meta-systems-thinking

系统思维

框架

IRON LAW: First-Order Fixes in Complex Systems Produce Second-Order
Backlash Within 2 Cycles — Map the Feedback Loop BEFORE Intervening

Agents default to "fix the symptom directly" (e.g., high turnover → raise
salaries). In systems with feedback loops, the direct fix triggers a
compensating response that makes the original problem worse OR creates
a new one (raise salaries → budget squeeze → cut training → worse
onboarding → higher turnover). Before recommending any intervention,
draw the causal loop diagram and identify at least one reinforcing and
one balancing loop. If you can't find any, the problem may not be a
systems problem — don't force the framework.

分析步骤

假定已了解的关键概念：反馈回路（增强型／调节型）、涌现、延迟、杠杆点、存量与流量。关于系统原型（治标不治本、转移负担、增长上限等），请参阅 references/system-archetypes.md。

1. 定义系统边界：哪些属于系统，哪些不属于？
2. 梳理关键变量：哪些是重要的存量（会不断累积的数量）？
3. 识别反馈回路：哪些回路是增强型的？哪些是调节型的？
4. 找出延迟：哪些因果关系在时间上存在间隔？
5. 定位杠杆点：在哪里进行小幅干预能带来最大的变化？
6. 检查意外后果：这项干预可能会对系统中的其他部分造成什么影响？

输出格式

# Systems Analysis: {Problem}

## System Boundary
- In scope: ...
- Out of scope: ...

## Key Variables
- {Variable A}: {description}

## Feedback Loops
- Reinforcing: {A → B → A (amplifying)}
- Balancing: {A → B → C → opposes A (stabilizing)}

## Delays
- {Input} → {Effect} (delay: {timeframe})

## Leverage Points
1. {where small change = big impact}

## Unintended Consequences Risk
- If we {intervention}, it might also {side effect} because {loop/connection}

示例

正确应用

场景： 为什么招聘更多工程师并不能加快项目进度？

增强回路（预期效果）：更多工程师 → 更多代码 → 更快进度
调节回路（意外效果）：更多工程师 → 更多沟通开销 → 更多会议 → 编码时间更少 → 进度更慢（布鲁克斯定律）
延迟：新工程师需要 3-6 个月才能胜任工作

杠杆点：与其增加人手，不如减少沟通开销（缩小团队、明确职责、完善文档）✓

错误应用

• “收入下降了。增加营销支出。” → 线性、单一原因思维。忽略了：收入为什么下降？是需求问题（饱和导致的调节回路）吗？还是客户流失（质量差 → 投诉 → 更多客户流失形成的增强回路）？不同的根本原因需要不同的干预措施。

注意事项

• 系统会抵制变化：调节型反馈回路会维持现状。若不处理回路结构就与之对抗，往往会“治标不治本”。
• 心智模型并不完整：每个人对系统的心智模型都不完整。与不同的利益相关者共同梳理系统，有助于发现盲点。
• 意外后果是常态，而非例外：在复杂系统中，干预总会产生副作用。关键在于你是否识别出了其中的重要影响。
• 并非一切都是系统：对于因果关系明确的简单问题，不需要系统思维。遇到线性思维行不通的问题时，再使用系统思维。

参考资料

• 关于系统原型（增长上限、转移负担等），请参阅 references/system-archetypes.md