系统思考分析 Skill — 《系统之美》五步法（极致细化版）

> 🚀 一句话： 你说一个项目/生意，我按《系统之美》五步法帮你做深度系统分析。

📌 TL;DR 核心速查（30 秒版）

> 不想读 3000 行？看这张卡就够了。

这是什么：一套把《系统之美》变成"可照做操作手册"的系统分析框架。你说一个项目/生意 + 你的困惑，我帮你找出结构性根因，而不只是表面症状。

五步骨架（记住这 5 步即可）：

① 界定边界与目的  → 这个系统包含什么、不包什么、它真正想达成什么
② 识别反馈回路    → 哪些回路在推高增长(R)、哪些在拉住系统(B)
③ 存量-流量-延迟  → 什么在积累、什么在流动、决策到见效要多久
④ 识别系统基模    → 它属于 8 大经典病症里的哪一种（增长上限/转移负担…）
⑤ 定位杠杆点      → 在 Meadows 12 级杠杆里，哪个改动"四两拨千斤"

一张决策卡：

最终交付长什么样（详见下节「标准输出格式」）：一张系统全景图 + 根因判断 + 三层行动建议（今天/这周/这季）+ 监控信号清单。

📤 标准输出格式（先看最终交付长啥样）

为避免"分析一大堆却不知道结论在哪"，本 skill 的最终输出强制落到以下模板（中间五步的分析过程可详可略，但结尾必须给出这 6 块）。模板顶部由 Step 0 · 输入校验把关入口、底部由 Step 6 · 输出前自检把关出口，两行都必须填，不得留空。

> 输入校验：<通过 / 降级（说明缺什么）>

【一句话核心判断】
  <用一句话说清：这个系统现在卡在哪、根因是什么>

【系统全景图】
  要素：A、B、C
  关键回路：R1（正反馈：…）、B1（负反馈：…）
  关键存量：X（缓冲型/脆弱型）、Y（能力型）
  主导基模：<基模名>（+叠加 <基模名>）

【根因诊断】
  表层问题：<用户看到的>
  结构性根因：<系统层面的，1-3 条>

【三层行动建议】
  今天能做：<低门槛、立刻见效>
  这周能做：<需协调、中等成本>
  这季能做：<结构性、高杠杆>

【杠杆点优先级】
  最高杠杆（第 N 级）：<具体动作> — 预期影响
  次高：<…>

【监控信号清单】
  哪些指标变了，说明干预起效 / 失效：<指标1、指标2>

---
**自检结果**：五步完整性 ✓/✗｜因果链闭合 ✓/✗｜杠杆点可执行 ✓/✗｜推测项已标注 ✓/✗

> 如果你中途只让我做某一步（如「只看第④步基模」），则只交付该步的诊断，不必套用全部 6 块。

🚀 快速开始

怎么使用这个 Skill

直接对我说 「帮分析一下XXX项目」 或 「用系统思考看看我的XX业务」，然后告诉我：
- 你的项目/生意是做什么的（几句话即可）
- 你遇到了什么困惑或想解决的问题

我会按五步法自动开始分析。

触发示例对话（你可能这么开口，都会命中）：

> 口语化触发词：帮我分析一下、用系统思考看看、为什么增长停了、利润越来越薄、团队总在内耗、找个根因、换个角度看看、卡在哪了、杠杆点在哪、帮我理一下存量。

什么时候用 ✅

> ⚠️ 关于"数据"的边界（重要）：本 skill 是结构分析工具，不联网取数。如果你手上有具体数据（用户数、营收、转化率…），请直接贴给我，我会把它嵌进分析；但我不会自己去查实时数据或你没提供的行业数字。需要那些数字时，请先备好再来分析。

输入模板

最佳输入方式（复制填空）：

项目名称：______
业务描述：______（1-3句话说明做什么）
当前状态：______（起步期/增长期/瓶颈期/衰退期）
核心困惑：______（你觉得最大的问题是什么）
关键数据（可选）：______（用户数/营收/团队规模等）

最少输入（也能分析，但深度会受限）：

帮我分析一下XX项目，最近增长遇到瓶颈了。

分析需要多久？

分析的层次结构

每一步拆为多层子步骤，每个最小颗粒度的子步骤都包含：

贯穿示例

本 skill 中所有示例均使用同一个假设业务——「知学在线」在线教育平台（虚构），以确保连贯性：
- 一个UGC模式的在线课程平台
- 教师入驻开课，学员付费学习
- 平台抽成 30%
- 面临增长停滞、内容质量参差、教师流失等问题

Step 0 · 输入校验（强制，先于五步法执行）

> 位置：在第①步之前。 先判定输入属于哪一类情形 → 走对应处理动作 → 把结果填进输出模板顶部的「输入校验」一行，然后才允许进入五步法。禁止跳过本步直接分析，也禁止替用户补全未提供的公司名、决策人、数据。
> 分级细则（E1-E4）、三级降级策略（L1/L2/L3）见文末「异常处理与稳定性 · B1 / B2」，本表是其主流程入口。

判定后的硬要求：无论走哪一类，都必须在输出模板顶部写明 > 输入校验：通过 或 > 输入校验：降级（L2/L3，缺：xxx）；降级时按 B2 对应级别控制输出范围，并在结论中把降级影响到的步骤标「待验证」。

第一步：界定系统边界与目的

①-① 界定系统边界

> 目标：明确分析范围划在哪——哪些要素放进系统内分析，哪些视为环境因素。

①-①-A 功能边界

核心描述：
划定系统的「职能范围」——从A到B之间的完整链条。功能边界决定了你分析的是「整个价值链」还是「一个环节」。

拆解动作：

第1步：列出系统涉及的所有业务活动清单
  └─ 把完整的业务流从起点到终点写下来（如：获客→转化→交付→售后→复购）
  └─ 不要筛选，先全部列出

第2步：对每个活动问「失去它，系统还能运作吗？」
  └─ 不能运作 → 放系统内
  └─ 能运作（质量下降但不死）→ 放边界上
  └─ 完全不影响 → 放环境

第3步：检查边界是否合理
  └─ 如果系统内要素 > 9个 → 边界太宽，需要收缩
  └─ 如果系统内要素 < 3个 → 边界太窄，可能遗漏关键
  └─ 最佳范围：5±2个核心功能活动

示例（知学在线）：

第1步 — 完整活动清单：
获客(广告/SEO) → 教师入驻审核 → 课程上架 → 课程推广 → 学员购买 → 课程学习 → 教学互动 → 课程评价 → 复购推荐 → 教师结算

第2步 — 筛选：
├─ 不能失去的（系统内）：教师入驻审核、课程上架、学员购买、课程学习、教师结算
├─ 能失去但不死（边界上）：课程评价（可外包）、教学互动（可关掉）
└─ 不影响核心（环境）：获客广告（可换渠道）、复购推荐（可等自然增长）

第3步 — 功能边界结论：
「知学在线」的功能边界 = 审核→上架→交易→学习→结算
不包含：前端获客方式（可换）、教学互动工具（可外包）

①-①-B 组织边界

核心描述：
确定系统内有哪些「决策主体」——谁的行为会直接影响系统状态，谁的话「说了算」。

拆解动作：

第1步：列出与系统有利益关系的所有组织/角色
  └─ 直接方：团队内部各角色（创始人/运营/产研/销售）
  └─ 间接方：合作伙伴/供应商/渠道/投资人/监管/竞品

第2步：对每个角色评估「决策权重」
  └─ 高权重（直接影响系统行为）：他们的决策改变系统变量
  └─ 中权重（间接影响）：他们的行为通过其他人传导
  └─ 低权重（环境影响）：基本不影响

第3步：系统内只放「高权重」+「中权重且有双向影响」的角色
  └─ 单向影响（系统影响ta但ta不影响系统）→ 放环境

示例（知学在线）：

第1步 — 完整利益相关者清单：
内部：创始人/CEO、运营团队、产品团队、技术团队、销售团队、客服团队
外部：教师（内容供给端）、学员（需求端）、支付平台、云服务商、投资机构、在线教育监管机构、搜索引擎（流量来源）

第2步 — 决策权重评估：
├─ 高权重：创始人（战略决策）、教师（内容供给）、学员（付费决策）
├─ 中权重：运营团队（日常执行）、产品团队（体验设计）
├─ 低权重：支付平台（标准接口）、云服务商（基础服务）、搜索引擎（通用流量）

第3步 — 组织边界结论：
系统内角色：创始人团队 + 运营团队 + 产品+技术团队 + 教师 + 学员
环境角色：支付平台、云服务商、搜索引擎、监管机构

①-①-C 时间边界

核心描述：
确定分析的观察窗口——系统分析不能是「无限时间」的，需要锁定一个有意义的时间跨度。

拆解动作：

第1步：根据分析目的选时间跨度
  └─ 诊断当前困境：分析过去6-12个月 + 未来3-6个月
  └─ 战略规划：分析过去1-3年 + 未来12-24个月
  └─ 创业验证：分析过去0-3个月 + 未来3-9个月

第2步：标注时间边界内的关键节点
  └─ 已知的特殊事件（融资/产品上线/政策变化）
  └─ 已知的周期性波动（旺季/淡季）

第3步：明确时间边界的「限制」
  └─ 这个时间窗口内的分析有效，超出窗口的结论需要重新评估

示例（知学在线）：

第1步 — 分析目的：诊断「增长停滞」
选择时间边界：过去12个月（看清趋势）+ 未来6个月（干预窗口）

第2步 — 关键节点：
├─ 9个月前：完成A轮融资
├─ 6个月前：启动大规模教师招募计划
├─ 3个月前：新注册教师数量开始下降
└─ 1个月前：平台总收入首次环比下滑

第3步 — 限制声明：
本分析基于「过去12个月」的数据模式和「未来6个月」的市场假设。
如果发生重大政策变化或技术颠覆，结论需要重新校准。

①-② 识别系统要素

> 目标：找出系统内真正重要的参与者、资源、规则和隐性变量。

①-②-A 角色要素识别

核心描述：
找出系统中扮演不同功能角色的「人/组织/算法」——它们是系统的参与者，行为会影响系统整体。

拆解动作（5步排查法）：

第1步：识别「生产者」——创造核心价值的角色
  └─ 问：没有谁，系统就什么都没有？
  └─ 他们的核心行为是什么？→ 把什么输入转化为什么输出？

第2步：识别「消费者」——消耗/使用价值的角色
  └─ 问：谁是价值的最终接收者？
  └─ 他们的决策标准是什么？（价格/质量/便利/体验？）

第3步：识别「调节者」——设定规则/界限的角色
  └─ 问：谁决定了「什么能做、什么不能做」？
  └─ 他们的控制手段是什么？（审核/处罚/激励/封禁？）

第4步：识别「输送者」——让价值流动的角色
  └─ 问：谁把生产者和消费者连接起来？
  └─ 他们的效率和成本是多少？

第5步：识别「破坏者」——可能让系统崩坏的角色
  └─ 问：谁如果行为极端，系统就会出大问题？
  └─ 他们的激励和约束分别是什么？

示例（知学在线）：

第1步 — 生产者：教师
└─ 核心行为：制作课程内容 → 决定平台的内容数量和质量
└─ 输出：课程视频、资料、答疑服务

第2步 — 消费者：学员
└─ 核心行为：购买和学习课程 → 决定平台的收入
└─ 决策标准：课程质量 > 价格 > 平台体验 > 品牌

第3步 — 调节者：运营审核团队 + 平台算法
└─ 运营审核：决定哪些课程能上架（质量把关）
└─ 推荐算法：决定哪些课程被看到（流量分配）

第4步 — 输送者：支付系统 + 课程推荐系统
└─ 支付：完成交易闭环
└─ 推荐：匹配学员与课程

第5步 — 破坏者：刷单教师 + 恶意差评用户
└─ 刷单教师：通过虚假交易套取平台补贴
└─ 恶意差评：破坏优质课程的口碑积累

①-②-B 资源要素识别

核心描述：
找出系统中流动的关键资源——金钱、注意力、信息、人才、信任等。资源的流向和速率决定了系统的运行效率。

拆解动作（4类资源排查）：

第1步：识别「资金流」相关的资源
  └─ 钱从哪里来？（收入来源）→ 钱到哪里去？（支出构成）
  └─ 哪些资金的流入是「稳定/可预测」的？哪些是「波动/不可靠」的？
  └─ 关键指标：毛利率、现金流周期、客户生命周期价值(LTV)

第2步：识别「注意力」相关的资源
  └─ 用户的时间/注意力花在哪？
  └─ 团队/管理层的注意力分配在哪？
  └─ 关键指标：用户停留时长、团队时间分配比例

第3步：识别「信息/数据」相关的资源
  └─ 什么样的数据是有价值的？谁拥有它？
  └─ 哪些信息在系统中「该看到但没被看到」？
  └─ 关键指标：数据完整度、信息延迟、信息不对称度

第4步：识别「信任/品牌」相关的资源
  └─ 系统积累了什么样的信任资产？
  └─ 信任是怎么被积累的？是怎么被消耗的？
  └─ 关键指标：复购率、推荐率、品牌搜索量、客诉率

示例（知学在线）：

第1步 — 资金流：
├─ 收入来源：学员购课（80%）、会员订阅（15%）、企业培训（5%）
├─ 支出构成：教师分成（40%）、市场投放（25%）、团队薪酬（20%）、服务器/带宽（10%）、其他（5%）
└─ 关键状态：现金流为正，但市场投放回报率在下降（ROI从3.5降到2.1）

第2步 — 注意力：
├─ 用户注意力：平均每天23分钟在平台上，主要花在「浏览课程列表→观看免费试看」
├─ 团队注意力：运营50%时间在审核新课程，产品30%在迭代推荐算法，20%在客服
└─ 关键状态：审核团队被新课程量淹没，审核深度下降

第3步 — 信息/数据：
├─ 拥有的数据：学员行为轨迹（全量）、课程完课率、评价数据
├─ 缺乏的数据：学员学习目标（为什么买这门课）、教师授课投入度
└─ 关键信息不对称：教师不知道自己的课程比其他同类课程差在哪

第4步 — 信任/品牌：
├─ 品牌定位：「人人可学的平价在线课程」
├─ 信任积累方式：学员评价体系 + 7天无理由退款
└─ 信任消耗事件：3个月前有批量刷单课程未被及时下架 → 品牌信任受损

①-②-C 规则要素识别

核心描述：
找出系统的「游戏规则」——谁定规则、什么规则、规则对行为的塑造作用。规则是系统中「最便宜但最有力的干预点」之一。

拆解动作：

第1步：识别「正式规则」
  └─ 书面的制度/合同/KPI/流程
  └─ 逐条写出，不要遗漏
  └─ 对每条规则问：「这个规则在鼓励什么行为？在惩罚什么行为？」

第2步：识别「非正式规则」
  └─ 虽然没有写在纸上，但所有人都知道「应该这样做」
  └─ 文化/惯例/潜规则
  └─ 问：「新来的人被教导要怎么做？」

第3步：识别「规则冲突」
  └─ 找两条鼓励相反行为的规则
  └─ 例：规则A说「保证质量」，规则B说「多快好省」→ 冲突
  └─ 规则冲突的地方就是系统问题的高发区

第4步：识别「规则空白」
  └─ 什么事没有人定规则？
  └─ 规则的真空地带往往滋生「最野的行为」

示例（知学在线）：

第1步 — 正式规则：
├─ 教师入驻审核标准：需提供身份认证+3个试讲视频
├─ 课程定价规则：平台建议价+教师可上下浮动20%
├─ 收入分成规则：平台拿30%，教师拿70%
├─ 推荐算法规则：综合完课率+评价分数+更新时间 排序
├─ KPI规则：运营团队按「新上架课程数」考核
└─ 每条规则的效果分析：
   ├─ 定价规则→教师倾向于定高价（上浮20%）→学员觉得贵→转化率下降
   ├─ 推荐算法→综合排序→老课程永远排在前面→新课程很难被看到
   └─ 运营KPI→按新课程数考核→运营追求数量忽视质量→审核变松

第2步 — 非正式规则：
├─ 「优质教师的课优先推」没有写在规则里但默认这么做
├─ 「别得罪大V教师」高层默许大V教师的课程免审
└─ 「差评别删但可以忽略」客服对差评的处理标准模糊

第3步 — 规则冲突：
├─ 冲突1：「按新课程数考核运营」vs「质量优先」
│   └─ 结果：运营快速放行新课程，质量参差
├─ 冲突2：「推荐算法偏袒老课程」vs「鼓励新教师入驻」
│   └─ 结果：新教师课程曝光少→入驻积极性下降→供给萎缩
└─ 冲突3：「教师自由定价」vs「平台希望有竞争力的价格」
    └─ 结果：价格偏高，学员流失到竞品

