有一个笑话，是这么说的：

老婆给程序员老公打电话：回来的时候买 10 个包子，如果有卖西瓜的，就买 1 个。

结果晚上老公拿着 1 个包子就回来了。

老婆很生气，问他：你怎么就买 1 个包子?

老公说：因为有卖西瓜的。

这当然是个笑话，现实里的程序员都很聪明，不会做那么傻的事。但这个笑话里面暗含着「思维模型」的问题，也是这篇文章的主题。

说起《穷查理宝典》这本书的时候，除了「能力圈」，「多元思维模型」大概是被提起最多的概念。

不过，对于「多元思维模型」，特别是如何获得多元思维模型，老曹觉得网络上的很多解读都不够透彻，多是讨论一下，很少有去分析如何获取、应用的文章。所以这篇文章抛砖引玉，说下我对思维模型的理解，以及获得和使用多元思维模型的方法。

一家之言，错漏难免。如果你有不同的观点，或者有想要吐槽的内容，欢迎留言指教。

文章比较长，15000多字，分了 8 个部分。可以先收藏一下，有时间的时候慢慢看。

目录如下：

1. 什么是思维模型

2. 人人都有思维模型

3. 小白和专家的区别

4. 高手，掌握核心科技多元思维模型

5. 多元思维模型，就是数量多吗？

6. 多元一体：不要果盘，要果汁

7. 共性、分解、清单

8. 获得思维模型的方法

1、什么是思维模型

我的理解，思维模型是我们对抽象的世界运转方式的具象化，是我们看待世界、解释世界的固定模式。

思维模型可能是一个定律、一个规律、一个方法、一个公式，或者是一种世界观，等等等等。

无论是什么，思维模型都要满足两个条件：

- 能够回答「为什么」和「怎么样」两个问题。

- 能够被检验。

不能满足这两个条件，只能算是猜想，不能称之为模型。

思维模型可以帮助我们理解世界，相应的，我们对世界的理解、对事物的反应，也都是经过思维模型处理过的。

就比如上面那个程序员的笑话，可以把「话语的理解方式」看做一种模型。

老婆的话是存在「语形歧义」的，也就是有多种解释。

程序员是用单任务的模型去理解的：

而我们大多数人是用的多任务模型：

对话语的理解方式，能够解释程序员「为什么」买回了一个包子；买回一个包子这个结果，也验证了单任务模型。所以话语的理解方式可以当做一种思维模型。

因为我们和程序员使用的话语理解模型不同，所以我们会把买了一个包子的程序员当成笑话。

那么如果反过来想，在单任务模型的程序员眼里，我们才是笑话。

如果上面的例子能让你大概理解思维模型是个什么东西，我们就可以开始关于「多元思维模型」的话题了。

首先，思维模型并不神秘，我们每个人都有自己的思维模型。

2、人人都有思维模型

我们每个人都有自己的一套思维模型。这些模型可能是从小到大从外界潜移默化得来的，也有可能是自己总结习得的。

因为经历不同、环境不同，所以每个人拥有的思维模型各不相同。

因此，在面对相同的事物时，不同的人就会有不同的解释，有不同的应对方式。

上面程序员的笑话是一个例子，我再举一个简单的例子。

如果把手势当成一种「表达」的抽象模型，你会用什么样的手势来表示打电话？

如果你是 90 后、80 后，或者年纪再大一点的人，你可能会用手比个「六」。

但 10 后、20 后们很可能看不懂这个手势，因为他们从生活中总结出的手势是「手掌」。

都是打电话，因为经历不同，几代人总结出了不同的模型。

因为模型不同，在用手势交流的时候，几代人之间可能就会出现沟通障碍。

稍微延伸一个小问题：

如果你仔细观察老一辈，会发现他们对智能手机的一些操作难以理解。比如为什么要「长按」？为什么给老曹校长发微信的时候还是语音，给小曹同学发微信又要打字？

我认为这些问题的答案，也是 iPhone 最初使用拟物化设计的原因之一。

我会把我的理解放在评论区，欢迎一起讨论。

回到模型的话题。

程序员的笑话、打电话的手势，说明在面对相同事物的时候，有不同模型的人会有不同的应对方式。

我们遇到问题的时候，会自动地调用现成的模型来应对。所以模型让我们生活得更轻松。

不过，思维模型也像一副有色眼镜，我们戴着它去看世界，自然会受到它的影响。

我们对世界的理解经过了模型的处理，模型的差异产生了人与人行为的差异。

这种差异体现在生活中，可能是像程序员买包子的笑话一样，三观不合，互相嘲笑，话不投机半句多。

体现在工作中，可能就是小白和专家的区别。

