诉我处在哪一层，给一份下月训练计划，只列动作不列道理。并记住我们的约定：我找你聊问题第一句永远是取象；如果我上来就让你"给个方案"，提醒我：先取象。
| 坑 | 现象 | 修法 |
|---|---|---|
| 没给验收标准 | AI 交的东西"看着像"但没法用 | 补上"合格标准"再重来；验收标准越具体，返工越少 |
| 让 AI 替你做判断 | "你觉得我该不该跳槽？" | 判断与后果归人：让它列利弊与失效条件，决定你自己拍 |
| 不订购反对意见 | AI 全程顺着你，你越问越爽 | 显式加佐：模板 2 那句"先反驳我一次" |
| 信息缺了让 AI 填 | 它编了个很真的数据，你没发现 | 定序里写明："数据缺口问我，不许编"（模板 1） |
| 把 Q5 当 Q1 用 | 全新问题直接让 AI 给方案，得到一堆套话 | 先自己取象（模板 3），取不出来时别指望 AI 替你取 |
| 一次问太多 | 一条指令塞五个任务，AI 只做好第一个 | 拆成 [AI] 单步指令；用 [⇄] 控制节奏 |
书名：《象与模：象思维如何调度思维模型》
副题：0→1 取象，1→N 组模，找到当前约束下的更优解
封面语：一套想清楚问题的方法，也是人与 AI 沟通的语言
著者：悟空（贾悦）× 龙龟神将
版本：v1.1（2026-09-07 立项，同日升版）
篇幅目标：五编 25 章 + 卷首 + 5 附录，约 8–10 万字
状态：全稿初稿已完成（2026-09-07 · 卷首 + 25 章 + 5 附录 · 分章与全书合稿双格式落桌面，见修订记录 v1.1b）
两根支柱：① 双层调度（象思维在上，模型在下）；② 这套调度也是人与 AI 沟通的语言
本大纲 v1.0 由悟空命题（2026-09-07）与龙龟神将三点判断合并而成。立项时确立的三条改动，是全书的立身之本：
| 项 | 原命题 | v1.0 定案 | 理由 |
|---|---|---|---|
| 结构 | 象思维管 0→1、思维模型管 1→N，二者并列分工 | 双层结构：象思维在上做调度（取象/定性/定序），思维模型在下做执行 | 面对一个新问题，先要判断"这是哪一类问题"才谈得上选模型。这一定性动作，模型库自己干不了 |
| 措辞 | 找到解决问题的最优解 | 当前约束下的更优解 | 复杂系统没有最优解，只有满意解（西蒙 satisficing）。承诺最优解会被真实场景反噬 |
| 方法 | （沿用既有"西方模型东方化·无形融入"） | 显式中西对话 | 本书书名即含"思维模型"，西词必须出现、必须可引用。"无形融入"（读者读不出西词）是另一场景的方法，不适用本书 |
另确立一条硬约束：象思维必须有一章写"它不能干什么"。不写，全书会被读成玄学。
模型人人都能背，序列才是功夫。象思维不是与思维模型并列的另一半，而是它们的调度者——取象定性，择模定序，验算定解。
取象 → 择模 → 定序 → 验算，不只是人思考的顺序，也是人对 AI 说话的语法。
一条硬判断：AI 已经会检索模型、套框架、生成序列，也就是说执行层它迟早比人强；它拿不走的是"在没有标签的新情境里取出第一个象"。所以人真正的护城河不是会调模型，是会取象——而取象这套语言，正是本书要给的。
⚠️ 反面警戒：如果一个人只会调模型不会取象，他在 AI 面前的角色就退化成了提示词——而且是重复的、可被替代的提示词。
| 书 | 管什么 | 不管什么 |
|---|---|---|
| 《AI原生组织》 | 组织结构、岗位重构、数据飞轮 | 不管人是什么性格、不管氛围怎么营造、不管怎么想问题 |
| 《五行人格心理学》 | 人是什么人格、怎么识人用人 | 不管组织怎么搭、不管文化怎么建 |
| 《生生·文化操作系统》 | 氛围、礼乐、精神共识 | 不管结构设计、不管个体人格 |
| 《象与模》（本书） | 怎么想问题：取象、择模、组合、验算 | 不管组织怎么搭、不管人什么人格、不管氛围怎么营造 |
本书是四书中的方法论层——前三本各管一个应用领域，本书管"应用到任何领域之前的那一步"。
| 编 | 章 | 主题 | 一句话命题 |
|---|---|---|---|
| 一编·破题 | 1–4 | 两种思维，一个问题 | 为什么你学了 100 个模型还是不会解题 |
| 二编·象思维 | 5–9 | 怎么从无到有看见结构 | 取象、三层、四步、卦变、边界 |