第4步 — 规则空白：
├─ 没有「课程质量分级」规则—是好是坏全凭算法和评价
├─ 没有「教师淘汰」规则—再差的课程也不会被下架
└─ 没有「教师成长支持」规则—最好的教师和最差的教师享受一样的服务

①-②-D 隐性要素识别

核心描述：
找出那些「看不见但影响巨大」的要素——沉默的变量、被忽略的角色、无形的力量。它们是系统分析中最容易被遗漏但往往最关键的部分。

拆解动作：

第1步：识别「被忽略的中间人」
  └─ 谁在系统里做了重要的事但没人注意到？
  └─ 他们做的事对系统多重要？如果ta明天消失会怎样？
  └─ 例：社区里的「超级用户」在免费回答问题

第2步：识别「沉默的大多数」
  └─ 系统中的哪些参与者不发声？
  └─ 他们的行为和态度是什么？（不是他们说的话，是做的事）
  └─ 例：99%的从来不评价的学员—他们是满意还是不满意？

第3步：识别「负向外部性」
  └─ 系统的某个行为给谁带来了「不是ta造成的成本」？
  └─ 谁在承担系统的副作用？
  └─ 例：低价促销吸引了大量低质量用户，增加了客服成本（由团队承担）

第4步：识别「隐形天花板」
  └─ 什么限制了系统的继续发展？
  └─ 不是「缺钱缺人」这种显性因素，而是认知/文化/惯性
  └─ 例：「我们就是做课程的」→ 无法看到「我们是做学习服务的」

示例（知学在线）：

第1步 — 被忽略的中间人：
├─ 课程助教（由教师自己招募）→ 承担了80%的学员互动，但平台完全不接触他们
├─ 超级学员（主动在社区回答问题的老用户）→ 贡献了社区活跃度，但没有被激励
└─ 结论：两个关键角色在系统外被忽略了

第2步 — 沉默的大多数：
├─ 65%的学员从未评价过课程→他们满意吗？不知道
├─ 80%的教师不会再开第二门课→为什么？不知道（没有做过流失访谈）
└─ 结论：大量关键信息被「沉默」掩盖了

第3步 — 负向外部性：
├─ 教师之间竞争同一批学员→一个教师降价，其他教师的学员流失（但降价教师不在乎）
├─ 大量低质课程上架→学员信任度下降→所有优质课程也受影响
└─ 结论：公用地悲剧正在发生——「课程质量这个公共资源」在被消耗

第4步 — 隐形天花板：
├─ 「我们是一个课程平台」→ 限制了从「卖课」到「卖学习效果」的转型
├─ 「教师的课就是产品」→ 看不到「教师的成功才是产品」
└─ 结论：现行范式限制了战略想象力

①-②-E 要素甄别（裁剪不必要要素）

核心描述：
从前面的清单中筛选出真正「属于系统内部」的要素——不是所有要素都值得分析，太多要素反而让系统图变得杂乱。

拆解动作：

对每个候选要素，问三个甄别问题：

第1问：「这个要素的变化会显著改变系统行为吗？」
  └─ 会 → 保留（进入下一问）
  └─ 不会 → 裁剪到环境

第2问：「系统行为的变化会反过来显著影响这个要素吗？」
  └─ 会 → 保留（是系统内部要素）
  └─ 不会 → 它是「单向依赖」→ 放到边界

第3问：「如果删除这个要素，系统的本质会变吗？」
  └─ 会 → 必须保留
  └─ 不会 → 可以裁剪或合并

最终原则：系统内要素不超过7±2个。超过 → 合并同类或缩小边界。

示例（知学在线）：

候选要素清单从前面分析得出约12个：

甄别过程：
├─ 学员 → 变化影响收入，行为受课程影响 → ✓ 保留
├─ 教师 → 变化影响供给，行为受分成影响 → ✓ 保留
├─ 运营团队 → 变化影响审核质量，受教师数量影响 → ✓ 保留
├─ 推荐算法 → 变化影响流量分配，受用户数据影响 → ✓ 保留
├─ 支付平台 → 变化影响交易，但不受系统影响（标准接口）→ ✗ 放环境
├─ 助教 → 重要但平台没接触到 → 标记为「潜在要素」暂放边界
├─ 超级学员 → 重要但不在系统内 → 放环境，监测
├─ 审核标准 → 这是规则不是要素 → 归到规则要素
├─ 投资机构 → 影响战略但不受日常系统影响 → 放环境
├─ 客服团队 → 变化影响满意度，受客诉量影响 → ✓ 保留
├─ 竞品 → 影响但不被影响 → 放环境
└─ 监管机构 → 单向影响 → 放环境

最终系统内要素（6个）：
1. 学员（消费者）
2. 教师（生产者）
3. 运营团队（调节者+审核）
4. 产品技术团队（调节者+推荐算法）
5. 客服团队（调节者+售后）
6. 管理层（决策者+规则制定）

①-③ 识别系统连接

> 目标：找出要素之间的「关系」——资金、信息、物资、权力在哪些路径上流动。

①-③-A 资金连接识别

核心描述：
找出系统中所有「钱」的流向——谁付给谁、什么条件下付、多少金额。资金连接决定了系统的经济驱动力。

拆解动作：

第1步：画资金流向图
  └─ 从最终资金来源（用户/投资人/广告主）开始
  └─ 画箭头：谁→谁（方向）
  └─ 标注：金额/比例、频率（一次性/月度/按量）

第2步：对每条资金连接问
  └─ 如果这条资金流断了，对系统的影响有多大？
  └─ 谁在控制这条流的「开关」？
  └─ 有没有另一条替代资金流？

第3步：标注「第三方依赖」
  └─ 哪条资金流经过了第三方？
  └─ 第三方抽成多少？有没有切换成本？

示例（知学在线）：

资金流向图：
├─ 学员 → 平台：课程费（一次性，平均¥299）
├─ 平台 → 教师：课程费的70%扣税后结算（月度）
├─ 平台 → 员工：薪酬（固定+绩效，月付）
├─ 平台 → 云服务商：服务器费用（月度，约¥5万）
├─ 平台 → 广告平台：获客投放（日付，约¥8万/月）

关键资金流分析：
├─ 学员→平台（80%收入）：断了就死。开关在「课程质量×价格」
├─ 平台→教师（40%支出）：断了就没人教。但有支付延迟（30-60天账期）
└─ 替代流：沉淀资金利息（少量）、企业培训（新拓展、占比低）

①-③-B 信息连接识别

核心描述：
找出谁看到了什么信息、谁看不到什么信息。信息流是系统中「成本最低但影响最大的杠杆点」——有时只需要让A看到B的数据，行为就会改变。

拆解动作：

第1步：列出系统中所有关键「决策点」
  └─ 谁需要在什么时间做什么决定？
  └─ 每个决策需要什么信息才好做？

第2步：对每个决策点，问「这个信息现在有吗？谁有？」
  └─ 有，且决策者能看到 → ✅ 绿色，信息通畅
  └─ 有，但决策者看不到 → ⚠️ 黄色，信息被截留
  └─ 没有人有 → 🔴 红色，信息盲区

第3步：识别「信息扭曲/过滤」
  └─ 信息在传递过程中被谁扭曲了？
  └─ 扭曲的方式是「选择性上报」还是「数据粉饰」？
  └─ 例：销售只报好消息 → 管理层看不到危机

第4步：标记「该透明但没透明」的信息
  └─ 如果让系统中的某个角色看到另一个角色的数据，行为会怎么变？
  └─ 例：让教师看到学员的「课程对比数据」→ 教师会改进课程

示例（知学在线）：

关键决策点 → 所需信息 → 信息状态：

├─ 决策点1：学员决定是否购买课程
│   └─ 需要信息：课程质量（评价/完课率/试看体验）
│   └─ 能看到吗？→ 能看到评价和完课率，但「试看节选」可能不代表性
│   └─ 状态：⚠️ 有信息但可能有偏差

├─ 决策点2：教师决定是否投入时间做新课
│   └─ 需要信息：上架后的预期收益（同类课程平均销量）
│   └─ 能看到吗？→ 看不到。教师只能「凭感觉猜」
│   └─ 状态：🔴 信息盲区 → 大量教师因不确定收益而放弃开课

├─ 决策点3：运营决定是否通过一门新课
│   └─ 需要信息：课程质量（内容完整度/试讲水平/与平台标准的差距）
│   └─ 能看到吗？→ 看到试讲视频但缺乏"量化标准"
│   └─ 状态：⚠️ 有信息但缺少评判框架

├─ 决策点4：管理层决定资源投入方向
│   └─ 需要信息：各环节ROI、用户留存漏斗、竞品动态
│   └─ 能看到吗？→ 能看到财报数据，但「用户为什么流失」是盲区
│   └─ 状态：⚠️ 知道结果但不知道原因

信息扭曲点：
├─ 运营团队汇报时夸大了「新课程上架量」，隐瞒了审核深度下降
└─ 客服团队通过筛选上报客诉 → 管理层看到的投诉量是「过滤后」的

①-③-C 权力连接识别

核心描述：
找出「谁说了算」以及「影响力如何传递」——不是组织架构图上的虚线，是真实世界里的决策流向。

拆解动作：

第1步：画正式权力线（组织架构/合同约定）
  └─ 谁向谁汇报？
  └─ 谁的审批是必须的？
  └─ 谁可以否决谁的决定？

第2步：画实际权力线（谁真正说了算）
  └─ 关键决策（定价/方向/用人）最终谁定？
  └─ 有没有「没有职位权威但有实际影响力」的人？
  └─ 有没有「有职位权威但被架空」的人？

第3步：识别「权力的真空」和「权力的冲突」
  └─ 什么事没有人在乎/没有人负责？→ 权力真空
  └─ 什么事两个人都觉得是自己说了算？→ 权力冲突

示例（知学在线）：

正式权力线：
├─ 创始人CEO → VP产品/VP运营/VP技术
├─ VP运营 → 审核主管（3人）、客服主管（5人）、内容运营（2人）
└─ VP产品 → 推荐算法组（4人）、前端组（3人）

实际权力线：
├─ CEO定大方向（拓展品类/融资节奏）
├─ VP运营实际决定了「什么课程能上架」—因为没有明确的审核标准
├─ 推荐算法组决定了「流量分配」—但他们的考核指标是「点击率」而非「学习效果」
└─ 有个资深审核员（5年经验）虽然只是普通员工，但新人都听他指导—实际影响力大于主管

权力真空：
├─ 「教师留存」没人负责—运营负责审核，产品负责体验，但没有人对「教师为什么离开」负责
└─ 「课程质量评级」没人负责—没有统一的质量标准，各自凭感觉判断

权力冲突：
├─ 运营想多上架新课（考核指标），产品想控制质量（怕差评影响留存）
└─ 结果：运营快速放行 → 质量下降 → 学员差评 → 产品团队被指责

①-③-D 连接强度标注

核心描述：
对每一条连接评估其强度——强连接是系统的「骨架」，弱连接是系统的「冗余」。连接强度越高，断裂时系统的震荡越大。

拆解动作：

对每条连接，从三个维度打分（1-5分）：

维度1：频繁程度
  └─ 这个连接多久被使用一次？（每天/每周/每月）
  └─ 1=每年一次，5=每天多次

维度2：替代难度
  └─ 如果这条连接断了，有没有替代路径？
  └─ 1=马上能找到替代，5=完全无法替代

维度3：影响范围
  └─ 这条连接断裂会影响多少个要素？
  └─ 1=只影响一个要素，5=影响所有要素

总分 = (频繁度 + 替代难度 + 影响范围) / 3
4-5分：关键连接（需重点监控）
2-4分：一般连接
1-2分：边缘连接

示例（知学在线）：

连接1：学员 → 平台（资金流）
├─ 频繁程度：5（每天大量交易）
├─ 替代难度：5（没学员就没收入）
├─ 影响范围：5（影响所有要素）
└─ 总分：5.0 → 🔴 关键连接

连接2：教师 → 平台（内容供给）
├─ 频繁程度：3（每周有新课程提交）
├─ 替代难度：4（好教师难找）
├─ 影响范围：4（影响学员体验、收入）
└─ 总分：3.7 → 🟡 重要连接

连接3：运营 → 教师（反馈/支持）
├─ 频繁程度：2（月度沟通）
├─ 替代难度：3（没反馈教师也照样教）
├─ 影响范围：3（影响教师满意度）
└─ 总分：2.7 → 🟢 一般连接

①-④ 识别系统目的

> 目标：确定系统存在的真实目的——不是「宣称的目的」，而是系统的实际行为揭示的目的。

①-④-A 行为推断法

核心描述：
Meadows 最重要的原则之一：不要听它说它要什么，看它做了什么。系统的真实目的由其资源分配和行为揭示。

拆解动作：

第1步：看钱怎么花的
  └─ 找到过去6个月的实际资金分配比例
  └─ 问：如果钱流向A而非B → A就是系统的真实优先项
  └─ 对比「宣称要做的事」和「钱实际花在哪」

第2步：看时间怎么花的
  └─ 管理层的会议时间、团队的工作时间分配
  └─ 例：每个周一开会讨论「用户体验」，但80%时间花在「数据处理」
  └─ 实际优先事项：数据处理 > 用户体验

第3步：看奖励怎么发的
  └─ 谁升职了？谁拿到了奖金？谁被表扬了？
  └─ 升职的人做了什么？→ 那就是系统真正在意的能力
  └─ 例：嘴上说「质量第一」，但升职的是「上新课最多的人」

示例（知学在线）：

第1步 — 资金分配：
├─ 宣称目的：「成为最好的终身学习平台」
├─ 实际资金分配：市场投放（40%）> 教师分成（30%）> 技术（15%）> 教研（5%）
└─ 真实目的：「获取新用户并完成交易」—而不是「交付最好的学习效果」

第2步 — 时间分配：
├─ 宣称目的：「教师成功」
├─ 实际时间分配：CEO 60%时间在融资和商务，VP运营50%在审核新课
└─ 真实目的：「扩大课程供给」—而不是「让现有教师成功」

第3步 — 奖励分配：
├─ 宣称目的：「创造知识价值」
├─ 升职案例：上季度升职的运营主管是因为「新课程上架量环比增长40%」
└─ 真实目的：「追求供给数量」—而不是「质量」

⚠️ 结论：【宣称目的】「最好的学习平台」≠ 【实际目的】「扩大交易量」
     这个不一致是系统最重要的洞察之一。

①-④-B 缺失检验法

核心描述：
如果系统真的以XX为目的，那么某些行为「不应该出现」——当这些行为反复出现时，说明系统的真实目的是别的。

拆解动作：

第1步：假定宣称目的为真
  └─ 写下：「如果我们的目的是XX，那么我们不应该做Y」

第2步：检查Y是否在发生
  └─ Y如果正在发生 → 目的宣称不可信
  └─ Y出现的频率有多高？

第3步：用排除法推断真实目的
  └─ 既然我们在做Y，那我们的目的是什么？
  └─ 答案往往是那个「不说出口但都在追求」的东西

示例（知学在线）：

第1步 — 假定：
如果目的是「学员学习效果」，那么：
├─ ❌ 不应该：放任低分课程继续售卖（伤害学员信任）
├─ ❌ 不应该：教师分成基于销量而非教学质量
├─ ❌ 不应该：没有「学习效果追踪」功能

第2步 — 检查：
├─ 放任低分课程：✅ 正在发生（没有课程下架机制）
├─ 教师分成基于销量：✅ 正在发生
├─ 没有学习效果追踪：✅ 正在发生

第3步 — 排除法：
既然以上全部「不应该」都在发生 → 目的不是「学习效果」
真实目的推断：「最大化平台GMV」—一切围绕着「成交」

①-④-C 冲突情境测试

核心描述：
设计一个必须在两个价值之间二选一的场景——看系统选了哪个。这个选择直接暴露了系统的真实优先级。

拆解动作：

第1步：设计2-3个「必须二选一」的情境
  └─ 情境1：扩大用户数 vs 提升客单价 → 系统会选哪个？
  └─ 情境2：提高教师分成 vs 降低学员价格 → 系统会选哪个？
  └─ 情境3：快速扩张 vs 持续优化 → 系统会选哪个？