由于思维模型覆盖的范围很广，我没有能力也没有资格去展开来讲，所以缩小一下范围，接来下的内容都围绕着工作展开。

也就是如何通过思维模型，实现从小白到专家的成长，并且通过多元思维模型，提高成为高手的概率。

3、小白和专家的区别

从模型的角度看，小白和专家的区别体现在两个方面：模型的数量和质量。

3.1 模型的数量差距

小白小白，白纸一张。

在某个领域内，小白首先缺乏的是足够的模型。在遇到问题的时候，找不到合适的模型去解释。

拿 Excel 来做个类比。

我有一些身份证号的生日数据，现在要找出这 10 个身份证号的生日，该怎么办呢？

小白可能会挠头：哎呀，要一个一个比着找么？

专家可能会说：直接用 vlookup 就可以啊。

那么，如果没有前两列现成的生日数据呢？

小白可能继续挠头：哎呀，我只学了一个 vlookup 啊，这不还是要一个一个比着找么？

专家可能说：简单啊，有很多种方法可以用。

可以智能填充：

可以分列：

还可以直接用公式：

小白会被一个很简单的问题卡住，仅仅是因为不知道有这个功能。

所以，专家比小白强在哪？就是知道更多的功能、更多的函数。

如果把上面的功能、函数替换成思维模型，就是小白和专家的第一个区别：在某个领域内，掌握的模型的数量。

用成语来表示的话，专家就是见多识广、博学多才，掌握了大量的方法、规律、套路、经验。

这些经验能够解决工作中的「为什么」和「怎么样」这两个问题，问题的处理结果反过来验证了这些经验。这符合思维模型的两个条件。

所以小白和专家的区别之一，就是掌握的模型的数量。

也就是通常说的拥有丰富的工作经验。

3.2 模型的质量差距

模型的数量只是成为专家的必要条件。

作为一名专家，还要有那么一两个能解决问题的高质量模型。这几个模型不是花架子、当样子，而是实打实的把模型吃透了，了解模型的优缺点和适用边界。

还是用 Excel 来做类比。

小白学会了 vlookup 函数，使用的时候却遇到各种各样的错误，然后束手无策。

专家则能够把这些错误一个一个的全部解决掉。

那么，专家比小白强在哪？

同样的函数、功能，专家吃透了。

如果把上面的功能、函数替换成思维模型，就是小白和专家的第二个区别：在某个领域内，掌握的模型的质量。

用成语来表示的话，小白是浅尝辄止、徒有其表，专家则是学问思辨、洞若观火。

专家不但能用模型去解决工作中的「为什么」和「怎么样」这两个问题，还能解决这个模型的「为什么」和「怎么样」的问题。

小白对模型的认知可能只是一张皮，而专家的认知是有血有肉有骨架。

专家深刻的了解这个模型的适用范围、使用流程、操作规范，以及模型的缺点、问题等等等等。

结果就是同样的模型，小白用着漏洞百出、顾此失彼，专家则是得心应手、游刃有余。

所以小白和专家的区别之二，就是掌握的模型的质量。

从思维模型的角度综合来看的话，小白缺乏足够数量的模型去应对工作中的问题，已经学到的模型又漏洞百出，所以工作能力上比不上专家。

3.3 成为专家并不容易

在解决工作中的问题上，成为某个领域的专家是很厉害的，但很多人很难做到。

为什么呢？

首先可能是天赋的限制。

- 身高 2 米的人伸手就能够到篮筐，但身高 1 米 5 的人再怎么练跳高也摸不到篮筐；

- 智商 200 的人能轻易解决的问题，像我这样智商 60 的人，可能绞尽脑汁也看不懂题目。

我有个大学同学，《机械设计》的课补考了很多次。

是他学习不够勤奋吗？不是。他是标准的认真刻苦的好学生。

是这门课很难吗？也不是。很多吊儿郎当的同学都轻松考过。

那是为什么呢？

因为他没有空间想象能力，像「三视图」这样的东西他想象不出来。这直接导致他上课听不懂，作业不会做，考试交白卷。

所以很多时候天赋限制了我们的发展方向和上限。

不是不努力，而是在某些领域我们付出再多的努力，也无法理解相关的模型，自然无法成为专家。

除了天赋的原因，还有环境限制、条件限制，导致没有深入研究的机会，或者干脆就是没有兴趣，三天打鱼两天晒网，导致无法成为专家。

总之，成为专家并不容易。

这其实也没什么，我们选择自己擅长的领域，在自己的能力圈内做事就好了。

不过，如果刚好有个问题落在我们不擅长的领域，该怎么办呢？

或者，这个问题需要专家级的模型才能解决，而我们因为天赋等原因，无法成为专家，该怎么办呢？

还有没有其它的选择呢？

有，就是掌握多元思维模型，成为解决问题的高手。

