系统陷阱识别与对策
什么时候用它
当你发现下面任一类情况，想搞清"这是哪种结构性陷阱、对症该怎么做"时：
- 一个政策/干预长期使劲却不出结果、越管越反弹（越管越乱）。
- 标准悄悄越降越低，大家用"能这样就不错了"开脱（标准向下漂移）。
- 军备、价格、广告、补贴战不断加码，双方都亏却难停手（竞争升级）。
- 贫富分化、赢家通吃，落后一方被持续挤出（成功者愈成功）。
- 补贴、救济、止痛药长期用着，原系统的自我修复能力却萎缩了（补贴养出依赖）。
- 大家钻规则漏洞，字面合规、精神违约（规避规则）。
- 考核指标错，系统精确产出了你考的数字却不是你想要的（考核导致行为错）。
建议先用 tis-system-structure 看清存量、流量和反馈回路，再用本技能对号入座。
核心判断
多数"使劲不出结果"不是力气不够，而是系统掉进了某种自带反馈回路的陷阱；同一个陷阱反复发生，是因为没人改它的结构，只是加力。识别陷阱比加压更重要，而且对症对策往往反直觉——顺着本能加码常常让陷阱更深。
怎么做
- 先把现象对号入座到下面 7 类陷阱之一；没看清结构就先回到
tis-system-structure，否则容易误诊。 - 每一类都按"识别信号 → 对症对策"来破（下列原则已融入）：
- 政策阻力：识别信号是上级使劲推、基层用脚投票往回拉，越压越反弹（如禁令后行为转入地下、代价更高）。对策最有效的不是更强硬压服，而是让各子系统目标对齐——提供一个更高的共同目标，让各方跳出各自的有限理性。反例：罗马尼亚 1967 年强推堕胎禁令，出生率翻倍后回落、孕产妇死亡率翻三倍；正例：瑞典 1930 年代不与民众争"家庭规模"，而在"育儿质量"上对齐，化对抗为合作。
- 目标侵蚀 / 向下漂移：识别信号是表现持续下滑，人们用"能这样就不错了""比去年差得不多"自我开脱，标准是滑动的。对策是保持标准绝对，不让其随表现浮动；并让标准对标最佳表现而非最差，把系统拉向高表现。案例：温水煮青蛙、作者慢跑计划不知不觉荒废；反例：媒体只放大坏行为当典型，拉低公众期望、侵蚀绝对标准。
- 竞争升级：识别信号是双方以"我比你多加一点"为规则互相加码（军备、价格、广告、补贴战），都亏却难退出。对策是避免进入；陷入后单方面拒绝竞争（单边裁军）可打断增强回路。注意：即便朝好的方向升级，也可能因难以停下而失控，需设停手机制。案例：美苏军备竞赛、企业价格战；反例：以为竞争升级总是好事。
- 成功者愈成功 / 竞争排除：识别信号是胜者获得"下次更易赢的手段"，优势滚雪球，最终赢家通吃、输家出局。对策是用限制份额与拉平竞技场来约束（反垄断、累进税、普及教育与医疗）。注意：多元化（另开一局）对穷人无效，需结构性再分配。案例：大富翁游戏、美国车企减至三家、多数城市只剩一家报纸；反例：放任赢家通吃、以为穷人也能靠多元化跳出。
- 转嫁负担给干预者 / 成瘾：识别信号是短期救济或补贴缓解症状，但原系统的自我修复能力随之萎缩，越来越依赖外部干预。对策是警惕只缓解症状、不解决问题的政策，把重心从短期救济转向长期重构；且戒除依赖越早越好，拖延只让戒断更难。案例：养老从家庭转到机构、农民依赖化肥而非养土；反例：用农药治虫而不修复生态、用限价否认油价稀缺信号。
- 规避规则：识别信号是人们遵守字面、违反精神地钻漏洞，系统被扭曲（地块刚好卡线、为达标而侵犯对象）。对策是别用加强执法去压制（越压越扭曲），而是把规则设计成释放创造力去实现规则本意，而非去钻漏洞。案例：佛蒙特 Act 250 催生大量"刚好超 10 英亩"地块、濒危物种法反而诱使地主灭杀物种；反例：发现被钻漏洞就加码执法、部门财年末突击花钱只为保住预算。
- 寻找错误目标：识别信号是系统精确产出了你考核的指标，但那指标并不是你真正想要的。对策是记住——目标是方向设定者，系统会精确且仅产出你要求它的；重新设定能反映真实福祉的指标，别把努力数量当结果。案例：用 GNP 衡量国家成功、以 IUD 植入数量考核计生项目导致强制植入；反例：把社会目标定义为 GNP 增长、把经济增长当万能解药反向下压。 - 选好对策后，用
tis-leverage-points找具体下手点；记住杠杆常反直觉，别把力气只砸在调参数（税率、补贴、标准）上——那是最弱的一类干预。
判断标准
做对了会看到：施压后反弹减弱而非增强；标准不再随表现下滑；升级被某一方主动叫停；赢家优势被份额或再分配约束；干预撤除后原系统仍能自我维持；规则被改得让人愿意按本意行事；考核指标与真实福祉一致。
做错了会看到：越管越乱、禁令转入地下代价更高；"能这样就不错了"成口头禅；双方加码到一方崩溃；贫富分化继续扩大；补贴一撤就崩；钻漏洞越演越烈、执法越严扭曲越深；考核数字漂亮但真实结果更糟。
什么时候不该用它
- 纯线性因果（A→B→C，没有反馈回路来回拉扯）时，这套分析反而增加不必要的复杂性，直接因果处理即可。
- 只问一次性、不可重复的突发事件（如黑天鹅）时，解释力有限——本技能擅长持续的行为模式，不擅长单点冲击。
- 强人为干预、目标和规则被外部力量频繁且不可预测地改变（如政治动荡中的经济）时，基于现有结构的分析会迅速失效。
- 微观一对一的人际互动过于宏观，不适用；它针对组织、社会、生态等中等尺度系统。
- 作者自带环保立场，对"成功者愈成功"等预设"增长有上限"——资源约束场景成立，知识经济未必；案例偏宏观政策/人口/环境，缺平台经济与 AI 案例，新系统（算法推荐、网络效应）的反馈结构可能有差异。
- 复杂适应系统学派指出，行为可从简单规则涌现、未必预先存在反馈结构，本框架可能高估"识别结构就能预判行为"。
出处
来自《Thinking in Systems: A Primer》第五章（Systems Traps ... and Leverage Points）
原文：Systems have a terrible tendency to produce exactly and only what you ask them to produce. Be careful what you ask them to produce.