第2步：看系统历史上遇到类似冲突时选了哪边
  └─ 找过去的真实决策案例（不是规划、是已执行的）
  └─ 例：当盈利和规模冲突时，公司选了规模（烧钱换增长）

第3步：从选择中提炼系统的「第一性目标」
  └─ 在反复选择中，什么目标从未被牺牲过？
  └─ 那个从未被牺牲的目标 = 系统的至高目的

示例（知学在线）：

情境测试1：控制课程质量 vs 快速扩大供给
├─ 历史选择：选了「快速扩大供给」（审核流程简化、门槛降低）
├─ 代价：质量参差 → 但系统认为这个代价可以接受
└─ 揭示：规模 > 质量

情境测试2：提高教师满意度 vs 降低学员价格
├─ 历史选择：维持价格不变，给教师更多曝光（不涨分成也不降价）
├─ 实际效果：什么都没真做 → 维持现状优先
└─ 揭示：稳定 > 变革

情境测试3：投资推荐算法 vs 投资教师培训
├─ 历史选择：选了推荐算法（技术投入）
├─ 效果：推荐效率提升30%，但优质教师没增多
└─ 揭示：短期数据改善 > 长期能力建设

第一性目标推断：「最大化GMV，同时最小化运营复杂度」

①-⑤ 确定系统环境

> 目标：列出系统边界外的关键环境因素——它们影响系统，但系统无法控制它们。

核心描述：
把前几步确定「不属于系统内」但「显著影响系统」的因素集中整理。区分「可预判」和「不可预判」的环境因素。

拆解动作：

第1步：整理前几步中被「放到环境」的因素
  └─ 从边界界定中拿到的「环境因素」
  └─ 从要素甄别中拿到的「裁剪要素」

第2步：补充外部环境中可能影响系统的关键变量
  └─ 技术趋势、政策变化、竞争格局、宏观经济
  └─ 每一个标注「可预判程度」（高/中/低）

第3步：对每个环境因素，评估其对系统的冲击
  └─ 如果这个因素往坏的方向发展，系统会怎样？
  └─ 冲击等级：致命/严重/可承受/可忽略

示例（知学在线）：

🌍 环境因素清单：

1. 在线教育监管政策
   ├─ 可预判程度：中（政策走向有迹可循但具体出台时间不确定）
   └─ 冲击等级：如果限制预付费 → 严重（现金流压力）

2. 竞品动态
   ├─ 可预判程度：中（头部竞品融资节奏可预测）
   └─ 冲击等级：如果竞品大规模补贴 → 严重（用户流失）

3. 技术趋势（AI教育工具）
   ├─ 可预判程度：低（发展速度超预期）
   └─ 冲击等级：如果出现AI个性化学习替代课程 → 致命（业务模式颠覆）

4. 宏观经济/居民消费信心
   ├─ 可预判程度：中（经济指标可跟踪）
   └─ 冲击等级：如果消费降级 → 可承受（客单价下调空间存在）

5. 教师行业变化（自由职业趋势）
   ├─ 可预判程度：高（自由职业者比例在上升）
   └─ 冲击等级：积极 — 更多教师供给

第二步：识别反馈回路

②-① 理解反馈回路基础

> 目标：掌握两种回路的核心机制，才能准确识别系统中的驱动和制约力量。

②-①-A 增强回路（R）理解

核心描述：
增强回路 = 「雪球效应」——变化被放大，系统加速向一个方向运动。可能是正向（增长飞轮）也可能是负向（死亡螺旋）。

拆解动作：

第1步：理解「+」符号
  └─ A──(+)→B：A增加时B增加，A减少时B减少（同向变化）
  └─ 不是「变好」的意思，只是「同方向」

第2步：判断回路类型的规则
  └─ 因果链里「-」的数量为 偶数 → 增强回路（R）
  └─ 因果链里「-」的数量为 奇数 → 调节回路（B）

第3步：判断回路是正向还是负向
  └─ 正向增强R+：系统在向「更好」的方向加速（如：口碑→用户→口碑）
  └─ 负向增强R-：系统在向「更差」的方向加速（如：流失→收入不足→质量下降→流失）

示例：

增强回路示例：网络效应
学员多 ──(+)
  └─ 更多价值（更多人交流讨论）
    └─ 吸引更多学员 ──(+)──┘

因果链中「-」数量 = 0（偶数）
→ R（增强回路）
→ R+（正向增强，因为系统向「更大更强」方向运动）

②-①-B 调节回路（B）理解

核心描述：
调节回路 = 「恒温器效应」——系统感知到偏离目标 → 自动纠正 → 回到目标附近。它是系统自我稳定的机制。

拆解动作：

第1步：理解「-」符号
  └─ A──(-)→B：A增加时B减少，A减少时B增加（反向变化）
  └─ 例：价格↑──(-)→需求↓

第2步：识别调节回路的「目标值」
  └─ 每个调节回路都有一个隐含的「目标」
  └─ 例：恒温器的目标是25℃，体重的目标是"正常范围"
  └─ 业务的调节回路目标往往是隐含的（如：利润率不低于15%）

第3步：判断调节回路的行为类型
  └─ 稳定型：保持系统在某个范围（如库存管理）
  └─ 追赶型：让系统趋近一个移动的目标（如追赶竞品定价）
  └─ 振荡型：延迟太长导致反复过冲→回调→过冲

示例：

调节回路示例：市场饱和
学员数 ↑ ──(+)
  └─ 剩下用户更难获取（更挑剔/渠道枯竭）
    └─ 获客成本↑ ──(-)
      └─ 新增学员↓ ──(回到起点)

因果链中「-」数量 = 1（奇数）
→ B（调节回路）
→ 目标值：可获得用户的「总量天花板」

②-② 识别增强回路

> 目标：逐一检查系统中有哪些「增长引擎」在自动加速。

②-②-A 按增强回路清单逐一排查

核心描述：
用预设的8种常见增强回路清单对照检查，看项目符合哪几种。每种有特定的「识别信号」和「因果链结构」。

拆解动作（对每种回路执行如下流程）：

第1步：读「识别信号」
  └─ 检查系统中是否有对应信号出现
  └─ 如信号匹配 → 进入第2步深度排查

第2步：画因果链
  └─ A──(+)→B──(+)→C──(+)→A
  └─ 验证每个箭头的方向是否正确
  └─ 找到「回路启动的条件」（什么变量才让这个回路开始运转？）

第3步：评估强度
  └─ 当前这个回路对系统行为的「贡献度」
  └─ 1-5分：1=几乎不影响，5=系统最核心的驱动力

第4步：评估可持续性
  └─ 这个回路有「燃料耗尽」的一天吗？
  └─ 如果是，什么信号能预警「燃料即将耗尽」？

8种增强回路排查清单：

R1 网络效应

R2 规模效应

R3 飞轮效应

| 核心描述 | 多个良性循环串联成一个自增强的闭环。Amazon飞轮：更低价格→更好体验→更多流量→更多卖家→更多选品→更低价格。 |
| 识别信号 | 「有好几个循环互相强化」；「增长似乎停不下来」 |
| 因果链 | 体验↑ → 口碑↑ → 获客成本↓ → 更多用户↑ → 更多收入↑ → 更多投入↑ → 体验↑ |
| 拆解动作 | 第1步：把系统中所有「良性循环」画出来<br>第2步：看它们是否连接成一个更大的循环<br>第3步：如果有一个循环断裂，飞轮就会停 |
| 示例（知学在线） | 部分成立：学员多→评价多→课程可信度高→更多学员买→教师收入高→教师更投入→课程更好→学员多。但中间有断裂：教师收入高→更投入这条链是否存在？→ 不明确。强度：3/5，但链条有薄弱环节。 |

R4 学习曲线

| 核心描述 | 经验积累→效率提升→成本降低→更多资源和实践→更多经验。 |
| 识别信号 | 「做得越久越熟练」「老手和新手差距明显」 |
| 因果链 | 经验↑ → 效率↑ → 成本↓ → 规模↑ → 经验↑ |
| 拆解动作 | 第1步：问「系统中有哪种能力会随着时间自动提升？」<br>第2步：这种效率提升是否被「体系化」了？（还是依赖个人）<br>第3步：如果依赖个人的经验→人员流动会打断回路 |
| 示例（知学在线） | 审核团队的经验积累：老审核员能在5分钟内判断课程质量，新人需要30分钟。但这份经验「在审核员的脑子里」而不是在流程里→如果有人离职就丢失。强度：2/5，因为经验没有体系化。 |

R5 品牌效应

| 核心描述 | 品牌认知提升→信任度上升→转化率上升→收入上升→更多品牌投入→品牌认知提升。 |
| 识别信号 | 「有人是因为听说我们来的」「品牌搜索占比提升」 |
| 因果链 | 品牌认知↑ → 信任↑ → 转化率↑ → 收入↑ → 品牌投入↑ → 品牌认知↑ |
| 拆解动作 | 区分「品牌效应」和「推广效应」：品牌效应是「用户主动搜索」，推广效应是「被动看到广告」 |
| 示例（知学在线） | 品牌效应非常弱：用户搜索「课程」而不是搜索「知学在线」。品牌搜索占比<5%。强度：1/5。 |

R6 数据网络效应

| 核心描述 | 用户数据积累→产品/推荐更智能→用户体验更好→吸引更多用户→更多数据。AI产品的核心增长引擎。 |
| 识别信号 | 「用得越多产品越聪明」「个性化推荐」 |
| 因果链 | 用户数据↑ → 推荐算法准确度↑ → 用户体验↑ → 新用户↑ → 用户数据↑ |
| 拆解动作 | 第1步：确认系统是否在「生产数据」（不是所有业务都生产有价值的数据）<br>第2步：数据有没有被用来「改善产品」？<br>第3步：如果数据只是存着没用→这条回路不存在 |
| 示例（知学在线） | 有一定数据积累（学员学习行为、完课率），但主要用于「推荐排序」而非「个性化学习方案」。强度：3/5。有潜力但未充分开发。 |

R7 人才磁石

| 核心描述 | 优秀人才→更好的产品/文化→吸引更多优秀人才。 |
| 识别信号 | 「牛人招牛人」；「行业里的人想加入我们」 |
| 因果链 | 优秀人才↑ → 产品/文化更好↑ → 吸引力↑ → 更多优秀人才↑ |
| 拆解动作 | 第1步：识别系统内「最顶尖的20%」<br>第2步：他们为什么会留下？他们的退出门槛是什么？<br>第3步：如果这20%走了，系统会受到多大冲击？ |
| 示例（知学在线） | 团队规模小（30人），有几位核心工程师。但品牌吸引力不够，高级人才更倾向去大厂。强度：2/5。会流失人才。 |

R8 恶性循环（反增强）

| 核心描述 | 负向的增强回路——系统在加速变差。是最需要「打断」的回路。 |
| 识别信号 | 「越来越难，然后越来越难」；「流失→收入↓→质量↓→更多流失」 |
| 因果链 | 客户流失↑ → 收入↓ → 资源投入↓ → 体验↓ → 更多客户流失↑ |
| 拆解动作 | 第1步：找到系统中最危险的「下降螺旋」<br>第2步：确定螺旋的「起点」或「触发条件」<br>第3步：找出打断螺旋的最短路径 |
| 示例（知学在线） | 正在形成：优质教师因为「销量不如预期」离开→课程质量中位数下降→学员信任下降→购课转化率下降→更多教师离开。触发点：教师看不到同类课程的数据→不知道自己课程为什么卖得不好。强度：3/5且正在增强。 |

②-③ 识别调节回路

> 目标：逐一检查系统中有哪些「刹车」在自动限制增长，以及它们离极限有多近。

拆解动作（对每种回路执行如下流程）：

第1步：读「识别信号」
  └─ 检查系统中是否有对应信号出现

第2步：找到调节回路的「目标值」
  └─ 是什么「隐含的目标」在触发纠偏？
  └─ 例：利润率低于15% → 自动触发成本削减

第3步：评估当前距离极限有多远
  └─ 1-5分：1=离极限还远，5=已经撞到极限了

第4步：判断极限的性质
  └─ 硬极限（不可突破的物理/市场限制）
  └─ 软极限（可以扩展但需要投入/创新）

7种调节回路排查清单：

B1 市场饱和

B2 竞争响应

| 核心描述 | 你的增长触发竞争对手的资源加码——对方加大投入、降价、抢教师、抢流量。 |
| 识别信号 | 「我—动对手就出手」「价格战」「教师被挖」 |
| 因果链 | 你的增长↑ → 竞争对手警觉↑ → 竞争强度↑ → 你的增长↓ |
| 拆解动作 | 第1步：列出主要的直接竞争对手<br>第2步：评估对手的资源储备（钱/团队/品牌）<br>第3步：判断「我做什么会激怒对手」 |
| 示例（知学在线） | 主要竞品2-3家，都获得了融资。知学做大规模补贴会引发竞品跟进，但没有价格战——因为竞品也在烧钱增长。当前竞品关注度：中等。距离：3/5。 |

B3 资源耗尽

| 核心描述 | 系统运行消耗有限资源——钱、人、注意力、带宽、好内容。当消耗速度 > 补充速度，增长自动刹车。 |
| 识别信号 | 「有钱没人做」「有订单交不了」「服务器撑不住」「好内容不够用」 |
| 因果链 | 活动水平↑ → 资源消耗↑ → 可用资源↓ → 活动限制↓ → 活动水平↓ |
| 拆解动作 | 第1步：找到系统中最稀缺的「不可再生资源」<br>第2步：计算消耗速度和补充速度<br>第3步：确认「哪个资源会最先枯竭」 |
| 示例（知学在线） | 最稀缺资源是「优质教师的生产力」——一个好的教师一年最多产出3-5门精品课，而需求量是数百门。优质教师供给跟不上用户需求。距离：4/5，已经接近极限。 |

B4 质量稀释

| 核心描述 | 扩张过快→标准放宽/资源分摊→质量下降→用户不满→流失。最典型的「扩张的代价」。 |
| 识别信号 | 「增长快了质量就掉」「投诉增多了」「客单价下降」 |
| 因果链 | 扩张速度↑ → 质量控制能力↓ → 质量↓ → 用户满意度↓ → 流失↑ → 扩张必要性↑（更高压力） |
| 拆解动作 | 第1步：找到质量指标（NPS/差评率/退货率/投诉率）<br>第2步：检查这些指标与增长速度的相关性<br>第3步：确认「哪个环节的质量最先崩溃」 |
| 示例（知学在线） | 正在发生：运营团队（5人）为了达成新课考核指标，审核深度下降。最近3个月差评率从8%升到15%。距离：4/5，已经触发了负面反馈。 |

B5 管理幅度

| 核心描述 | 团队扩张→管理复杂度上升→沟通成本上升→决策效率下降→增长放缓。 |
| 识别信号 | 「人多了反而慢了」「开会多了做事少了」「跨部门协调越来越难」 |
| 因果链 | 团队规模↑ → 管理复杂度↑ → 沟通成本↑ → 决策效率↓ → 执行速度↓ → 增长↓ |
| 拆解动作 | 第1步：看组织层级（每个人管理的下属数量）<br>第2步：看跨部门协作的「平均决策天数」<br>第3步：确认是「管理架构问题」还是「流程问题」 |
| 示例（知学在线） | 团队30人，层级还不多（CEO→VP→主管→员工），但「需要CEO审批的事情太多」成为瓶颈。距离：2/5，还没到极限但信号已经出现。 |

B6 过度自信

| 核心描述 | 前期的成功→降低警惕→决策质量下降→开始犯错→失败。最隐蔽的调节回路。 |
| 识别信号 | 「上次这么做成了」；「我们和别人不一样」；「这次没问题」 |
| 因果链 | 成功↑ → 自信心↑ → 警惕性↓ → 决策质量↓ → 失败↑ → 成功↓ |
| 拆解动作 | 第1步：检查最近的重大决策是否经过了充分验证<br>第2步：找「因为过去成功所以这次没多想的」例子<br>第3步：问系统有没有「反对者机制」（谁负责唱反调？） |
| 示例（知学在线） | A轮融资成功后，团队有一种「我们很行」的情绪。最近几个重要决策（定价调整、品类扩张）的论证过程比以前粗糙。距离：3/5，还没出大问题但趋势在变差。 |

B7 价格敏感

| 核心描述 | 用户对价格变化的敏感反应——涨价→需求下降；降价→短期需求但损害品牌。 |
| 识别信号 | 「用户对价格非常敏感」；「同行一降价我们就受影响」 |
| 因果链 | 价格↑ → 需求↓（替代品竞争力↑）→ 议价能力↓ → 价格↓ |
| 拆解动作 | 第1步：评估用户的价格弹性（涨价10%，销量变化多少？）<br>第2步：确认市场上替代品的数量和价格<br>第3步：判断定价权在谁手里 |
| 示例（知学在线） | 用户价格弹性较高——同样的课程在其他平台便宜20%就会流失。定价权弱，因为内容同质化。距离：3/5，正常竞争状态。 |