4、高手，掌握多元思维模型

本文中的「高手」是为了和「专家」进行区分，所以概念和通常的理解不一样。

前面说小白和专家的区别的时候，加了一个限定：某个领域内。也就是专家是专精某一领域的，比如 Excel 专家、PS专家、人力资源专家、社群运营专家等等。

相应的，专家掌握的思维模型，也是属于，或者说，局限于他的专精领域的。

那么高手呢？在本文里面，高手是指跨领域的，掌握多元思维模型的人。

注意，高手并不比专家高级。

高手可能不是专家，受限于天赋等各方面的原因，在某些领域内，高手的水平可能远低于专家。

专家未必不是高手。有些专家不但专精 A 领域，而且解决起 B、C、D 、甲、乙、丙领域的问题也毫不含糊。

专家和高手都很优秀，没有高下之分。本文把专家和高手区分开，是为了说明多元思维模型。

如果说思维模型是回答「为什么」和「怎么样」两个问题，那么多元思维模型就是从多个不同的角度，一起去回答「为什么」和「怎么样」。

通过多元思维模型，高手能够解决只有专家才能解决的问题，甚至专家也解决不了的问题。

还是用 Excel 来做类比。

公司要换工作证，但是因为通知写的模糊，导致员工交上来的照片的名字很混乱。

有的是「工号姓名」，有的是「工号-姓名」，有的是只写了工号或者姓名：

现在要把照片改成「工号-姓名」的统一格式。

如果只有十来张照片，动动手挨个重命名就好了，但是如果是几百张照片，挨个重命名就是很大的工作量了，还容易出错。

怎么办？

Excel 专家的做法，可能是写个 VBA，1 分钟就把问题搞定了。

小白呢？连 vlookup 都没搞明白，更别说 VBA 了。

那工作不做了吗？还是要做的。勤快一点的可能立刻行动，开始对着工号表格，一个一个改名了。

高手呢？虽然也不会 VBA，但是会动用自己知道的一切技能、模型来解决这个问题。

比如使用 Excel 标准化数据，然后用批处理来重命名。

可能花的时间比专家稍微长了一点，但是相比小白，也算迅速地解决了问题。

如果把上面相关的技能替换成思维模型，那么专家就是掌握了 Excel 领域的顶级模型。高手呢，则是掌握了电脑、Excel、批处理等多个领域的模型。

虽然高手掌握的模型都不是顶级的，也都不是很精通，但通过多元思维模型，解决了专家才能解决的问题。

高手不会在乎自己学的是哪个专业的知识，练的是哪个门派的武功，只要能解决问题，都会拿来用。

不过，解决掉问题就结束了吗？

再高级一点的高手，可能会把这次问题的解决方法做成 SOP，让小白也能处理这样的问题。

再再高级一点的高手，可能还会研究下问题产生的原因，想出应对方法，防止再次发生类似的问题。

寻找原因、制定 SOP，也是一种管理的思维模型。

所以用成语来表示的话，高手就是经多见广、触类旁通，不拘一格、举一反三。

看到这里，有的同学可能会说：我懂了，多元思维模型就是不能只专注一个领域，要广泛的涉猎。

不能只会 Excel，还要会 Python，懂运营，了解行为设计学。

简单的说就是要做个全才通才，模型的数量一定要多。

这个理解不能算错，但是，太基础、太浅显了，而且容易让人误入歧途。

5、多元思维模型，就是数量多吗？

巧妇难为无米之炊，想要用多元思维模型，首先模型的数量得足够多。所以很多同学了解到多元思维模型后，就开始疯狂追求模型的数量。

有的人立下了学 100 个思维模型的 flag，有的人孜孜不倦的整理了 100 个、200 个思维模型，还有的人到处收集模型、到处问别人有没有更好的思维模型。

这些都是误入歧途的表现。

想要用多元思维模型，首先模型的数量得足够多。但是足够多并不等于无限制的多。

为什么模型的数量不是越多越好呢？

回想下开头给的思维模型第一个条件：能够回答「为什么」和「怎么样」两个问题。

简单的说，就是模型要能解决问题。

5.1 思维模型要从问题出发

在《12000字，讲透「能力圈」》中，老曹引用过前美团 COO 的一个观点：见过≠建过。

什么意思？就是有的人觉得：自己看别人用过了某个模型，就等于自己掌握了，然后就能应用于实践了。

类似于前面举例的小白，看到专家用了一下 vlookup，就觉得自己会了，可事实上他不知道 vlookup 的使用条件，也不知道为什么、怎么样去用 vlookup，只有皮，没有里。结果就是应用的时候错误百出。