| 三编·思维模型 | 10–14 | 怎么从有到优求解 | 模型是什么、有哪些、怎么失效 |
| 四编·组合★ | 15–20 | 解题的真功夫（核心编） | 象思维在上，模型在下 |
| 五编·实战 | 21–25 | 用在自己身上 | 从"有模型"到"会调度" |
第一章 · 模型囤积症
一句话：模型越攒越多，解题能力一点没长——因为缺的不是模型，是调度。
第二章 · 象思维：中国人的底层操作系统
一句话：象思维不是"形象思维"，是前逻辑、前语言的整体直观。
第三章 · 思维模型：西方的思维精华
一句话：一切模型都是错的，但有些有用——模型是对现实的有损压缩。
第四章 · 从并列到双层：本书的核心主张★
一句话：象思维不是另一半，是调度者。
第五章 · 取象：看见别人没看见的东西
一句话：取象不是"看"，是在混沌里认出结构。
第六章 · 三层次：物象 → 意象 → 原象
一句话：物象是可感的素材，意象是关系的呈现，原象是不可言说的那个根本。
第七章 · 四步法：观物取象 · 立象尽意 · 取象比类 · 观象制器
一句话：取象不是一次顿悟，是四个可练的动作。
第八章 · 卦变五维：中国原产的多视角序列★
一句话：错综复杂四个字里，藏着两千年前的"多模型组合序列"。
第九章 · 象思维不能干什么★（边界章，必写）
一句话：不划这条线，前面八章都会被读成玄学。
第十章 · 模型都是错的，但有些有用
一句话：模型的价值不在"真"，在可计算。
第十一章 · 模型地图：70 个模型的六大家族
一句话：模型不用背，要会检索。
第十二章 · 单个模型怎么用
一句话：每个模型都有它不说话的部分。
第十三章 · 模型失效的五种情形
一句话：模型失效不是模型错了，是世界换了。
第十四章 · 从"收藏"到"调用"
一句话：模型库的单位不是"个"，是可调用的。
第十五章 · 单模型的维度诅咒
一句话：现实问题是多维的，任何单一模型都是降维打击——把问题解决掉，也把现实解决掉。
第十六章 · 象思维在上，模型在下：调度原理★（全书理论核心）
一句话：定性这件事，模型库干不了。
第十七章 · 五色光调度法：五光 × 五行 × 主持人
一句话：五光就是现代版的取象分类，主持人就是那个调度者。
第十八章 · 组合四步工序：取象 → 择模 → 定序 → 验算
一句话：这四步走完，模型才真正被用起来。
第十九章 · 什么叫"解对了"
一句话：更优解的三个刻度。
第二十章 · 组合的五大陷阱
一句话：组合用错了，比不用更危险——因为它看起来很像深思熟虑。
第二十一章 · 个人决策全案
一句话：一个真问题，从头解到尾，一步不跳。
第二十二章 · 组织现场
一句话：组织解题的难点不是没人会想，是想的人不同步。
第二十三章 · 怎么教
一句话：这套东西能教，但不能只靠讲。
第二十四章 · 人机沟通语言：象思维是你对 AI 说的第一句话★
一句话：AI 拿不走的是"在没有标签的新情境里取出第一个象"——而取象，正是你对 AI 说的第一句话。
第二十五章 · 从"有模型"到"会调度"
一句话：终点不是知道多少，是遇到没见过的事，手上有序。
| 附录 | 内容 | 说明 |
|---|---|---|
| A · 思维模型速查总表 | 约 70 个模型，每个一行：一句话 / 管什么 / 不管什么 / 常与谁组合 | 全书唯一口径，正文不得出表外模型 |
| B · 取象练习手册 | 七个可日课练习（二十条感知、一物五卦、每日一象…） | 配合第五、七、八章 |
| C · 常见问题的现成序列模板库 | 20–30 个高频场景的推荐序列（含时间分配） | 配合第十七、十八章 |
| D · 四书分工 | 结构／人／文化／怎么想，各管什么不管什么 | 与三书保持同一张表 |
| E · 人机调度语言速查 | 四要素话术对照（人话↔给 AI 的话）／五象限调度权分配表／[AI]/[人]/[⇄] 记号法／常用序列的 prompt 模板 | 全书"人机接口"的唯一口径 |
必用：象思维、取象、物象／意象／原象、观物取象、立象尽意、取象比类、观象制器、卦变五维（本/变/互/错/综）、六非、思维模型、组合、序列、调度、更优解、主持人、五色光、君臣佐使（君/臣/佐/使）、[AI]／[人]／[⇄] 三记号、五象限（效率协作者／知识拓展者／思辨对话者／协同探索者／未知共创者）。