②-④ 回路强度与主导性判断

> 目标：看完所有回路后，判断当前哪些回路在主导系统行为，以及这个主导关系的变化趋势。

②-④-A 回路总览表

核心描述：
把所有识别出的回路汇总到一张表中，直观对比它们的相对强度。

拆解动作：

第1步：列出所有识别出的回路及其评分
  ├─ R1-R8（增强回路）
  └─ B1-B7（调节回路）

第2步：按强度排序
  └─ 标注强度最高（5分）的3个回路
  └─ 标注强度正在上升的回路

第3步：计算「净驱动」
  └─ 平均增强回路强度 - 平均调节回路强度
  └─ 正数 → 增长主导；负数 → 限制主导；接近0 → 僵持

示例（知学在线）：

回路总览表：

增强回路（R）：
├─ R1 网络效应：2/5（弱，在增强中）
├─ R2 规模效应：3/5（中等，稳定）
├─ R3 飞轮效应：3/5（中等，有断裂）
├─ R4 学习曲线：2/5（弱，依赖个人）
├─ R5 品牌效应：1/5（极弱）
├─ R6 数据网络效应：3/5（中等，有潜力）
├─ R7 人才磁石：2/5（弱）
└─ R8 恶性循环（反增强）：3/5（中等，在加速）
平均R强度：2.4/5

调节回路（B）：
├─ B1 市场饱和：3/5（中等）
├─ B2 竞争响应：3/5（中等）
├─ B3 资源耗尽：4/5（强，已接近极限）
├─ B4 质量稀释：4/5（强，正在发生）
├─ B5 管理幅度：2/5（弱但上升中）
├─ B6 过度自信：3/5（中等）
└─ B7 价格敏感：3/5（中等）
平均B强度：3.1/5

主导性判断：
净驱动 = 2.4 - 3.1 = -0.7（负数）
→ 当前系统由「调节回路主导」— 整体处于瓶颈期
→ 最强的两个刹车：B3资源耗尽(4)、B4质量稀释(4)
→ 最危险的变化：R8恶性循环在加速（强度在上升）

②-④-B 回路变化趋势

核心描述：
系统不是静态的——需要判断过去几个月各回路强度的变化方向。

拆解动作：

第1步：选取一个「基准时间点」（如6个月前）
第2步：对比现在和基准点，每个回路的强度变化
  └─ ↑ 上升 / ↓ 下降 / → 不变
第3步：聚焦「上升最快的刹车」和「下降最快的引擎」
  └─ 这是最需要关注的信号

示例（知学在线）：

过去6个月的回路变化：

R（增强回路）变化：
├─ R1网络效应：→（不变，没有新增网络节点）
├─ R2规模效应：→（稳定）
├─ R3飞轮效应：↓（从3→2，链条断裂处扩大）
├─ R6数据网络效应：↑（从2→3，推荐算法改进）
└─ R8恶性循环：↑（从1→3，加速形成）

B（调节回路）变化：
├─ B3资源耗尽：↑（从3→4，优质教师更稀缺）
├─ B4质量稀释：↑（从2→4，审核深度快速下降）
├─ B5管理幅度：↑（从1→2，团队扩张到30人）
└─ B6过度自信：↑（从1→3，A轮后心态变化）

核心信号：
✅ R6在变强（数据驱动的好消息）
❌ R8在快速变强（恶性循环在形成）
❌ B3+B4已经是强刹车且仍在加压
→ 结论：过去6个月，刹车比引擎增长快得多

第三步：存量-流量与延迟分析

③-① 识别关键存量

> 目标：找出系统中最值得跟踪的「积累量」——它们决定了系统的惯性、缓冲和韧性。

③-①-A 按5种类型快速排查

核心描述：
存量不是「能数的东西」，而是「能积累的东西」。用5种存量类型逐一排查系统。

拆解动作：

对每种存量类型，执行：
第1步：用「识别问题」检查系统中是否存在这类存量
第2步：如果有，估算当前值（数据或估算）
第3步：对每个候选存量，用「3个问题」验证它是不是真·存量：
  └─ Q1：它能被「积累」吗？（不是一次性事件？）
  └─ Q2：它能被「测量」吗？（哪怕是近似值？）
  └─ Q3：改变它需要「时间」吗？（不是瞬间变化？）
  └─ 三连「是」→ 这是一个关键存量

5种存量类型：

验证过程（以「课程库」为例）：

Q1：能积累吗？→ 是的，课程一旦上架不会消失 → ✅
Q2：能测量吗？→ 可以，2000门 → ✅
Q3：改变需要时间吗？→ 是的，新课制作需要2-4周 → ✅
→ 结论：关键存量 ✓

③-①-B 存量优先级排序

核心描述：
不是所有存量同等重要。找出对系统行为影响最大的3-5个关键存量，重点跟踪。

拆解动作：

对每个候选存量，问4个优先级问题：

Q1：这个存量的变化会显著改变系统行为吗？
  └─ 会→+1分

Q2：这个存量的补充需要长时间吗？
  └─ 需要→+1分（越难补充越关键）

Q3：这个存量的恢复成本高吗？
  └─ 高→+1分

Q4：多个要素依赖这个存量吗？
  └─ 是→+1分

总分0-4分：
3-4分：核心存量（重点跟踪）
2分：重要存量
0-1分：一般存量（可以不重点跟踪）

示例（知学在线）：

候选存量排序：

1. 现金储备 → 3分（核心）
   ├─ 变化影响？→ 收支平衡的关键 ✅
   ├─ 补充时间长？→ 依赖融资或营收 ✅
   ├─ 恢复成本高？→ 高 ✅
   └─ 多要素依赖？→ 所有支出依赖现金 ⚠️ 不是「多要素依赖」是「全局依赖」

2. 优质教师数 → 4分（核心）
   ├─ 变化影响？→ 直接决定内容质量 ✅
   ├─ 补充时间长？→ 挖人+审核需要2-3月 ✅
   ├─ 恢复成本高？→ 高，品牌溢价 ✅
   └─ 多要素依赖？→ 学员/运营/收入都依赖他们 ✅

3. 课程库中位数质量分 → 4分（核心）
   ├─ 变化影响？→ 决定学员信任和复购 ✅
   ├─ 补充时间长？→ 需要通过审核流程，需要时间 ✅
   ├─ 恢复成本高？→ 降下来容易，升上去难（信任） ✅
   └─ 多要素依赖？→ 学员/推荐/定价都依赖它 ✅

4. 学员信任度（复购率）→ 4分（核心）
   ├─ 变化影响？→ 直接决定LTV ✅
   ├─ 补充时间长？→ 信任需要6-12个月重建 ✅
   ├─ 恢复成本高？→ 极高 ✅
   └─ 多要素依赖？→ 定价/推荐/品牌都依赖它 ✅

5. 运营团队审核能力 → 2分（重要）
   ├─ 变化影响？→ 影响审核深度和质量 ✅
   ├─ 补充时间长？→ 招聘新人1-2月 ✅
   ├─ 恢复成本高？→ 中等
   └─ 多要素依赖？→ 只影响审核环节

③-② 存量-流量分析

> 目标：对每个核心存量，画出「流入→存量→流出」的流量分析图，算出净变化趋势。

③-②-A 单个存量流量分析（逐存量执行）

核心描述：
每个存量由流入（增加）和流出（减少）的速率决定。分析流量就是分析「为什么存量在变多/变少/不变」。

拆解动作（对每个核心存量执行）：

第1步：确定当前存量值
  └─ 从数据中拿到或估算

第2步：识别流入
  └─ 什么行为/事件会增加这个存量？
  └─ 流入速率：每单位时间增加多少？
  └─ 流入的主要来源是？（多个来源要分别标注）

第3步：识别流出
  └─ 什么行为/事件会减少这个存量？
  └─ 流出速率：每单位时间减少多少？
  └─ 流出的主要去向是？

第4步：计算净变化
  └─ 净变化率 = 流入速率 - 流出速率
  └─ 正数→存量增长；负数→存量减少；0→动态平衡

第5步：趋势判断
  └─ 净变化率本身在变快还是变慢？
  └─ 如果趋势不变，存量会在什么时间达到什么值？

示例1：优质教师数（知学在线）

📦 存量：优质教师数（定义为「课程评分>4.5分且月收入>5000元」）
├─ 当前值：120人

🚿 流入分析：
├─ 来源1：自主入驻并通过审核（速率：8人/月）
│   └─ 转化率路径：入驻申请(50/月) × 审核通过率(40%) × 成为优质的比例(40%) = 8
├─ 来源2：运营主动邀请（速率：2人/月）
│   └─ 成功率：邀请10人/月 × 入驻率30% × 优质率60% = 2
└─ 总流入：10人/月

🧹 流出分析：
├─ 去向1：流失到竞品（速率：5人/月）
├─ 去向2：开课意愿下降（不再开新课但不离开，速率：3人/月）
├─ 去向3：课程评分下降（不再优质但有课程，速率：2人/月）
└─ 总流出：10人/月

📊 净变化：10 - 10 = 0 → 动态平衡
⚠️ 优质教师数没有增长——系统在「维持」而非「增长」

📈 趋势：
├─ 流入趋势：自主入驻转化率在下降（从50%→40%），运营邀请成本在上升
├─ 流出趋势：流失到竞品的速率在上升（从3→5人/月）
└─ 如果不干预，预计3个月后净变化会转为负数（优质教师减少）

示例2：课程库中位数质量分（知学在线）

📦 存量：课程库中位数质量分（1-5分）
├─ 当前值：3.2分
├─ 测量方式：系统给每个课程的评分（完课率×评价分×内容完整度）
├─ 安全水位：3.0分（低于此→学员信任下降临界点）
├─ 与6个月前对比：3.5→3.2（下降了0.3）

🚿 流入（新课程加入）：
├─ 新课程平均质量分：3.0分（低于现有库的中位数）
├─ 新课程加入速率：30门/月
└─ 贡献：新课拉低质量分（因为新课程普遍不如旧课程好）

🧹 流出（课程老化或被淘汰）：
├─ 基本上没有「下架」——课程留在平台上，除非教师主动删除
└─ 因此老课程的质量分随时间可能下降（评价变差/内容过时）

📊 净变化：质量分在下降（3.5→3.2 in 6 months）
└─ 原因：新增课程质量低于现有课程的中位数→拉低了整体质量

📈 趋势：
└─ 如果不干预，6个月后中位数可能降到2.8→低于安全水位

③-③ 缓冲能力评估

> 目标：评估每个核心存量的「安全水位」——存量能在多大程度上吸收冲击。

③-③-A 缓冲容量计算

核心描述：
缓冲 = 存量提供的抗冲击能力。存量的「剩余天数」= 不补充的情况下，系统还能正常运行多久。

拆解动作：

第1步：确定「安全最低水位」
  └─ 低于这个值，系统就无法正常运行
  └─ 如：现金储备低于2个月运营费用 = 危险

第2步：计算「可用缓冲」
  └─ 可用缓冲 = 当前存量 - 安全水位

第3步：计算「剩余天数」
  └─ 剩余天数 = 可用缓冲 / 净流出速率
  └─ 如果存量在增长（净变化为正），剩余天数无限

第4步：缓冲评级
  └─ 充裕（>180天）：很安全
  └─ 适中（30-180天）：安全但需关注
  └─ 吃紧（7-30天）：需要行动
  └─ 危险（<7天）：紧急状态

示例（知学在线）：

关键存量缓冲评估：

1️⃣ 现金储备
├─ 当前值：300万
├─ 安全水位：120万（2个月运营费用，含团队薪酬+服务器+市场最小投入）
├─ 可用缓冲：180万
├─ 净流出：约15万/月（盈亏接近平衡，微亏但可控）
├─ 剩余天数：180/15 = 12个月
└─ 评级：🟢 充裕（但注意假设条件是「支出不变」）

2️⃣ 优质教师数
├─ 当前值：120人
├─ 安全水位：80人（低于这个数会出现课程供给断层）
├─ 可用缓冲：40人
├─ 净变化：现在0（平衡点），但趋势在转向净流出
├─ 剩余天数：如果净流出达到5人/月 → 40÷5 = 8个月
└─ 评级：🟡 适中（但趋势在恶化）

3️⃣ 课程库中位数质量分
├─ 当前值：3.2分
├─ 安全水位：3.0分
├─ 可用缓冲：0.2分
├─ 净变化：-0.05分/月（6个月降了0.3分）
├─ 剩余天数：0.2÷0.05 = 4个月
└─ 评级：🔴 吃紧（4个月内可能跌破安全线）

③-④ 延迟分析

> 目标：找到系统中所有的「时间滞后」——它们是系统不稳定和过度调节的首要原因。

③-④-A 三个延迟环节逐一识别

核心描述：
延迟分为三段：感知延迟（事情发生了→被人知道）、决策延迟（知道了→决定做）、反应延迟（决定做了→效果显现）。每一段的长度决定了系统的响应速度。

拆解动作（对每个关键决策/变量执行）：

第1步：追踪「感知延迟」
  └─ Q：从实际变化发生到「有人注意到这个变化」需要多久？
  └─ 数据频率是多久一次？（实时/日报/周报/月报）
  └─ 数据多长时间后能看到？（T+1/T+7/T+30）
  └─ 例：用户流失了，但只有月底报表才能看到 → 感知延迟=30天

第2步：追踪「决策延迟」
  └─ Q：从「有人注意到」到「做出决定并下达」需要多久？
  └─ 决策流程有多长？（个人决定/部门会签/管理层审批）
  └─ 例：发现质量下降 → 需要运营部出报告 → VP审核 → CEO批 → 决策延迟=2周

第3步：追踪「反应延迟」
  └─ Q：从「决定做了」到「效果在系统中显现有」需要多久？
  └─ 措施从落地到显效的时间
  └─ 例：决定提高审核标准 → 落实到新流程 → 新课程质量提升 → 反应延迟=4周

第4步：计算「总延迟」
  └─ 总延迟 = 感知延迟 + 决策延迟 + 反应延迟
  └─ 如果总延迟 > 系统变化的速度 → 系统注定「落后一步」

示例（知学在线）：

延迟分析 — 以「课程质量下降」为例：

第1步 — 感知延迟：
└─ 课程质量下降（差评增多）→ 在月度报表中才能看到 → 感知延迟=约30天
└─ 注：差评是实时有的，但「质量下降的趋势」需要累积数据才能发现

第2步 — 决策延迟：
└─ 看到数据 → 运营部开会讨论 → 出方案 → VP审批 → CEO确认 ⏱ 约14天
└─ 如果有争议或资源冲突，可能更长

第3步 — 反应延迟：
└─ 新的审核标准 → 培训团队 → 执行到位 → 新课程质量提升 ⏱ 约28天
└─ 注意：旧课程的质量不会提升，只能等它们自然退出

总延迟：30天 + 14天 + 28天 = 约72天

⚠️ 关键发现：
└─ 从质量开始下降到看到改善效果：需要约2.5个月
└─ 在这2.5个月里，质量会持续下降 → 系统有「惯性下滑」的空间
└─ 如果不提前预警（感知延迟缩短），系统会在「已经下滑2个月后才知道」

③-④-B 延迟导致的系统风险识别

核心描述：
延迟是系统振荡的根源——过长的延迟会让调节回路「反应过度」，导致系统像淋浴时等热水一样来回摆荡。

拆解动作：

第1步：检查「调节回路 + 长延迟」的组合
  └─ 对每个调节回路，跟它的总延迟对比
  └─ 如果总延迟 > 变量变化周期 → 极大概率出现振荡

第2步：判断振荡风险
  └─ 高风险标志：决策基于过时数据 + 反应时间长
  └─ 例：根据上个月的销售数据调整下个月的库存 → 永远晚一步

第3步：提出「提前预警指标」
  └─ 不需要等最终数据出来才看到问题
  └─ 找一个「领先指标」— 这个指标变化能提前预示系统风险

示例（知学在线）：

组合1：质量下降（B4） + 72天延迟
└─ 风险：⚠️⚠️ 高振荡风险
└─ 因为72天里质量会持续下降，等看到改善时可能已经过度纠正了

组合2：教师流失（R8恶性循环） + 60天延迟
└─ 风险：⚠️⚠️⚠️ 极高风险
└─ 恶性循环+长延迟 = 等看到问题时已经滑了一大段

组合3：市场投放ROI下降 + 45天延迟
└─ 风险：⚠️ 中等
└─ 45天的时间窗口还可以接受

建议的提前预警指标：
└─ 不用等「月度报表」→ 改用「周度质量抽样」：
   └─ 每周随机抽查10门新课 → 人工评分 → 7天内就知道质量趋势
   └─ 把感知延迟从30天降到7天 → 总延迟从72天降到49天