见识过不等于建设过，见识过不等于有能力去建设。

收集的模型多，接触的理论多，了解的方法多，并不代表自己真的有能力去应用，更不代表能够解决问题。

就好像背过了 100 条的公式、定理，但一道题都不去做，那么数学和物理也学不好一样。

就好像有人喜欢收集工具，琳琅满目，摆满整面墙壁，却只会用一个螺丝刀一样。除了偶尔拧个螺丝的螺丝刀，其它的工具只是为了满足自己的收集欲望和向别人炫耀。

模型不是拿来显摆的，而是拿来解决问题的。

能够解决问题的模型，才是属于自己的模型。

所以思维模型一定是从解决问题的角度出发，起点和终点都是能否解决问题，而不是学习的模型的数量。

屏幕前的你可能又有问题：如果每一个学习的模型都掌握了，而且能够解决问题了，在这个基础上，模型难道不是多多益善吗？

未必。

5.2 边际效用

想要学习更多的模型，就要付出更多的时间，这一点毋庸置疑。

但是，当模型数量达到一定程度后，增加模型带来的边际效用会越来越小。

举个例子。假设每一个模型的成功概率都是 60%，那么：

……

这个例子很粗糙，但聪明如你一定能明白我的意思。

也可以回想下前面照片批量重命名的例子。

一点电脑知识，加上一点 Excel 技能，再加上一个批处理的命令，三个技能，搞定。

我不需要去学习 VBA、Python，也不用去学 Java、C++。

是这些编程语言不好吗？

不是，是我已经解决了问题，再去学习新技能的边际效用太低了。

5.3 机会成本

学习技能、学习模型需要花费时间和精力，有时候还要消耗一些自己的资源，比如金钱。

这些时间、精力、资源也可以用于其他事情，带回其他的回报。

换句话说，学习是存在机会成本的。

巴菲特和芒格都特别看重机会成本，因为我们的时间、资源是有限的，我们的生命也只有一次。

是去多学习一个模型，增加 1% 的成功率，还是用同样的成本去做一些回报更高的事情，这一点要好好考虑一下。

5.4 重复和冗余

网上经常会看到类似这样的问题：应该学 CorelDRAW 还是 AI？Python 和 Java 哪个好？

为什么会有这样的问题呢？因为这些软件的核心功能是重复的。

都能做矢量图，都能编软件、做网站，都能实现同一个目的，解决同一个问题。可偏偏又各自有独特的特点，还不能同时去用。哎呀，好难选。

模型也是同样的道理。

有的时候一个问题可以有很多个模型去解决，但是每次只能用一个、两个模型。那么多出来的模型就是重复的。

学习重复的模型，既降低了边际效用，增加了机会成本，还产生了大量的能力冗余。

当然，工具和模型都有自己的局限，为了应对这些局限，额外学习一些工具和模型作为备用和补充，是完全可以的。

不过要分清楚的是，为了备用而学习冗余的模型，和为了追求模型的数量而学习重复的模型，出发点是完全不同的。

总结一下前面这 4 小节的内容。

学习思维模型是为了解决问题，而不是收集炫耀。学习过多的模型，会降低边际效用、增加机会成本，模型重复的概率也大大增加了。

所以多元思维模型的关键不是数量多。

那是什么呢？

《穷查理宝典》里面对多元思维模型有这样一个评价：它们借用并完美地糅合了许多来自各个传统学科的分析工具、方法和公式。

关键词：糅合。

我把这种糅合称为「多元一体」。

6、多元一体：不要果盘，要果汁

「多元一体」，是概括民族观的时候用的四个字。

多元聚为一体，一体容纳多元，概括的非常好。

我觉得这四个字也可以套用到多元思维模型上面。

对于为什么需要多元思维模型，查理·芒格说过这样一句话：

现实世界的问题不会恰好落在某个学科的界限之内。

其实，不单单是问题不会恰好落在某个学科领域，我们在解决问题的时候，也会局限于自己擅长的学科，局限于自己熟悉的工具和模型。

还记得文章开头的笑话吗？

笑话里面的程序员用「单任务」的模型去理解老婆的话，结果买了一个包子回来。

是这个程序员没有「多任务」的模型吗？肯定有啊，编程的时候经常会遇到多任务、多线程、高并发的需求，但他在生活中用了最简单最省事的模型。

还记得 Excel 的第一个例子吗？

从身份证号码里面提取生日出来，可以用自动填充、分列、套公式等很多方法。我知道屏幕前的你还有更多的方法可以用，但我也知道还有很多人一个方法都想不出来，直到我说出来才恍然大悟：噢，对啊，还可以用这个，这个我也会啊。

