动态系统政策设计
什么时候用它
你要为组织、城市、政策或平台设计治理规则或政策，担心这几件事：
- 定下的规则是死的，系统却是活的——政策一落地就变质、被绕开、失效；
- 决策者听不到自己政策酿成的后果，错得离谱还以为很成功；
- 低估了从决策到见效之间那段漫长、会振荡、会超调的延迟；
- 老想"换个人/加把劲"解决，却不去改结构。
先用 tis-system-structure 看清系统结构，用 tis-leverage-points 锁定从哪下手，本技能专管如何把那个干预点设计成一条可持续、能自我修正的政策或规则。
核心判断
动态、自调节的系统没法靠一条静止不弯的政策管住。好的政策不是一个固定结论，而是一个会随反馈自我修正的回路。设计的本质是：把决策的后果送回决策者本人，并把信息、激励、目标、约束重排到让只看局部的理性人也自然做出整体有益的事——而不是换人或怪人。
怎么做
- 识别参与者的有限理性，重设计结构而非换人：每个人只看得见局部信息、判断有延迟、会误判。别责备个人，也别幻想换人能改系统；去重排信息流、激励、反激励、目标与约束，让个体在该结构下自然做出整体想要的行为（例：把电表摆到每天能看见转动的地方，家庭用电就少了约三分之一）。
- 把政策设计成含元反馈的回路，把学习写进管理：政策不只设一个目标，还要随系统状态调整，并再含一层能修正原回路的元反馈。像《蒙特利尔议定书》——不只定下淘汰目标，还规定要持续监测、重新召集国际社会去调整日程，让政策据证据自我修正，而不是一次定死。同时留意：增长本身会改变什么在限制你——旧瓶颈被耗尽、新瓶颈浮现，政策要跟着转移焦点去盯下一个限制因子（别像有些国家只盯劳动与资本，却忽略清洁水、空气、填埋空间才是真正的瓶颈）。
- 用乘三法则估延迟，并把后果反馈给决策者：问系统内每个人"你觉得反应要多久"，取最佳猜测再乘三，别低估传导时间。同时把决策的直接后果快速、有力地送回决策者本人——立法者不豁免自己、宣战者亲临前线、集中管控前先想清楚谁来承担后果。割裂决策与后果，责任就会流失，纠正就会缓慢且过冲。
判断标准
做对了会看到：政策随证据迭代、振荡收敛；参与者行为自然贴合整体目标；延迟被充分预期，没有"等反馈回来已来不及"；决策者持续、直接地感知自己政策的后果。
做错了会看到：用静止不弯的政策硬压动态系统（如卡特进口油比例税未过、退回静态管控）；决策者与后果脱钩（立法者自免、把办公室温控收归中央后室温大幅振荡）；只泛泛告知风险却触发竞底（如通知含水层用户水位下降，反而引发"看谁先抽干"的抽干竞赛）。
什么时候不该用它
- 纯线性系统：没有反馈回路，做反馈分析只会增加不必要的复杂性，用不上。
- 只问一次性事件（黑天鹅）：本框架对单发冲击的解释力有限。
- 强人为干预系统：目标或规则频繁、不可预测地改变时，结构分析会迅速失效。
- 微观人际一对一互动：本框架粒度太粗，对单对单关系过于宏观。
- 结构超出单人心智模型时：本框架假设"系统结构可被识别"且"反馈回路是行为主因"；当涌现行为远超可识别结构（CAS 学派的提醒），别高估"看清结构就能预判行为"。
出处
来自《Thinking in Systems: A Primer》Chapter Seven (Living in a World of Systems), block_032
原文：a dynamic, self-adjusting feedback system cannot be governed by a static, unbending policy.