③-⑤ 延迟全景图

核心描述：
把所有延迟汇总在一张时间线上，直观看到系统「慢在哪」。

拆解动作：

第1步：收集所有关键环节的延迟数据
第2步：按「感知→决策→反应」三段排列
第3步：标记「需要优先缩短」的环节

示例（知学在线）：

⏰ 系统延迟全景图

                    感知延迟              决策延迟              反应延迟
                    ◄───────────────────►◄──────────────────▶◄─────────────────►
学员反馈→运营知悉    30天（月度报表）     14天（审批流程）      28天（落地执行）
教师不满→平台响应    45天（季度沟通）     7天（小问题可快速）   60天（结构性问题）
市场变化→策略调整    15天（周报）         21天（高层决策）      30天（执行落地）
质量问题→修复       T+7（抽样）          7天                 14天

┌─────┬─────────────────────────────────────────────────────────────────────┐
│      │ 感知延迟         │ 决策延迟         │ 反应延迟         │ 总延迟   │
├─────┼──────────────────┼──────────────────┼──────────────────┼─────────┤
│ 质量 │ 30天             │ 14天             │ 28天             │ 72天    │
│ 教师 │ 45天             │ 7天              │ 60天             │ 112天   │
│ 市场 │ 15天             │ 21天             │ 30天             │ 66天    │
│ 快修 │ 7天              │ 7天              │ 14天             │ 28天    │
└─────┴──────────────────┴──────────────────┴──────────────────┴─────────┘

⚡ 核心结论：
├─ 🚨 最长总延迟：教师端（112天）— 教师流失后3个多月才能看到改善
├─ 🚨 最需缩短的：质量感知延迟（30天→可缩短到7天通过抽样）
└─ 🚨 最严重的组合：质量长延迟+质量稀释B4回路 → 高振荡风险

第四步：识别系统基模与行为模式

④-① 8大基模逐一诊断

> 目标：用8种经典问题模式逐一对照系统，找出最匹配的诊断。每个基模使用标准化的诊断流程。

④-①-A 基模诊断通用流程（对每个基模执行的流程）

核心描述：
每个基模的诊断都按照同样的四步流程进行——信号检测、因果验证、症状匹配、强度打分。

拆解动作：

第1步：信号检测
  └─ 读「诊断信号」清单，检查系统中是否有匹配的「症状」
  └─ 有→继续；完全没有→跳过

第2步：因果验证
  └─ 画出基模的标准因果图
  └─ 对照系统的实际连接，检查每一步是否成立
  └─ 如果某一步不成立 → 不符合这个基模

第3步：症状匹配
  └─ 用三个诊断问题逐一核实
  └─ 每个问题回答「是」或「否」并记录证据

第4步：强度打分（0-10）
  └─ 0-3: 轻微（有苗头但还不是问题）
  └─ 4-6: 明显（已经可以观察到但可控制）
  └─ 7-8: 严重（已经是系统的主要问题）
  └─ 9-10: 致命（系统正在被这个基模破坏）

基模1：增长上限 (Limits to Growth)

核心描述：
增长引擎在运转，但一个或多个限制因素在越来越强地「刹车」。增长的早期看起来很美好（R主导），但刹车在悄悄变紧。典型信号：「以前做A有效，现在没用了」。

因果图：

     增长引擎（R）
    A ──(+)──→ B ──(+)──→ C
    ↑                        │
    └──────────(+)───────────┘

     限制因素（B）
    C ──(+)──→ D ──(-)──→ A
               ↑
          限制条件（越来越强）

三个诊断问题：

匹配证据分析：

Q1：增长指标放缓 ✅
├─ 月新增付费学员增速：15% → 3%（6个月变化）
├─ 新课转化率：8% → 4.5%
└─ 总营收：首次出现环比下滑

Q2：增长动作效率下降 ✅
├─ 市场ROI：3.5 → 2.1
├─ 教师入驻转化率：50% → 30%
├─ 原因：最好的渠道和教师已经被开发了

Q3：增长副作用 ✅
├─ 限制因素1（B3）：优质教师供给不足
├─ 限制因素2（B4）：质量稀释
└─ 限制因素3（B2）：竞品也在加强

匹配度：8/10 — 非常典型的增长上限
核心限制因素：优质教师供给（B3）— 这是最硬的天花板

基模2：转移负担 (Shifting the Burden)

核心描述：
系统用短期「解药」缓解症状 → 系统性方案被搁置 → 越来越依赖短期方案 → 核心问题被掩盖。典型信号：「先用XX顶着，以后再说」然后一直顶着。

因果图：

        症状 ← ──(B1)──→ 短期解药
          │                    │
          │                    ▼
          └─────(R)────── 依赖性增加
                               │
                               ▼
                        系统性方案 ← ──(B2)──→ 被搁置

三个诊断问题：

示例（知学在线）：

Q1：反复救火 ✅
├─ 经常出现批量差评投诉 → 客服团队每次手工处理
├─ 教师不满增加 → 运营逐个安抚
└─ 根本问题没有解决

Q2：短期解法 ✅
├─ 信号：「先把审核通过率降下来」→ 暂时减少新课程
├─ 后果：这只是「关闭入口」而不是「提高质量」
└─ 长期：通过率降低→优秀新教师也不进来了

Q3：系统方案搁置 ✅
├─ 治本方案：建立课程质量评级+教师成长体系
├─ 为什么没做？→ 「太复杂」「需要时间」「当前有更急的事」
└─ 实际上，这个「当前更急的事」= 由没有治本方案导致的症状

匹配度：6/10 — 明显存在，虽然还没有严重到「完全依赖临时方案」
最危险的趋势：「降审核通过率」这个临时方案如果用太久，会变成常规操作

基模3：公用地悲剧 (Tragedy of the Commons)

核心描述：
多个参与者共享一个公共资源（品牌信任/平台口碑/用户注意力），每个人理性地多拿多占 → 资源被耗尽 → 所有人受损。典型信号：「我不拿别人也会拿」。

因果图：

教师A多拿曝光（个人获益↑）──(+)──→ 公共资源消耗↑
教师B多拿曝光（个人获益↑）──(+)──→ 公共资源消耗↑
教师C多拿曝光（个人获益↑）──(+)──→ 公共资源消耗↑
                                           │
                                           ▼
                                    公共资源（用户信任/注意力）耗尽
                                           │
                                           ▼
                                  所有教师的长期收益↓

三个诊断问题：

示例（知学在线）：

Q1：共享资源 ✅
├─ 公共资源：「用户对平台的信任」和「用户有限的注意力」
├─ 所有课程都在消耗这两个资源
└─ 但没有人在「维护」用户信任

Q2：个人理性→集体非理性 ✅
├─ 每个教师都想让自己课程获得更多曝光（理性个体行为）
├─ 低质课程也占用流量 → 用户点击了但发现质量差 → 信任下降
├─ 信任下降 → 所有课程都受影响（包括优质课程）
└─ 典型的「公用地悲剧」结构

Q3：预警信号出现 ✅
├─ 「逛了但不买」的比率：从60%升到75%
├─ 用户平均浏览课程数：从5.2降到3.1（更快放弃）
└─ 用户对平台的「首次购买后复购率」在下降

匹配度：7/10 — 明显的公用地悲剧
最典型的证据：高质量教师也在抱怨「平台整体口碑变差了，影响了我们的课」

基模4：目标侵蚀 (Drift to Low Performance)

核心描述：
实际表现下滑→系统下调目标/标准→感觉上「差距没变」→实际上在逐渐降低标准。典型信号：「虽然没达到预期，但大家都不容易」。

因果图：

        目标 ──(-)──┐
          ↑           │ 感知差距
          │           ▼
     ┌────┴─── (B) ──→ 实际表现
     │           ↑
     │           │ 下调目标的压力
     └───────────┘ （"大家都尽力了"）

三个诊断问题：

示例（知学在线）：

Q1：目标下调 ✅
├─ 季度新课目标：Q1定80门，Q2改成60门，Q3改成40门
├─ 理由：「审核需要更严格，所以目标下调」
└─ 但实质是：审核严格了吗？→ 没有，还是被放水

Q2：标准下降 ✅
├─ 课程质量分标准：6个月前「4.0以上才算优质课」
├─ 现在：「3.5以上就算优质课」（下调了0.5分）
└─ 但3.5分的课学完后学员满意度明显低于4.0分的

Q3：文化信号 ✅
├─ 团队中出现了「至少我们没死」的表述
├─ 对月活下降的反应不是「怎么办」而是「行业都在降」
└─ 这种心态是目标侵蚀的温床

匹配度：5/10 — 存在但还不严重
风险：如果叠加「成长投资不足」基模，会滑向持续慢衰退

基模5：富者愈富 (Success to the Successful)

核心描述：
初始优势→获得更多资源→进一步扩大优势→两极分化。资源向头部集中，尾部被抛弃。典型信号：「20%的人占了80%的资源」。

因果图：

        A的竞争力 ──(+)──→ 给A的资源
            ↑                     │
            └────────(+)──────────┘

        B的竞争力 ──(+)──→ 给B的资源
            ↑                     │
            └────────(-)──────────┘
        （资源被A抢走，B得到的变少）

三个诊断问题：

示例（知学在线）：

Q1：资源集中 ✅
├─ 前10%的教师（约50人）贡献了60%的收入
├─ 后50%的教师（约250人）贡献了不到10%的收入
└─ 流量分配严重不均

Q2：差距扩大 ✅
├─ 头部教师收入同比增长20%（主要通过新课+复购）
├─ 尾部教师收入同比下降15%（新课没人买）
└─ 200名教师6个月内没有新课收入

Q3：机制分析 ✅
├─ 推荐算法的逻辑：基于「历史销量+完课率」排序
├─ 效果：受欢迎的课→推荐更多→更受欢迎
├─ 新教师/低销量课程→很少被推荐→恶性循环
└─ 虽然这个机制看起来「公平」（按质量排序），但产生了「富者愈富」

匹配度：8/10 — 非常典型
后果：新教师入驻后看到自己的课没人买 → 失去信心 → 离开

基模6：饮鸩止渴 (Fixes that Fail)

核心描述：
短期方案缓解了症状 → 但产生了副作用 → 副作用加剧了根本问题 → 症状以更严重的形式复发。典型信号：「上个月就这样，这个月更严重了」。

因果图：

      症状 ──(B)──→ 短期对策
        ↑                    │
        │                    ▼
        └──────(R)────── 副作用
                            │
                            ▼
                      根本问题（恶化）

三个诊断问题：

示例（知学在线）：

Q1：短期对策 ✅
├─ 行为：每季度做一次「限时折扣」促销来冲GMV
├─ 效果：当周GMV提升40-60%
└─ 但结束后又回落到正常水平

Q2：复发 ✅
├─ 第一次促销：效果+60%，恢复到正常水平85%
├─ 第二次促销：效果+50%，恢复到正常水平的80%
├─ 第三次促销：效果+40%，恢复到正常水平的75%
└─ 每一次促销后的「底部」都在降低

Q3：副作用 ✅
├─ 副作用1：学员学会了等促销再买 → 正价购买的减少
├─ 副作用2：教师不满（促销期间收入不变但工作变多）
├─ 副作用3：促销吸引的是「价格敏感型」用户→留存率低
└─ 等于：用大的副作用换小的短期收益

匹配度：6/10 — 存在且可观察到
最危险的信号：促销力度一次比一次大，效果一次比一次差

基模7：成长与投资不足 (Growth and Underinvestment)

核心描述：
需求在增长→但产能/能力跟不上→交付质量下降→需求被抑制→更不敢投资（因为「看不清楚需求是否真实」）→进一步落后。典型信号：「需求是有的，但我们做不了那么多」。

因果图：

      需求增长 ──(+)──→ 收入
          ↑                    │
          │                    ▼
          └──────────────── 交付能力
                               │
                               ▼
                          用户满意度（下降）
                               │
                               ▼
                      投资意愿（融资难/现金流紧张/信心不足）

三个诊断问题：

示例（知学在线）：

Q1：产能瓶颈 ✅
├─ 优质教师产能已经饱和（最头部的50人几乎全负荷）
├─ 运营团队审核能力饱和（5个人审不过来了）
├─ 但没有「系统性培养教师」的方案
└─ 理由：「培养一个优质教师要3个月，还不知道ta能不能留下」

Q2：质量下降 ✅
├─ 新课程从提交到上架的等待时间：从3天延长到7天
├─ 教师投诉：「审核太慢」
└─ 学员投诉：「新课太少，都是老课程」

Q3：投资不足 ✅
├─ 教师成长体系提案：讨论了3个月，没有预算批下来
├─ 审核团队是否扩招？→ 「等下一轮融资」
├─ 问题：「如果不投资，增长肯定不会继续」
└─ 但是：「如果不增长，下一轮融资更难拿」
    └─ 这是一个「先有鸡还是先有蛋」的困局

匹配度：7/10 — 典型的成长与投资不足
最危险的结构：形成锁死——不投资→增长停滞→更难融资→更不敢投资

基模8：意外之敌 (Accidental Adversaries)

核心描述：
两个应该协同的子系统/角色，各自做出理性行为→行为相互冲突→从盟友变成对手。典型信号：「明明是伙伴，怎么变得像对手了」。

因果图：

     子系统A的行为（局部理性）──(-)──→ 子系统B的绩效影响
             ↑                                   │
             │                                   ▼
        子系统A的绩效 ↑                  子系统B的受损反应──(-)──→ 子系统A的绩效影响

三个诊断问题：

示例（知学在线）：

Q1：内部对立 ✅
├─ 运营团队 vs 产品团队
├─ 运营：希望快速上架更多新课（考核指标）
├─ 产品：希望严格控制质量（完课率考核）
└─ 两边的诉求都是「合理的」，但方向相反

Q2：局部合理→全局有害 ✅
├─ 运营多上新课的决定（局部合理）：完成考核
├─ 但低质新课拉低了整体质量分（全局有害）
├─ 产品质量下降→学员流失→运营更难获客→运营需要更多新课
└─ 死循环

Q3：KPI冲突 ✅
├─ 运营考核：新课程上架数
├─ 产品考核：课程完课率
├─ 审核团队考核：审核通过率（？）→ 不对，审核团队没独立考核？
└─ 发现：审核团队同时向运营和产品汇报→没有独立考核→谁强势听谁的

匹配度：8/10 — 非常典型
打破这个循环的方法：把审核团队独立出来，考核指标改为「课程质量综合评分」

④-② 基模叠加分析

> 目标：系统往往同时有多个基模在作用，分析它们的叠加效应。

④-②-A 基模总览表

核心描述：
把所有基模的诊断结果汇总，找出「核心基模」和「次要基模」，分析它们的交互效应。

拆解动作：

第1步：汇总所有基模得分
  └─ 从高到低排列

第2步：取前三名基模
  └─ 第一名：核心基模（最高分）
  └─ 第二、三名：次要基模

第3步：分析叠加效应
  └─ 这三个基模组合会产生什么「1+1>2」的后果？
  └─ 参考「常见叠加组合速查」

第4步：判断最危险的基模
  └─ 最危险 ≠ 分数最高
  └─ 最危险 = 「如果不处理，会在最短时间内导致系统崩溃」的那个

常见基模叠加速查：

示例（知学在线）：

基模得分排名：
├─ 1️⃣ 增长上限：8分 ← 核心基模
├─ 2️⃣ 富者愈富：8分 ← 核心基模
├─ 3️⃣ 公用地悲剧：7分 ← 核心基模
├─ 4️⃣ 成长与投资不足：7分
├─ 5️⃣ 意外之敌：8分（团队内部）
├─ 6️⃣ 转移负担：6分
├─ 7️⃣ 饮鸩止渴：6分
├─ 8️⃣ 目标侵蚀：5分

叠加分析 — 三个核心基模的交互：
┌─────────────────────────────────────────────┐
│  增长上限(8)                                │
│     ↓ 限制因素：优质教师供给不足               │
│     ↓                                        │
│  富者愈富(8)                                │
│     ↓ 头部教师占用了大部分流量和资源           │
│     ↓ 尾部教师得不到发展机会                  │
│     ↓                                        │
│  公用地悲剧(7)                              │
│     ↓ 低质课程消耗用户信任（公共资源）          │
│     ↓ 信任下降→所有课程受损                    │
│     ↓                                        │
│  成长投资不足(7) ← 锁死循环                  │
│     ↓ 想投资但没有资源                         │
│     ↓ 不投资->增长停滞->更难获得资源            │
└─────────────────────────────────────────────┘