收集了一堆模型，却用不起来，解决不了问题，其实也挺让人伤心的。

为什么用不起来呢？老曹以为是没有做到「多元一体」。

模型想要多，很容易，「多元」，也很容易。

多元嘛，就是多种多样。我们从小到大早就学习过多种多样的思维模型，比如中学就学了概率、复利、能量守恒、适者生存、供需平衡，这些模型足够我们解决生活、工作中遇到的大多数问题。

但这些模型都是分散的、凌乱的，没有聚为一体。

举个例子。

高中会有理科综合、文科综合的考试。一场考试考多个科目，算是多元了吧？但有做到一体吗？

没有。

名字叫综合，但是各个学科上课的时候各上各的，学习的时候各学各的，考试的时候各考各的，考试完了讲解试卷，还是各讲各的。

就像是水果拼盘，一大盘子各种各样的水果，很多元，很好看，也都在一个盘子里，但吃的时候呢？苹果还是苹果，梨还是梨，学科的界限清晰无比。

一体是什么？

一体是混合果汁。不管你是苹果还是梨，不管你是南方水果还是北方水果，不管你是甜的、酸的还是辣的，全都打碎了混在一起，融为一体。

我才不管你是数学还是化学，物理还是地理，全都拿过来一起去解决问题。

解决问题，才是目的。

把解决问题作为学习模型、使用模型的出发点，才能不受学科和模型的限制，才能融会贯通，多元一体。

说起来简单，那到底怎么把果盘变成果汁，把多元模型聚为一体呢？

大概可以分成三步。

7、共性、分解、清单

需要说明一下，《穷查理宝典》里面只说要掌握跨学科的思维模型，至于怎么糅合，怎么用，只提了一个检查清单。

老曹觉得只用一个清单是不够的，模型就在那，关键是怎么用起来，所以又增加了两个步骤。

还是开头说的那句话，这一节，包括整篇文章，都是我个人的理解，肯定有错误和不足。所以如果你有不同的观点，或者有想要吐槽的内容，欢迎留言指教。

正如前文所说，思维模型想要多、想要多元，很简单，学就是了。但关键是要用起来，而且是全部用起来。

查理·芒格是这样说的：

你必须知道重要学科的重要理论，并且经常使用它们——要全部都用上，而不是只用几种。大多数人都只养成一个学科的思维模型，试图用一种方法来解决所有问题。

你知道谚语是怎么说的：“在手里拿着铁锤的人看来，世界就像一颗钉子。”

这是一种处理问题的笨方法。

那怎么把掌握的模型全部都用起来呢？我总结了三个步骤：

- 寻找共性

- 问题分解

- 使用清单

7.1 寻找事物之间的共性

前面在讨论高手的时候，用到的成语是：举一反三、触类旁通。

做到这两点的前提，就是寻找共性。

不同学科的思维模型很多，如果去追求数量的话，是永远都学不完的。但是如果能找到共性，或者说，相似性，就能很好的理解其他的模型。

在解决问题的时候，也更容易根据共性，去调用其他学科的思维模型。

举几个例子。

7.1.1 Photoshop 与幻灯片

我是在十几年前自学的 Photoshop，那个时候没有线上课程、教学视频，看的是一个图文教程。

开始看的很费劲，教程的文字也不通俗易懂，但是当我看到「图层」那一节的时候，突然有了豁然开朗的感觉。

因为我想到了幻灯片，不是 PPT，是现实世界的实物幻灯片。

我读小学初中的时候，教室里摆一台幻灯机，放几张幻灯片，就是很先进的多媒体教学了。

幻灯机怎么用呢？是通过切换、叠加一张一张的塑料图片，也就是幻灯片，来播放不同的影像。

我发现 Photoshop 的图层和幻灯片是有共性的：

图层的叠加，就像幻灯片的叠加一样，上面的会盖住下面的。

图层的修改，也像幻灯片的修改一样，改这一张不会影响其他的图层。

通道、蒙版也是差不多的原理。

找到这个共性后，我很快就上手 Photoshop 了。

后来用 Photoshop 做 GIF 动图，我又想到了手翻画。

屏幕前的你可能也在上课开小差的时候画过手翻画。

手翻画的动画效果是怎么形成的？是一页一页的纸张连续叠加覆盖形成的，一页纸就是一帧。

Photoshop 里面，一个图层就是一帧，一个一个的图层连续叠加就成了 GIF 动图。

找到了和手翻画的共性之后，我也很快学会了用 Photoshop 做 GIF 动图。

Photoshop 和幻灯片，是一个软件和实物、虚拟和现实之间存在共性的例子。

学科之间也有很多共性。

7.1.2 守恒和平衡

提到守恒，你能想到什么？

中学里面，我们学过各种守恒：能量守恒、质量守恒、热量守恒、电量守恒、动量守恒……

这些概念来自不同的科目，但他们的共性很明显：守恒。

抓住这个共性，这些概念可以说是一通百通。解题也是会了一个之后，其它的也迎刃而解，无非用的公式、定理不一样。

和守恒类似的，还有一个平衡。

我记得中学生物课里面有一节是讲渗透的，细胞什么时候失水、什么时候吸水。搞清楚失水还是吸水其实很简单，就是平衡。水会从低浓度流向高浓度，最终细胞内外的液体浓度趋于平衡。