慎用/须定义：悟性（须说明可培养）、直觉（改用"整体直观"）、原象（须说明不可言说但可借象指向）。
禁用：最优解（本书立场）、"右脑/左脑分工"（见下条）、玄学、灵性、能量场（除非特指物理场）。
⚠️ 准确性红线（立项时发现）：种子论文《象思维与逻辑思维》1.3／2.3 节使用了"象思维=右脑、逻辑思维=左脑"的表述。现代神经科学不支持严格的左右脑功能分工这一通俗说法。全书处理原则：① 不采用左右脑分工作为论据；② 如需通俗类比，必须标注"这是通俗比喻，不是严格的脑科学结论"；③ 更稳妥的表述是默认模式网络（DMN，与整体联想、自传体想象相关）与执行控制网络（ECN，与目标维持、分析推理相关）的协同与切换。此为对外出版物的准确性底线。
| 批次 | 章节 | 依赖 |
|---|---|---|
| 一批 | 卷首 + 第一编（1–4） | 定骨架，先出 |
| 二批 | 第二编（5–9） | 素材最厚（象思维 skill、卦变、原文论文） |
| 三批 | 第三编（10–14）+ 附录 A | 需从思维模型库 70 个模型整理速查表 |
| 四批 | 第四编（15–20） | 核心编，须在第一二编定稿后写 |
| 五批 | 第五编（21–25）+ 附录 B/C/D | 需真实案例 |
| 素材 | 位置 | 用途 |
|---|---|---|
| 《象思维与逻辑思维：从0到1与从1到N的认知范式解析》 | Claw/原文_象思维与逻辑思维.txt（34.5KB，引言+7章） | 第一编母本；第五编操作框架与五行团队案例 |
| 象思维 Skill | ~/.workbuddy/skills/象思维/（62KB） | 六非、两核心、三层次、四步法、卦变五维、误区表 |
| 思维模型库 Skill | ~/.workbuddy/skills/思维模型库/（42 模型）+ 思维模型库-思考的框架（28） | 附录 A 速查表、第三编六大家族 |
| 五色光思维 v6.0 | ~/.workbuddy/skills/五色光思维/ | 第十七章主体：五光×五行×主持人×序列库 |
| 龙脑OS v2.0 | ~/.workbuddy/skills/龙脑OS/（78 模型知识库） | 第二十四章人机分工 |
| 龙心OS 007/008 | Claw/（以象明道与全息、格式塔具身与象道全息） | 原象层与格式塔同构论证 |
修订记录
| 版本 | 日期 | 变更 |
|---|---|---|
| v0.1 | 2026-09-07 | 悟空命题 + 龙龟神将三点判断（双层调度／更优解／显式中西对话），五编 25 章草案 |
| v1.0 | 2026-09-07 | 立项定稿：补五条不变约束、术语纪律（含左右脑准确性红线）、写作规范、素材清单、批次排期；新增第八章卦变五维、第九章边界章 |
| v1.1 | 2026-09-07 | 悟空补判：「这部分是我们独创的，在 AI 时代是人跟 AI 的沟通语言」→ 升为全书第二支柱。改动：① 封面语加"也是人与 AI 沟通的语言"；② 第十八章"择模"下增君臣佐使配比法（君主攻/臣补盲/佐反对/使对焦）；③ 第二十四章重写升格为「人机沟通语言：象思维是你对 AI 说的第一句话」（四步=prompt 四要素／五象限=调度权分配表／Q5 判定：象思维不可替代当且仅当双方都不掌握信息／[AI]/[人]/[⇄] 三记号／给 AI 也配一个"佐"）；④ 新增附录 E 人机调度语言速查；⑤ 不变约束加第 6 条（每章必给"人机接口"）；⑥ 每章末固定栏目加「这一章，对 AI 怎么说」 |
| v1.1b | 2026-09-07 | 全稿初稿完成：卷首+正文 25 章+5 附录（31 份）分章 md+出版级 docx 落桌面 象与模-分章/（D/C 双盘）；全书合稿《象与模（全书）》md+docx（约 8.6 万汉字，A4 可印刷版式）落桌面双盘；正文 25 章每章末三栏（能拿走什么／对 AI 怎么说／待校准）齐全 25/25；附录 A 约 70 个模型按第十章六族口径落地为唯一口径（附录 E 为人机接口唯一口径）；术语红线抽查合规（"最优解/右脑"均只出现在禁用与纠正语境）；章节标题按写作实际微调（如第十章"七十个模型怎么找"、第十一章"别把格子当成答案"）不升版，以成书为准 |