⚠️ 最危险的基模：
└─ 不是分数最高的增长上限
└─ 而是「成长与投资不足」——它形成了自我锁死的循环
└─ 如果不打破这个循环，其他基模只是症状，还会复发

④-③ 时间线推演

> 目标：基于基模分析，预测系统在未来6-12个月的自然走向。

核心描述：
利用前几步的结构分析和基模诊断，推演系统在「不做干预」和「做干预」两种情况下的走势。

拆解动作：

第1步：确定「不干预」的基线
  └─ 当前回路强度趋势不变
  └─ 当前基模持续作用
  └─ 预测1/3/6/12个月后系统的关键指标走向

第2步：确定「关键转折点」
  └─ 什么事件会加速/减速系统的变化？
  └─ 这个事件发生的概率？

第3步：确定「最佳干预窗口」
  └─ 在什么时间之前干预效果最佳？
  └─ 过了什么时间点后成本会大幅上升？

示例（知学在线）：

📈 时间线推演

【不干预的基线走向】

1个月后：
├─ 质量分继续下降（3.2→3.15）
├─ 优质教师流失开始加速（从5人/月→6人/月）
├─ 运营团队继续用「降低审核通过率」的临时方案
└─ 整体处于「缓慢恶化」状态

3个月后：
├─ 质量分逼近安全线（3.15→3.05）
├─ R8恶性循环开始加速（优质教师→更少→质量更差）
├─ 运营团队和产品团队的矛盾公开化
├─ 月新增付费学员增长率趋近0
└─ 进入「瓶颈期」

6个月后：
├─ 质量分跌破安全线（3.05→2.9，低于3.0）
├─ 头部教师开始流失到竞品（被挖）
├─ 新教师入驻量大幅下降
├─ 月付费学员开始净减少（流失>新增）
└─ 进入「衰退期」

12个月后（如果不干预）：
├─ 课程库质量大幅下降
├─ 用户信任崩溃
├─ 可能需要「断臂求生」的极端措施
└─ 系统处于生存危机状态

【关键转折点】：
├─ 转折事件：质量分跌破3.0 → 触发用户信任的「阈值效应」
├─ 触发时间：约4-5个月后
└─ 后果：一旦跌破信任阈值，恢复成本极高

【最佳干预窗口】：
└─ ⏰ 从现在起3个月内 — 必须在这个窗口内实施系统性干预
└─ 理由：过了3个月，优质教师流失可能触发不可逆的恶性循环

第五步：定位杠杆点与行动方案

⑤-① Meadows 12杠杆点全景

> 目标：用 Meadows 的12个杠杆点层级，按从「低位（最无效）」到「高位（最有效）」的顺序逐一分析。每一级都包含：
> - 核心描述（这一级杠杆是什么）
> - 识别方法（如何判断这个杠杆点在你的系统中的状态）
> - 具体操作（如何调整这个杠杆点）
> - 示例（在分析项目中的具体应用）

第12级：数值/参数（Numbers）

核心描述：
最常用的杠杆——调数字：价格、预算、KPI、补贴、折扣、税率。位置最低因为不改变结构，只改变数值。但人人都在这里用力。

识别方法：
- 找出系统中所有「可调的数字」
- 问：这些数字变动时，系统行为会变吗？→ 会，但效果短期且局部
- 问：是不是所有人都在这里找答案？→ 这是一个信号：可能找错了地方

具体操作：

第1步：列出所有关键参数
  └─ 定价、分成比例、KPI阈值、预算分配比、审核通过率
  └─ 列出现值和历史变化

第2步：评估参数调整的效果
  └─ 这个参数变动对系统行为的影响（1-5分）
  └─ 效果的持续时间（天/周/月）

第3步：判断是否「过度依赖参数调整」
  └─ 如果团队每个月都在调数字 → 说明在12级用力太猛
  └─ 真正的杠杆在更高的层级

示例（知学在线）：

当前关键参数：
└─ 课程定价：建议价¥299（教师可±20%浮动）
├─ 平台分成：30%
├─ 运营KPI：新课程上架数/月（当前40门/月）
├─ 审核通过率：当前约60%
├─ 市场投放预算：¥8万/月

参数调整的可能方向：
├─ 调价格：降到¥249 → 预计转化率+10% → 但可能影响品牌感知
├─ 调分成：降到25% → 教师满意度+但利润↓
├─ 调运营KPI：改为「优质新课数」而非「新课数」→ 但要看执行层

⚠️ 注意：
当前团队主要在这个层级用力（反复调价格/分成/预算）
但系统性的问题不在这里

第11级：缓冲器大小（Buffers）

核心描述：
存量的大小。缓冲越大系统越稳但也越「重」。增加缓冲让系统能吸收冲击，但经济代价是占用资源。

识别方法：
- 找：哪些关键存量的「安全距离」正在缩小？
- 问：如果这个存量被突然冲击到安全线以下，系统会怎样？
- 判断：缓冲太小就是脆弱，太大就是臃肿

具体操作：

第1步：找「缓冲不足」的存量
  └─ 从第三步的缓冲分析中看哪些存量的剩余天数<30天

第2步：评估增加缓冲的成本和收益
  └─ 增加缓冲的成本（资金/时间/管理复杂度）
  └─ 增加缓冲的收益（抗冲击能力、决策从容度）

第3步：做出取舍
  └─ 不增加：接受这个风险
  └─ 增加：算清投入产出

示例（知学在线）：

缓冲不足的存量：
└─ 课程库中位数质量分：只剩0.2分的缓冲（当前3.2，安全线3.0）
└─ 增加办法：不是「多上高质量新课」，而是「建立质量防火墙」
├─ 增加缓冲的方式：
│   ├─ 建立自动质量评分系统 → 提前预警质量下降
│   ├─ 设置「课程下架」机制 → 淘汰最低10%的课程
│   └─ 二者都是「提升存量的抗拉能力」
└─ 成本评估：自动评分系统约2人·月的开发量，可接受

第10级：存量-流量结构（Stock-and-Flow Structures）

核心描述：
改变「什么东西流入、什么东西流出、路径是什么」——不是调流量的大小，而是改流量的结构。例如：新增一个获客渠道、开辟新的内容供给方式。

识别方法：
- 看：当前存量的流入和流出是否「来源单一」或「去向单一」？
- 问：如果把A管道关了，系统还有备用方案吗？
- 判断：结构单一 = 脆弱；结构多元 = 韧性

具体操作：

第1步：画当前存量-流量结构图
  └─ 对每个核心存量，画流入来源和流出去向

第2步：识别「单点依赖」
  └─ 哪个存量的流入来自唯一来源？
  └─ 哪个存量的流出去向唯一？

第3步：设计结构改进方案
  └─ 增加新流入渠道
  └─ 分流/降低原有渠道占比
  └─ 增加出流的回收/再利用机制

示例（知学在线）：

当前结构问题：
├─ 教师流入结构单一：70%来自自主入驻 → 严重依赖自然流量
├─ 课程曝光结构单一：100%依赖推荐算法 → 没有人工干预或编辑推荐
└─ 学员获取结构单一：60%来自搜索广告 → 渠道集中风险

改进方案：
├─ 教师供给：新增「定向邀请+教师培训」渠道 → 从「等教师来」到「培养教师」
├─ 课程曝光：新增「编辑精选」「学员推荐」等人工干预渠道
└─ 学员获取：拓展转介绍、内容营销、合作伙伴渠道

第9级：时间延迟（Delays）

核心描述：
反馈的速度。延迟越短，系统的适应能力越强。延迟导致振荡、过冲、和「反应总是慢一步」。

识别方法：
- 从第三步的延迟分析中找出「最长的延迟环节」
- 问：有没有可能在不增加成本的前提下缩短延迟？
- 寻找：延迟缩短能「直接改善」哪个关键变量？

具体操作：

第1步：确定优先缩短的延迟
  └─ 选「总延迟最长」或「对系统行为影响最大」的那个

第2步：从感知→决策→反应三段分别找缩短方案
  └─ 感知延迟：增加数据频率、引入实时监控
  └─ 决策延迟：下放决策权、设定决策时限、减少审批层级
  └─ 反应延迟：预置方案、并行化操作

第3步：评估缩短的收益和成本
  └─ 收益：更早发现问题、更快纠正、减少振荡
  └─ 成本：工具投入、人员培训、管理变化

示例（知学在线）：

优先缩短的延迟：质量感知延迟（30天→目标缩短到7天）

方案：
└─ 感知延迟缩短（30天→7天）：
├─ 当前：每月报表才能看到质量变化
├─ 改为：每周随机抽样10门新课 → 人工快速评分
├─ 工具：建立一个简单的质量抽查表（2天开发）
└─ 效果：在质量问题恶化前4周就能发现

成本：每周运营花2小时做抽样 → 低投入、高回报

第8级：调节回路强度（Balancing Loops）

核心描述：
增强或放松「刹车」。有两种方向：加强调节回路（让刹车更灵敏）或放松调节回路（减少阻力）。

识别方法：
- 从第二步找出「最需要加强」和「最需要放松」的调节回路
- 问：哪个调节回路太弱导致系统失控？
- 问：哪个调节回路太紧导致系统僵化？

具体操作：

第1步：评估每个调节回路是否需要调整
  └─ 那些「系统已失控」的环节 → B回路太弱 → 需要加强
  └─ 那些「系统被压制」的环节 → B回路太紧 → 需要放松

第2步：加强调节回路的方法
  └─ 增加监控频率和覆盖范围
  └─ 预设纠偏机制（自动触发而非人工判断）
  └─ 设置预警阈值（到达即自动行动）

第3步：放松调节回路的方法
  └─ 提高阈值（给更多空间）
  └─ 延长反应窗口（短期偏差不触发纠偏）
  └─ 增加缓冲（接受更大范围的波动）

示例（知学在线）：

需要加强的调节回路：
└─ B4 质量稀释（当前强度4/5，但纠偏机制弱）
├─ 当前状态：质量在下降但没有人被问责
├─ 加强方案：设立「质量红灯」机制
│   ├─ 每月质量评分低于3.2 → 运营VP需提交改善报告
│   ├─ 连续3个月低于3.0 → 暂停新课上架
│   └─ 将审核质量纳入运营团队的绩效考核
└─ 风险：过于严格的纠偏可能「锁定」系统——不敢冒险

需要放松的调节回路：
└─ B5 管理幅度（当前强度2/5，但增长太快）
├─ 当前状态：CEO需要审批太多事情
├─ 放松方案：扩大授权额度
│   ├─ 运营VP在预算内的决策无需CEO审批
│   └─ 设定明确的授权范围和决策权限
└─ 风险：放松可能导致小错变大

第7级：增强回路强度（Reinforcing Loops）

核心描述：
加速增长引擎或打断衰退螺旋。有两种方向：强化正循环（让好的更好）或打断负循环（阻止坏的蔓延）。

识别方法：
- 从第二步找出「最有潜力但太弱」的正循环
- 找出「正在加速」的负循环
- 问：哪个正循环的「摩擦力」最大？哪个负循环的「加速器」在转？

具体操作：

强化正循环的方向：
第1步：选一个「有潜力但太弱」的R回路
第2步：找这个回路的「弱连接」——哪个环节的效率最低？
第3步：强化这个弱连接

打断负循环的方向：
第1步：选一个「正在加速」的R-回路（恶性循环）
第2步：找这个回路的「起点」——哪个变量是最先变化的？
第3步：在起点处设置「刹车」

示例（知学在线）：

强化正循环：
└─ 选：R3 飞轮效应（当前强度3/5，链条有断裂）
├─ 弱连接：教师收入↑ → 教师更投入 → 课程更好
│   ├─ 问题：教师收入增长了但看不到反馈
│   └─ 强化方案：
│       ├─ 给优质教师提供「课程数据分析报告」— 告诉ta哪里可以改进
│       ├─ 给优质教师提供「制作工具和模板」— 提升效率
│       └─ 建立「教师成长路径」— 让教师看到投入的长期回报
└─ 目标：把R3从3/5强化到4/5

打断负循环：
└─ 选：R8 恶性循环（当前在加速）
├─ 起点：优质教师因为销量不如预期离开
├─ 打断方案：
│   ├─ 在「教师失望」这一环节设置干预
│   ├─ 当某教师的课程销量低于同类50% → 自动触发「课程优化建议」
│   └─ 而不是让教师自己摸索然后默默离开
└─ 目标：把R8从加速状态变为可控状态

第6级：信息流（Information Flows）

核心描述：
让正确的人在正确的时间看到正确的数据——这是「成本最低但效果极大」的杠杆之一。很多时候只需要让A看到B的数据，行为就会改变。

识别方法：
- 从第一步的信息连接分析中找到「信息盲区」
- 问：谁应该看到什么数据但看不到？
- 问：如果信息完全透明，系统行为会怎样变化？

具体操作：

第1步：列出所有「信息不对称」
  └─ A有数据B没有 → 但B需要这个数据才能做正确决定

第2步：选择「收益最大的信息透明化」
  └─ 问：哪个信息不对称的消除会产生最大的行为变化？

第3步：设计信息仪表盘
  └─ 不追求「全部数据」，只追求「关键数据」
  └─ 核心原则：3-5个领先指标，周度更新

注意：信息透明也有风险——过于透明可能导致「表演性行为」（人们按指标优化而非系统优化）

示例（知学在线）：

当前信息不对称：
├─ 教师看不到「同类课程对比数据」→ 不知道自己的课为什么卖不好
├─ 运营看不到「教师满意度」→ 不知道教师快要流失了
├─ 管理层看不到「质量趋势预警」→ 不知道质量在悄悄恶化

收益最大的信息透明化：
└─ 让教师看到「自己的课程vs同类课程」对比数据
├─ 当前盲区：教师只知道自己的销量和评分，不知道同类课程的标准
├─ 透明化方案：在教师后台增加「课程对比看板」
│   ├─ 你的完课率：45% vs 同类均值：62%
│   ├─ 你的评价分：4.1 vs 同类均值：4.3
│   └─ 你的推荐曝光量：2000/月 vs 同类均值：8500/月
└─ 预期效果：教师看到差距 → 主动改进课程 → 无需平台督促

另一个关键信息透明：
└─ 让运营团队和产品团队共享数据
├─ 当前：运营看新课数，产品看质量分，各看各的
├─ 方案：建立共享仪表盘——运营和产品共同看「优质新课数」
└─ 预期效果：从对抗到协同

第5级：规则/激励（Rules）

核心描述：
制度设计——谁得到什么、什么行为被奖励、什么被惩罚。规则决定了所有参与者的行为模式。

识别方法：
- 问：当前规则在「鼓励什么行为」？（不是「应该鼓励的行为」）
- 问：有没有规则在惩罚「对系统有益」的行为？
- 问：有没有该奖励的行为没奖励？

具体操作：

第1步：审计现有规则的激励效果
  └─ 每一条规则 → 实际驱动的行为 → 对系统的影响（好/坏）

第2步：识别「规则冲突」
  └─ 两条规则驱动相反行为 → 撕裂系统

第3步：设计新规则
  └─ 目标是「让系统参与者自动做出对系统有益的行为」
  └─ 而不是「靠监督和强制」

示例（知学在线）：

现有规则审计：
└─ 运营考核「新课程上架数」→ 驱动逻辑：追求数量忽视质量 → 坏影响 ❌
└─ 产品考核「完课率」→ 驱动逻辑：关注已有课程体验而非新课程质量 → 中 ⚠️
└─ 教师分成「按销量30%」→ 驱动逻辑：头部教师拿更多，尾部拿很少 → 富者愈富 ❌

规则调整方案：
├─ 运营考核改为：「优质新课数」（质量分 > 3.5 才算）→ 好影响 ✅
├─ 教师分成改为：「基础分成20% + 质量奖励10%」→ 好影响 ✅
│   └─ 质量奖励基于完课率×评价分，而非销量
├─ 新增规则：季度质量排名后10%的课程 → 进入「待改进」状态
│   └─ 3个月不改善 → 下架
└─ 新增规则：审核团队独立 → 考核指标改为「课程质量综合评分」

第4级：自组织能力（Self-Organization）

核心描述：
系统自我进化、改变自身结构的能力——文化活动、创新机制、学习型组织。这是系统「进化」而不是「优化」的能力。

识别方法：
- 问：系统有没有「产生新结构」的能力？
- 问：新想法从哪里来？实验成本高吗？失败的成本高吗？
- 判断：高度自组织的系统 = 能适应环境变化的系统