物理也有平衡，比如静电平衡。像渗透一样，电荷如果分布不均匀，浓度有高低，电荷就会往平衡的方向移动。

政治课本里面讲供需平衡，也是一样的道理，从高到低，实现平衡。

平衡，就是上面三个不同科目的内容的共性。

我相信，在工作、学习、生活中，你也发现过很多事物之间的共性。找到共性的那一刻，陌生事物和熟悉事物产生了的联系，我们对陌生事物的认知也一下提高了几个层次。

通过共性，可以把不同科目、不同领域的知识和模型联系起来，形成以共性为节点的认知网络。

是的，一定是网络。因为一个模型可能和很多学科有联系，一个模型也会和很多不同的模型有共性。

形成有联系的网络之后，知识、模型不再是孤立的、局限的，有了融会贯通、聚为一体的可能。

7.2 对问题进行分解

「现实世界的问题不会恰好落在某个学科的界限之内」，这句话的另一个说法是：现实世界的问题是混合的。

现实世界的问题不是科目分明的理综考试、文综考试，一眼望去就知道这是物理题，那是地理题；这是考文学，那是考化学。

现实世界的问题是混合的，单一学科的知识、模型解决不了，所以需要多元思维模型。

可是问题是混合的、交织在一起的，多元思维模型也下不去手啊？

怎么办？

抽丝剥茧，分解。

分解大概是最常用、最有效的解决问题的方法。

我们在上学的时候就有学习分解。

比如数学的因式分解，把复杂的多项式分解为简单的乘积。

比如物理的受力分析，要把整体分解为部分，一部分一部分的去分析。

工作中的复杂问题也需要分解。

比如，开了个网店，每天访客 10 万人，可最终下单只有 100 人，哪里出问题了呢？很多人会拿出漏斗模型，漏斗模型其实就是对消费者的转化过程进行了分解。

比如，公司有 10 万会员，但业绩增长陷入瓶颈。怎样挖掘会员的潜力呢？很多人会拿出 RFM 模型，RFM 模型其实就是对会员的组成进行了分解。

当我们把混合的问题分解开、罗列开，就能知道这个问题是由哪些小问题、小环节组成的，然后再看看每个小问题、小环节需要哪些模型来解决，直到把问题解决为止。

比如通过漏斗模型，发现进入商品详情页的访客很多，但加购物车的很少，那么详情页肯定是有问题的。接下来就是如何去提高详情页的转化率，怎么提高呢？可能需要详情页的热力图和浏览触达率，可能需要进行 A/B 测试，可能要用一点行为设计学的知识，可能还要一些营销活动……

现在这个具体的问题，就是一个把方法、模型关联起来的共性。

只要能找到具体的问题，我们就能使用各种模型针对性地去解决问题。

分解就是找到具体问题的方法。

举例的漏斗模型、RFM 模型是现成的分析模型、固定的分解套路。这样的模型有很多，只要条件合适，都可以直接拿来用。

不过，有的时候我们遇到的问题会更加复杂，也可能没有现成的分析模型。但只要多点耐心、细心，再复杂的问题，也能分解成具体的小问题。

7.3 形成解决问题的模型清单

你可能有过这样的感觉，一个问题，百思不得其解。别人解决了，去请教，发现原来用的就是自己会的方法，但这个方法自己却怎么都想不起来。

为什么想不起来呢？

一种情况是自己没有找到问题和方法的联系，也就是没找到共性，不知道这个方法能解决问题。直到看别人用了，才知道可以用这个方法。

另一种情况，就是真的想不起来。

这两种情况都可以通过模型清单来解决。

在《穷查理宝典》的第三讲《论基本的、普世的智慧》里面，有这么两句话：

聪明人怎么会犯错呢？

答案是他们没有做我正要让你们去做的事情——掌握所有主要的心理学模型，把它们当作检查清单，用来审视各种复杂系统的结果。

把思维模型当作检查清单，就是模型清单。

那么，把掌握的思维模型都列到一张清单上，就算是模型清单了吗？

老曹觉得这样还不够。这样的清单，还是一个果盘，不是多元一体。

那怎样才是多元一体的模型清单呢？

针对具体的问题，整理的模型清单。

《穷查理宝典》里面就有一个查理·芒格针对「投资」这个问题做的检查清单，清单里面有和投资相关的各种思维模型，比如复利、能力圈、逆向思维，也有一些警示、原则。

因为这个清单已经包含了各种各样的、和投资相关的多元思维模型，所以遇到投资相关的问题时，按这个清单来一遍，就是在调用多元思维模型了，既不会有遗漏，也不存在「想不起来」的情况，更没有单一模型的局限。