具体操作：

第1步：评估当前的自组织水平
  └─ 新想法来源（从上到下还是从下到上？）
  └─ 实验成本（做一个新尝试需要多少时间/金钱？）
  └─ 失败成本（做错了会受到多大惩罚？）

第2步：增强自组织能力
  └─ 降低实验成本（小规模试错机制）
  └─ 降低失败成本（从「问责」到「复盘」的文化转变）
  └─ 增加多样性（跨领域、跨行业的输入）

第3步：建立「结构可以改变」的机制
  └─ 定期回顾：组织结构/流程/规则是否还需要
  └─ 建立「废除旧规则」的机制——不光制定新规则

示例（知学在线）：

当前自组织水平评估：
├─ 新想法来源：90%来自CEO和管理层 → 自上而下 → 弱
├─ 实验成本：做一个课堂互动功能需要3轮审批 → 高
├─ 失败成本：项目失败了会被追问责任 → 高 → 打击创新

增强方案：
├─ 「周五实验日」：每月最后一个周五，团队可以做任何小实验
│   └─ 前提：可回滚、不涉及核心数据
├─ 建立「内部创新孵化机制」：
│   └─ 员工可以提案，通过初审后给2周时间做MVP
│   └─ MVP通过后再决定是否正式投入
├─ 文化转变：从「谁搞砸了？」变成「我们学到了什么？」
└─ 引入外部视角：季度行业交流、用户深度访谈

第3级：目标（Goals）

核心描述：
改变系统的终极目的——这是真正的战略级决策。目标决定了系统「为什么存在」，改变了目标，一切都会改变。

识别方法：
- 从第一步的「宣称目的 vs 实际目的」分析中找到差异
- 问：如果系统换一个目标，哪些行为会从「合理」变成「不合理」？
- 思考：当前目标是不是真的创造了长期价值？

具体操作：

第1步：问「当前目标让谁受益？让谁受损？」
  └─ 回答这个问题，看清目标的政治含义

第2步：设计备选目标
  └─ 不是「更好的目标」，而是「不同的目标」
  └─ 例：从「最大化GMV」→「最大化学习效果」

第3步：评估换标的系统影响
  └─ 哪些角色会支持？哪些会反对？
  └─ 哪些现有行为会变成「错误」？
  └─ 需要什么新能力？

示例（知学在线）：

当前实际目标：「最大化GMV」
├─ 受益者：投资人（估值）、管理层（业绩）、头部教师（收入）
└─ 受损者：学员（高价低质）、尾部教师（没资源）、长期品牌

备选目标：「最大化学员学习效果」
├─ 新目标下的行为变化：
│   ├─ 从「推荐更多课」变成「推荐最适合的课」
│   ├─ 从「鼓励多买课」变成「鼓励学完课」
│   ├─ 从「教师按销量分成」变成「按教学效果分成」
│   └─ KPI从GMV变成NPS、完课率、知识掌握度
├─ 支持者：学员、认真教学的教师、长期品牌建设者
└─ 反对者：销售导向的团队、依赖流量的头部教师（如果效果分成低于销量分成）

换标的意义：
└─ 从「卖课的」变成「做教育的」
└─ 这是一个信仰之跃——短期可能损失收入，但长期建立壁垒

第2级：范式/心智模式（Paradigms）

核心描述：
改变系统运作的根本假设——比「目标」更深层的东西。这是「我们为什么认为这样是对的」的层次。改变范式 = 改变「关于思考的思考」。

识别方法：
- 找出系统中最核心的「不言自明的假设」
- 问：「我们相信什么，以至于不会去质疑它？」
- 问：如果这个假设是错的，哪些事情会变得不一样？

具体操作：

第1步：识别当前范式
  └─ 用一个「X就是Y」的句式写出来
  └─ 例：「课程就是产品」「我们做的是内容生意」

第2步：设计备选范式
  └─ 同样用「X其实是Y」的句式
  └─ 例：「课程其实是服务」「我们做的是关系生意」

第3步：测试新范式的解释力
  └─ 用新范式解释当前的问题——它能不能自圆其说？
  └─ 如果用新范式重新设计系统，会怎么做不同的事？

第4步：用行动展示新范式
  └─ Meadows的方法：不要辩论旧范式对不对，展示新范式下世界更好

示例（知学在线）：

当前范式：「我们是一个课程平台」
├─ 不言自明的假设：
│   ├─ 课程是产品 → 质量好就能卖
│   ├─ 学员是买家 → 买了就结束了
│   ├─ 教师是供应商 → 提供了内容就完成合作
│   └─ 竞争在课程数量和质量上
└─ 这个范式下的策略：更多课程 → 更好课程 → 更多用户

备选范式：「我们是一个学习服务平台」
├─ 新假设：
│   ├─ 课程是服务载体 → 学员需要的是学会，不是买课
│   ├─ 学员是用户 → 买了是开始，服务贯穿全程
│   ├─ 教师是合作伙伴 → 持续共创，不是一次性交易
│   └─ 竞争在学习效果和用户关系上
└─ 这个范式下的策略：学习效果追踪 → 个性化支持 → 关系型复购

范式转换的影响：
├─ 产品方向从「课程浏览体验」转向「学习路径设计」
├─ 运营方向从「审核新课」转向「服务教师成长」
├─ 商业模式从「单次卖课」转向「订阅/效果付费」
└─ 核心能力从「内容获取」转向「学习效果保障」

第1级：超越范式（Transcending Paradigms）

核心描述：
意识到「所有范式都是暂时的」——不被任何框架束缚。这是Meadows的最高层级：保持开放，随时准备抛弃自己的信念。

识别方法：
- 问：「我深信不疑的哪些东西可能是错的？」
- 问：「如果我现在坚信的东西被证明是错的，我会怎样？」
- 这不是一个「操作技术」，而是一种「心智状态」

具体操作：

第1步：建立「定期范式审查」机制
  └─ 每季度一次，专门问：
  └─ 「我们相信的哪些东西可能不再是事实了？」
  └─ 「如果推翻我们的核心假设，世界会怎样？」

第2步：保持「多元范式」共存
  └─ 不要追求「找到对的范式」
  └─ 而是「同时持有多个范式看同一个问题」
  └─ 每个范式都揭示了一部分真相

第3步：培养「元认知」
  └─ 不仅看「系统发生了什么」
  └─ 还看「我是用什么框架在看这个系统」
  └─ 意识到框架本身也有偏见

示例（知学在线）：

季度范式审查问题清单：
├─ Q1：「在线教育一定需要平台吗？」→ 如果不需要，是什么形态？
├─ Q2：「课程是唯一的知识交付方式吗？」→ AI个性化学习呢？
├─ Q3：「我们的竞争对手真的是其他教育平台吗？」→ 也许抖音/B站才是？
├─ Q4：「收费模式一定是对的？」→ 有没有其他变现方式？

同时持有多个范式：
├─ 范式A：「我们是课程平台」— 当前运营的基石
├─ 范式B：「我们是学习服务」— 战略转型的方向
├─ 范式C：「我们是一个教师网络」— 可能的蓝海
├─ 范式D：「我们是一个学习社区」— 长期愿景
└─ 每个范式给出不同的战略优先级和资源分配建议

⑤-② 行动方案设计

> 目标：把所有杠杆点分析综合成可执行的行动方案。

⑤-②-A 行动优先矩阵

核心描述：
将所有的杠杆干预按「效果大小」和「实现难度」放入四象限，优先执行「效果大+易实现」的方案。

拆解动作：

第1步：列出所有候选干预方案（从前面12级杠杆分析中提取）
第2步：对每个方案评估两个维度
  └─ 效果大小：1-5分（对系统行为的改变程度）
  └─ 实现难度：1-5分（1=易实现，5=极难实现）
第3步：放入矩阵：
  └─ I象限（效果大 + 易实现）= 立即做
  └─ II象限（效果大 + 难实现）= 先规划
  └─ III象限（效果小 + 难实现）= 放弃
  └─ IV象限（效果小 + 易实现）= 有空再做

示例（知学在线）：

候选干预方案清单（来自各杠杆层级分析）：

① 教师信息透明（6级）— 让教师看到同类课程对比数据
   ├─ 效果：5（极大改变教师行为）
   └─ 难度：2（一个后台看板，2周开发）

② 运营考核改指标（5级）— 从「新课数」改为「优质新课数」
   ├─ 效果：4（改变行为方向）
   └─ 难度：1（内部流程调整）

③ 质量预警机制（8级）— 每周质量抽样，低于阈值自动预警
   ├─ 效果：4（提前发现问题）
   └─ 难度：2（简单工具+流程）

④ 教师成长体系（4级）— 系统性培养教师
   ├─ 效果：5（根本性改善）
   └─ 难度：4（需要大量资源投入）

⑤ 自定定价（12级）— 调整课程定价策略
   ├─ 效果：2（短期有效）
   └─ 难度：1（简单调整）

⑥ 目标转换（3级）— 从GMV导向转为学习效果导向
   ├─ 效果：5（彻底改变方向）
   └─ 难度：5（需要全员共识、商业模式转变）

⑦ 推荐算法优化（7级）— 增加新课程曝光机会
   ├─ 效果：3（中等改善）
   └─ 难度：3（算法调整+测试）

优先矩阵摆放：
                 效果大(4-5)
                    │
     ┌──────────────┼──────────────┐
     │              │              │
     │   II         │   I 立即做    │
     │   教师成长(5,4)│   ①教师透明(5,2)│
 难  │   目标转换(5,5)│   ②考核改指标(4,1)│  易
 实  │              │   ③质量预警(4,2)│  实
 现  ├──────────────┼──────────────┤  现
     │              │              │
     │   III 放弃   │   IV 有空做   │
     │   自定定价(2,1)│   推荐优化(3,3)│
     │              │              │
     └──────────────┴──────────────┘
                    │
                 效果小(1-3)

⑤-②-B 行动方案表

核心描述：
将优先矩阵中的「立即做」和「先规划」方案转化为具体的执行计划。

拆解动作：

对每个方案，填写：
├─ 做什么：具体到可执行的动作
├─ 杠杆层级：第几级的干预
├─ 行动负责人：谁负责推
├─ 启动时间：何时开始
├─ 完成时间：何时完成
├─ 预期效果：落实到具体指标
└─ 风险/副作用：可能的不良后果

示例（知学在线）：

行动方案表：

方案①：教师信息透明看板 [I象限-立即做]
├─ 杠杆层级：6级（信息流）
├─ 做什么：在教师后台增加「课程对比看板」
│   ├─ 显示：同级课程平均完课率/评价分/曝光量
│   └─ 对比：自己的课程vs平均线
├─ 负责人：产品经理（小王）
├─ 启动：本周内
├─ 完成：2周后上线
├─ 预期效果：教师自发改进课程质量 → 看板上线后3个月内课程质量分+0.1
└─ 风险：部分教师看到差距后可能放弃（不是改进）→ 需要配合鼓励机制

方案②：运营考核改为「优质新课数」[I象限-立即做]
├─ 杠杆层级：5级（规则）
├─ 做什么：将运营团队的核心KPI从「新课程上架数」改为「质量分>3.5的新课程数」
├─ 负责人：VP运营
├─ 启动：本周内
├─ 完成：下周KPI切换
├─ 预期效果：运营从追求数量转向追求质量 → 审核深度提升
└─ 风险：运营可能会找「钻空子」的方式 → 质量分算法需要透明且防作弊

方案③：质量预警机制 [I象限-立即做]
├─ 杠杆层级：8级（调节回路）
├─ 做什么：建立每周质量抽样+自动预警
│   ├─ 每周随机抽查10门新课（运营花2小时）
│   ├─ 评分低于3.0 → 自动通知运营VP和产品VP
│   └─ 连续3周低于3.0 → 暂停新课上架（自动触发）
├─ 负责人：运营主管
├─ 启动：本周内
├─ 完成：2周内流程跑通
├─ 预期效果：质量感知延迟从30天降到7天
└─ 风险：抽样偏差导致误判 → 需要确保抽样随机性

方案④：教师成长体系 [II象限-先规划]
├─ 杠杆层级：4级（自组织能力）
├─ 做什么：建立系统性教师培养计划
│   ├─ 阶段1：为入驻教师提供「课程制作指南」和模板
│   ├─ 阶段2：为「潜力教师」（评分3.0-3.5）提供一对一指导
│   └─ 阶段3：为优质教师提供「课程优化数据分析报告」
├─ 负责人：VP运营（主导）+ 产品团队（支持）
├─ 启动：1个月内（等I象限方案先跑起来）
├─ 完成：3个月后阶段1上线
├─ 预期效果：新教师课程平均质量分从3.0提升到3.4
└─ 风险：投入资源大但教师不领情 → 先做MVP验证

Step 6 · 输出前自检（强制，逐条打勾后出结论）

> 位置：第⑤步之后、最终结论之前。 逐条打勾，全部通过才可出结论；任何一条未通过，要么补齐后再出，要么在结论里把该项显式标注为「待验证」，不允许默默放过。逐条判据见文末「异常处理与稳定性 · B3」，本表是其主流程出口。

• [ ] 五步完整性：① 边界与目的 → ② 反馈回路 → ③ 存量-流量-延迟 → ④ 系统基模 → ⑤ 杠杆点与行动方案，五步都走完了；走的是快速模式/单点深挖，则已在结论开头写明覆盖范围与跳过部分。
• [ ] 因果链闭合：从要素 → 连接 → 回路 → 存量与延迟 → 基模 → 杠杆点能首尾对上，没有哪一条结论是凭空出现、在前面找不到依据的孤立判断。
• [ ] 杠杆点可执行：每个杠杆点都写成了可操作动作（谁来做 / 做什么 / 何时启动 / 预期效果），而不是「应该重视质量」这类描述性表述；且已在 Meadows 12 级中定位到具体级别。
• [ ] 与用户给定边界一致：功能边界、组织边界、时间边界未被悄悄扩大或缩小；用户在 Step 0 确认过的主问题与优先级，与结论所回答的问题一致。
• [ ] 推测项已标注：所有用户未提供的信息（角色、数据、决策人、时间线）均标「推测，待确认」；无一处编造公司名、决策人或数据。
• [ ] 口径与时延一致：数值口径统一（百分比/小数二者取一）、时间单位统一到月或年；存量与流量未混淆；延迟的感知/决策/反应三段时长已标注，且行动建议的见效周期不短于该延迟。
• [ ] 输出结构齐全：最终结论 6 块齐全，且底部已填写「自检结果」一行（见「标准输出格式」模板末尾）。

未通过时的处理：缺信息 → 回到 Step 0 对应的降级级别，把该结论降级为「假设，待补 X 验证」；发现结构性矛盾 → 回到对应步骤重算，不直接在结论层打补丁。

最终结论

五步走完后，综合输出以下六个板块的最终结论。

一、一句话核心判断

格式：
> 这个系统的根本问题是 **______**，最高效的干预点是 **______**。

示例（知学在线）：
> 这个系统的根本问题是 「在追求GMV增长的过程中，系统结构正在同时触发增长上限、富者愈富和公用地悲剧三个基模，导致质量下降→信任流失→增长停滞的锁死循环」，最高效的干预点是 「信息流透明化（让教师看到对比数据）+ 规则调整（考核改为质量导向）+ 缩短质量感知延迟」。

二、系统全景图

三、三层行动建议

四、系统韧性评估

📉 最脆弱的环节：
├─ 质量分跌破3.0 → 触发用户信任阈值效应 → 恢复需要6-12个月
└─ 恢复时间：12个月+（信任一旦破裂，重建极慢）

📈 自我修复能力：
├─ 当前系统：弱 — 没有自动修复机制
├─ 最大修复杠杆：建立质量预警+自动纠偏机制（第8级杠杆）
└─ 有这个机制后：自我修复能力从「弱」升到「中」

💥 最致命的冲击：
└─ 头部竞品大规模挖走优质教师（概率：中高）
└─ 如果20%的优质教师同时流失 → 系统可能在3个月内崩溃

五、清醒认知（5条硬核提醒）

1. 你在12级（调参数）上花的精力，大概率是浪费的 — 真正的杠杆在6级以上。不要在定价/分成/预算上反复折腾，改结构比改数字有用。
2. 信息透明化是你最便宜但最有效的工具 — 让教师看到对比数据、让运营看到质量趋势、让管理层看到真实反馈。这些不需要花钱，只需要不「隐藏」。
3. 任何规则变动都会有人钻空子 — 运营KPI改成「优质新课数」后，运营会想办法「制造」高质量假象。需要审计机制同步。
4. 从GMV导向转向学习效果导向是长征，不是战役 — 至少要12-18个月。中间会经历收入下滑、内部抵抗、短期数据不好看。要准备好承受。
5. 如果你不理解系统为什么会变成现在这样，你的干预大概率会让它更糟 — 当前系统的所有「问题」都是之前「合理」决策的结果。搞清楚「系统是怎么走到这一步的」比「下一步怎么做」更重要。