那这个模型清单要怎么做呢？其实大部分工作已经在前面两步完成了。

通过寻找共性，能把我们掌握的各个学科、领域的思维模型贯穿起来。

通过问题分解，能把混合的问题分解成一个一个具体的问题。

现在，只需要把能解决具体问题的、存在共性的模型列出来。

还是用漏斗模型举个例子。

把访客的转化过程分解成几个环节，每一个环节的问题都可以用一系列的方法去解决。每一个环节的系列方法，就可以做成一个清单，它们的共性就是能解决这个问题。

只要下次遇到的是存在相同共性的问题，就可以把这个清单单独拿出来使用，这个清单就是针对具体问题的模型清单。

再看下《穷查理宝典》里面对多元思维模型的评价：它们借用并完美地糅合了许多来自各个传统学科的分析工具、方法和公式。

我们的模型清单呢？有各个学科的工具、方法、模型，并且能够用来解决具体的问题。

而且这个清单不是死的，每当我们遇到新的模型、更好的模型，都可以添加进来，或者进行替换，让这个清单不断更新，始终有最新、最有效的多元模型。

我们再按「多元一体」的标准看下这个清单：

清单里面的模型可能数量不是很多，但来自不同的领域，是多种多样的，也就是多元的。

不同的模型不是简单的列在一起，而是因为有共性而被联系在一起、糅合在一起。

这个共性就是能够解决一个具体的问题，实现一个具体的目的。

这还没有结束。

工作和生活中我们会遇到很多混合的问题，这些问题可以被分解成很多具体的问题，每一个具体的问题都可以做一个模型清单。所以我们会有很多模型清单。

一个模型可能解决多个不同的问题，所以一个模型会存在于很多个清单里面。

因为遇到的问题是混合的，所以解决混合问题的时候，也需要调用很多不同的模型清单来解决。

通过模型清单，把我们掌握的模型都关联了起来，也都能真正的用起来。

至此，我觉得可以说是真正做到了多元一体，真正拥有了能用起来的多元思维模型。

我对多元思维模型的理解差不多讲完了，不过好像还缺点什么。

模型到底是怎么获得的呢？

8、获得思维模型的方法

在说怎么获得思维模型之前，先说三个学习模型的准则：

针对问题学习模型；

学习普适性的、经典的、基础模型；

别纠结。

8.1 学习思维模型的 3 个准则

8.1.1 针对问题学习模型

这个准则在前面的内容已经说过了。

思维模型要从解决问题的角度出发，起点和终点都是能否解决问题。能够解决我们的问题，这个模型对于我们才是有价值的，否则只是我们工具墙上的一件收藏。

针对问题学习模型，并不是说遇到问题了才去学习，而是熟练掌握能解决当前问题的模型。

工作中的问题可能会反复出现，所以这个模型将来可能还会反复使用。既然如此，这个模型的优先级当然要高一些，要好好学习，熟练使用。

这和广泛的学习多元模型并不冲突。

8.1.2 学习普适性的、经典的、基础模型

越是基础的模型，适用的范围越广，能解决的问题越多。换句话说，模型和问题不是一对一的，而是一对多的。

比如数学里面的概率、复利、排列组合、正态分布等等，不仅仅在数学里面使用，物理、化学也要用，工作中分析产品、调研用户等等很多方面也要使用。

这是真正的基础模型，也是查理·芒格所说的「基础学科的重要理论」。

很多重要的基础模型在学校里面已经学过了，除此之外，还要学习一些工作、生活中用到的基础模型。

比如前面说的漏斗模型，就是使用范围很广的分析模型。可以分析电商、门店的流量，可以分析广告投放的效果，做增长的 AARRR 模型也是漏斗模型。

比如 PDCA 模型，本来是用于生产过程管理的，但也适用于运营、投放、产品、谈恋爱、学开车等等很多的场景。

所以当有两个模型摆在你面前的时候，别犹豫，先学那个更基础的模型。

8.1.3 别纠结

前面提到的小例子，网上经常有人问：应该学 CorelDRAW 还是 AI？Python 和 Java 哪个好？

其实不用纠结，先学一个再说。

为什么？

模型是工具，是为了解决问题的，而不是反过来。

如果现在要拧一个螺丝，找一把螺丝刀就好了。至于这把螺丝刀是碳钢的还是合金的，是带棘轮的还是电动的，无所谓。

目的是拧螺丝，那么唯一需要关注的，是螺丝刀和螺丝能不能匹配。