六、监控信号清单

📊 领先指标（提前1-3个月预警）：
├─ 新课程质量分趋势（周度）→ 当前3.0，预警线2.8
├─ 教师入驻后30天内开课率 → 当前45%，预警线30%
└─ 优质教师月流失率 → 当前5人/月，预警线8人/月

📊 滞后指标（确认长期趋势）：
├─ 付费学员净增长率 → 当前3%/月
├─ 课程库中位数质量分 → 当前3.2
├─ 学员首购后30天内复购率 → 当前15%

📊 关键阈值（到达即触发行动）：
├─ 质量分<3.0 → 暂停新课上架，全面质量审计
├─ 优质教师流失率>8人/月 → 启动教师保留计划
├─ 付费学员连续2个月负增长 → 启动战略复盘

使用指南

对话引导流程

用户说「分析一下XX」后，按以下流程逐步推进：

第1步：接收用户输入
├─ 输入充分 → 直接开始五步分析
├─ 输入太简略 → 先反问「能多说说项目背景吗？」
└─ 输入完全不相关 → 友好提示适用场景

第2步：逐层推进分析
├─ 每完成一步 → 简要总结这一步的发现
├─ 如果分析中卡住 → 追问「关于XX部分，有更多信息吗？」
├─ 用户补充信息后 → 用新信息修正之前的分析

第3步：收尾输出结论
├─ 如果用户只想看某个部分 → 跳到对应步骤
├─ 如果用户觉得分析方向不对 → 停下来问清楚再继续
└─ 分析完成后 → 问「要不要针对某个点再深挖？」

输入校验与异常处理

> 4.0 强化：之前版本在用户漏给信息时容易"硬着头皮分析"，导致结论虚。现在一律先校验、再分析，绝不替用户编造公司名、决策人或数据。

① 输入校验清单（开始五步前自检）

分析要成立，至少需要这 4 项。缺任何一项，先追问，不硬编：

② 异常分情况处理

③ 优雅降级原则：任何情况下都先给"能给出的部分"（哪怕只是边界判断），再说明"还差什么才能更深"，绝不直接报「无法分析」或编造内容。

用户输入

用户以任意方式描述项目/经营场景后，分析者按五步法逐层分析。

三种分析模式：

核心原则（Meadows原著）

1. 不要看系统说了什么，看它做了什么。 系统的真实目的由行为揭示。
2. 系统的行为由结构决定，不是外部事件。 找结构，别怪环境。
3. 替换要素的效果远小于改变连接。 换人不如改规则。
4. 任何干预都有副作用。 你没看到副作用是因为延迟太长。
5. 不要试图预测系统——去理解它为什么会这样运行。
6. 你越确信一个范式是「真理」，你越不可能看到它的局限。

与 deep-thinking skill 的关系

• 独立使用：本 skill 已内置完整分析框架。
• 叠加使用：需要时效性事实搜索（竞品数据/市场规模/行业报告等）时，额外加载 deep-thinking 的 E — 证据验证 模块。

🚫 系统性失败清单：反模式与避坑（4.0 新增）

> 这套方法用错，比不用更危险——它会给你"看起来很专业"的错误结论。以下是 8 个最常见的翻车点，分析时逐项自检。

避坑自检（每次出结论前过一遍）：
- [ ] 我诊断的是结构，不是症状？
- [ ] 我考虑了延迟吗？有没有可能干预其实有效只是还没显形？
- [ ] 我有没有漏掉反向回路（B）在抵消我的判断？
- [ ] 我给的杠杆，是"高杠杆"还是"只是看起来省力"？

❓ 常见问题 (FAQ)

Q1：输入多详细才够？

A：3-5句话说明项目做什么 + 你的核心困惑就够了。越详细分析越深入，但如果只有一句话，我也会从那里开始，在分析过程中追问补充。

Q2：分析结果一定是正确的吗？

A：不是。系统思考的价值在于「提供一个看问题的新视角」，不是「给你标准答案」。建议把分析结果当作「决策参考」而不是「真理」。

Q3：为什么这个 skill 内容这么长？

A：因为我把每一步的「核心描述→拆解动作→示例」都写进了技能本身，这样分析时可以直接套用。你不需要通读全文——它在我的"知识库"里，分析时会自动取用对应部分。

Q4：能分析任何行业吗？

A：可以。五步法是不依赖行业的方法论。但分析深度受限于你提供的信息和我的领域知识——如果你的行业非常小众/专业，分析中我会标注哪些是推测、哪些需要你补充确认。

Q5：分析过程中可以用具体数据吗？

A：可以，而且推荐。提供具体数据（用户数、营收、成本、增长率等）会让分析更精准。如果没数据，我会基于「知学在线」案例的方法进行定性分析。

Q6：这个 skill 和「深度思考deep-thinking」有什么区别？

A：deep-thinking 是通用的深度分析框架（STEEP法），适合各种分析场景。这个 skill 专精系统思考（五步法），有完整的存量-流量图、反馈回路、12级杠杆点等专属工具。

Q7：如果我的问题和知学在线的例子不一样怎么办？

A：例子只是展示怎么用这个方法，你完全不需要和例子匹配。方法本身是通用的，你的项目背景会被直接作为分析素材。

Q8：分析做到一半我想换个方向，可以吗？

A：随时可以。跟我说「换个角度」「换个方向」「只看第三步」，我会调整。

🏭 多行业案例速览

本 skill 的主案例是 在线教育行业（知学在线）。以下简要展示其他行业的分析切入点，帮助你理解方法的通用性：

案例1：电商SaaS（B2B软件服务）

案例2：连锁餐饮品牌

案例3：制造业工厂

案例4：知识付费/社群

案例5：医疗机构（公立/民营医院科室）

案例6：跨境电商（出海 DTC 品牌）

关于案例的说明

• 以上案例只是「分析起点」的快速示意，不是完整分析报告
• 实际使用本 skill 时，你会得到一个和「知学在线」同等深度的完整五步分析
• 如果以上案例中有你想深挖的行业，直接用这个 skill 完整跑一遍即可

反模式与 FAQ

> 本节聚焦「怎么用这个 skill 才不翻车」——即调用方式与输入侧的错误。分析过程中的 8 个思维误区见上文「🚫 系统性失败清单」，两节互补，不重复。

A1 · 5 条反模式

❌ 反模式 1：把系统思考当预言机
- 错误示范：「帮我预测一下明年在线教育行业会怎么样，我们要不要加仓？」
- 后果：这直接违背 Meadows 核心原则第 5 条「不要试图预测系统——去理解它为什么会这样运行」。硬答只能给出拍脑袋的趋势预测，看起来专业但没有结构支撑，比不分析更危险。
- ✅ 正确做法：把问题换成结构问法——「这个系统现在靠哪些回路在运转、哪个存量在流失、延迟有多长」。想知道未来，看「监控信号清单」：哪些指标变了说明干预起效/失效。

❌ 反模式 2：只甩一个项目名就要完整五步
- 错误示范：「帮我分析一下知学在线。」
- 后果：「输入校验清单」的 4 项必备要素（做什么 / 当前状态 / 核心困惑 / 关键角色）一项都没给。要出完整报告就只有编造要素和角色这一条路，结论全是虚构的，最后你会拿着一份看起来很专业、实际无一可靠的报告去做决策。
- ✅ 正确做法：先填「输入模板」的 5 行（项目名/业务描述/当前状态/核心困惑/关键数据）。实在只有一句话，就明说「用快速模式」，接受深度受限。

❌ 反模式 3：用快速模式当完整诊断
- 错误示范：「赶时间，用快速模式，直接告诉我该怎么做。」
- 后果：快速模式按「三种分析模式」表跳过第③步（存量-流量-延迟）。而延迟恰恰是最容易骗人的一环——③-④ 里反复强调「干预没显形不等于无效」。跳过后得到的往往是一个「降价/加人」式的省力动作，不是真杠杆。
- ✅ 正确做法：时间紧就走快速模式拿假设，但把「③-④ 延迟分析」单独补一次；决策成本高的问题，回到完整模式。

❌ 反模式 4：让我去查数据再分析
- 错误示范：「你先去查查竞品去年的营收和行业规模，再帮我分析。」
- 后果：数据边界写得很清楚——本 skill 是结构分析工具，不联网取数。硬查只会拿到过时或不实数字，然后整套回路都建在错误的量纲上。
- ✅ 正确做法：你手上有数据就贴给我，我嵌进分析；没有就做定性分析，我在输出里标注哪些是推测。需要时效性事实验证时，叠加 deep-thinking 的「E — 证据验证」模块。

❌ 反模式 5：找到「一个基模」就收工
- 错误示范：「哦，是增长上限，那我知道了。」
- 后果：④-① 列了 8 大基模逐一诊断，④-② 专门讲叠加——真实系统几乎从不只患一种病（案例 2 的连锁餐饮就是「增长上限」+「公用地悲剧」叠加）。只认一个基模，就会开出治标不治本的单方药。
- ✅ 正确做法：报出主基模后，强制再问一句「还有没有叠加的第二个？」，按 ④-② 的方法判断主次与相互作用。

A2 · FAQ

Q1：信息不全能用吗？我只有一句话。
A：能用，但要接受降级。按「输入校验与异常处理」的清单，4 项必备要素（做什么 / 当前状态 / 核心困惑 / 系统内关键角色）缺 1 项时，我先给边界判断 + 最可能的主导回路假设并标注「待验证」；缺 2 项以上走诊断框架档，只出输入模板和待补清单，不硬编。一句话输入（如「帮我分析下 XX，增长遇到瓶颈」）走快速模式先给核心判断，同时告诉你补上哪几项能挖更深。

Q2：分析结果准不准？能直接拿去给老板/投资人看吗？
A：结构判断可以拿去讨论，「预期影响」那栏不行。可复算的部分是：边界划定（①-①）、回路的 R/B 分类（②-②、②-③，「-」号个数判定）、存量与流量的区分（③-①、③-②）、基模比对（④-①）、杠杆级别定位（⑤-①，Meadows 12 级表）——这些都有明确口径，你能逐条验。不能当结论的是：延迟时长的估计、基模主次判断、以及任何我没有数据支撑的推测——我在输出里都会标「推测，待确认」。拿去汇报时保留这些标注，别删。

Q3：跟让通用大模型「帮我深度分析一下」，或者 deep-thinking 有什么区别？
A：三处。①有固定骨架：五步法（①边界目的 → ②回路 → ③存量流量延迟 → ④基模 → ⑤杠杆），通用模型常常想到哪写到哪，跳过存量-流量这一步是常态。②有判定口径而不是感觉：回路靠「-」号奇偶判 R/B，杠杆靠 12 级表定位而不是「哪个省事选哪个」。③终点是行动：三层行动建议（今天/这周/这季）+ 监控信号清单。跟 deep-thinking 的区别见上文 Q6——它是通用框架（STEEP 法），本 skill 专精系统思考，需要时效性事实时可叠加它的「E — 证据验证」模块。

Q4：我有数据，怎么给最有效？
A：贴原始值 + 口径 + 时间段，别只给结论。有用的写法：「月活 12 万（2026-06，含 7 日活跃口径），环比 -8%，连续 3 个月下降」。没用的写法：「用户一直在掉」。原因是回路和存量判断依赖速率和趋势——③-② 的存量-流量分析要算流入减流出，只有一个静态数字是画不出回路的。另外注意单位统一：月度和年度数据混在同一个回路里，是最高频的量纲错误。

Q5：为什么分析里反复提「延迟」？不能直接给结论吗？
A：因为延迟是系统思考里最反直觉、也最容易让人做出错误决策的一环（③-④）。典型场景：你推了干预，两周没动静就换方向，但这个系统的反应延迟是三个月——你砍掉的恰恰是即将见效的那个动作。所以标准输出里专门留了「监控信号清单」：告诉你该盯哪些指标、多久看一次，而不是让你凭感觉判断有没有效。

Q6：找到一个基模是不是就够了？
A：基本不够，见反模式 5。④-① 是 8 大基模逐一比对，④-② 处理叠加。经验规律是：增长类问题常是「增长上限」叠加「转移负担」（用打补丁的方式顶住，长期损耗能力）；平台类问题常是「富者愈富」叠加「公用地悲剧」。只报一个，方案会偏。

Q7：三种模式怎么选？能中途切吗？
A：按「三种分析模式」表选——战略级全面诊断用完整模式，聚焦具体问题用快速模式（跳过③直击④⑤），只要某一步用单点深挖（如「只看第③步」）。中途可以随时切：说「换个角度」「只看第五步」「先到这」，按「对话引导流程」第 2 步，我会停下来重新定位而不是硬推。

Q8：分析到一半发现方向不对，之前的内容会废掉吗？
A：不会。按对话引导流程，用户补充信息后我用新信息修正之前的分析，而不是推翻重来。边界判断（①）和回路识别（②）通常仍然成立，需要重算的多是存量和杠杆部分（③⑤）。你直接说「方向不对，其实是 X 问题」，我会带着已有的结构认识重新定位。

异常处理与稳定性

> ⬆️ 本节是主流程的细则附录，不是孤立内容：B1 输入校验表由「Step 0 · 输入校验」（第①步之前，强制前置）调用，B3 一致性自检清单由「Step 6 · 输出前自检」（第⑤步之后、最终结论之前，强制收尾）调用；B2 三级降级策略是 Step 0 判定后的输出范围控制规则。B1-B3 与 Step 0 / Step 6 为同一套机制，本表是判据、主流程是执行位。

> 本节是「输入校验与异常处理」的执行细则：把那张清单变成可判定的 4 级异常、三级降级和输出前自检，确保不同调用、不同信息量下结论口径一致。

B1 · 输入校验表（4 级异常）

B2 · 降级策略（三级）

• L1 完整五步报告（6 块输出模板全给）：4 项必备要素齐全。逐层推 ① 边界与目的 → ② 反馈回路 → ③ 存量-流量-延迟 → ④ 系统基模（含叠加）→ ⑤ 杠杆点与行动方案，结尾按「标准输出格式」给出一句话核心判断 / 系统全景图 / 根因诊断 / 三层行动建议 / 杠杆点优先级 / 监控信号清单。
• L2 局部输出 + 缺口清单：缺 1 项必备要素，或用户明确要走快速模式。出「边界判断（①-①）+ 最可能的主导回路假设（②-④）+ 初步杠杆方向（⑤-①）」，并在每行标注「待验证：缺 X 信息」；结尾给 3 条缺口清单，每条写明补上它能让哪一步从假设变成判断。数据类缺口单独列出，不给估算值。
• L3 只出诊断框架 + 待补字段表：缺 ≥ 2 项必备要素（超过 4 项的 40%），或用户只给了一个项目名。不做任何五步判断，只输出三样：「输入模板」5 行填空表（标注哪些已提供）、4 项必备要素的追问清单（每项一句追问话术）、以及一句「你也可以先用一句话说核心困惑，我按快速模式先给核心判断」。

B3 · 一致性自检清单（输出前逐条打勾）

• [ ] ① 边界已划定，且要素（①-②）、连接（①-③）、目的（①-④）三件齐全，环境（①-⑤）已列出
• [ ] ② 回路分类与「-」号个数判定一致（偶数个「-」= 增强回路 R，奇数个 = 调节回路 B），且正反两类回路都列了，主导演替已按 ②-④ 说明
• [ ] ③ 存量与流量未混淆（存量=可蓄积的量，流量=速率），延迟的感知/决策/反应三段时长已标注
• [ ] ④ 基模经 8 大基模逐一比对，叠加情况按 ④-② 说明主次与相互作用，不是只报一个
• [ ] ⑤ 杠杆已在 Meadows 12 级表中定位到具体级别，高杠杆（信息流/规则/目标/自组织）优先于参数调整
• [ ] 输出 6 块模板（核心判断 / 全景图 / 根因 / 三层行动 / 杠杆优先级 / 监控信号）逐块齐全，与「标准输出格式」一致
• [ ] 所有未提供信息均标「推测，待确认」，无一处编造公司名、决策人或数据；数值口径统一（百分比统一为 % 或小数二者取一，时间单位统一到月或年）