根据螺丝去找螺丝刀，能把螺丝拧上的就是好螺丝刀。而不是先有了把螺丝刀，再到处去找匹配的螺丝。

同样的道理，如果几个模型都能解决问题，别纠结，先学一个再说。

而且让我们纠结的模型都是有共性的，学会一个之后，其它的也不难上手。

再总结下这三个准则：

- 针对问题学习模型；

- 学习普适性的、经典的、基础模型；

- 别纠结。

如果你有更好的准则，或者对这三个准则有修改建议，欢迎留言讨论。

接下来该说说获得思维模型的方法了。

思维模型是怎么获得的？有两种方式，一种是从外界输入的，一种是自己总结习得的。

外界输入可以分两种：主动地学习，被动地接受。

自己总结习得也可以细分成两种：正向的积累，反向的删除。

我们先说第一种大的方式，从外界输入思维模型。

8.2 外界输入

一个小球，为什么能静止不动？踢它一脚，为什么又能自己往前滚动？为什么滚了一段距离又停下了？

学了物理之后，我们知道，哦，物体有惯性，没有外力的时候会保持静止或做匀速直线运动。

这就是牛顿第一运动定律，是一个解释物体运转的模型。

这个模型自然是牛顿总结、提炼的。那我们是怎么获得的呢？

是从书本上、课堂上，直接获得的一个现成的模型。

为了能获得更好的成绩，更好的解决工作中的问题，我们还会主动学习更多的相关模型。

被动接受的模型则恰好相反，我们没有主动去学习，是外界强加给我们的。

举个例子，古时候要求女性三从四德、缠足守寡，否则就是伤风败俗，受人唾骂。

这些自然都是陋习，是对女性的约束和压迫，但古时候的女性却主动地遵从，就是因为这些陋习延续了千百年，成了群体的思维模型。

在那样的时代、那样的社会，三从四德就是正确的，以至于女性自己，也用三从四德的模型去处理对自己和别人的评价。

类似的，我们自己的很多解释世界的思维模型，包括我们的世界观，都在从小到大的成长过程中，潜移默化、被动获得的。

从外界输入，是我们获得模型的主要途径。我们的很多模型都是从外界输入的，它们就能解决绝工作生活中的大多数问题。

不过，外界输入的模型，其质量会受到来源、环境的强烈影响，而且外界输入的模型都是现成的，未必能解决我们遇到的个性化问题，所以我们还需要自己总结一些模型。

8.3 总结习得

人类具有总结模式的天赋，会不自觉地去寻找事物的规律，并且总结、验证、提炼成模型。

如果我们发现总结的模型能够解释、解决自己遇到问题，就会把这个模型积累下来，下次继续使用。

上一小节说我们主动从外界学习的模型，也都是其他人总结提炼的。因为这些模型很有价值，所以代代流传。

如果发现模型出错了呢？我们就会修正甚至删除掉这个模型。当然，不排除一些固执死板的人坚持错误的模型。

举个例子。

前面提到牛顿运动定律。那在牛顿之前，人们怎么解释运动呢？用的是亚里士多德的模型。

亚里士多德通过自己的观察、归纳，总结出一些关于运动的解释模型。比如力是维持物体运动状态的原因；重量决定物体下落的速度，重的物体下落的更快，等等等等。

亚里士多德的模型使用了快 2000 年，直到牛顿总结出牛顿运动定律，我们才用正确的力学模型替换掉错误的。

再用前面说的手势的例子来说明。

80 后模仿打电话是比个「六」放在脸旁边，10 后模仿打电话是把手掌贴到脸上。

两代人想要用手势交流，80 后就要删除比「六」这个模型，改用手掌模型。因为这是发展的趋势，比「六」这个模型可能以后再也不会用到了。

类似的，存在了几千年的三从四德已经要被我们删除殆尽，各地的一些婚闹陋习、错误的习俗、价值观也在慢慢的被大家删除抛弃。

删除模型相对来说比较容易，发现错了，删掉不用就是。难的是自己总结模型。

8.3.1 总结自己的模型5个步骤

首先要说明，老曹我不提倡自己总结模型。

人类几千年文明史，伟大的人物和思想灿若繁星，我们一辈子都学不完。我们自己费尽心力总结的模型，说不定早已有无数的人总结过、完善过、验证过、批判过。

如果能有合适的模型解决自己的问题，我们直接学习使用就好了，站在巨人的肩膀上岂不美哉。

而且，我们自己总结的模型是否正确、普适，适用条件到底如何，能否久经考验？这些问题是我们自己难以验证的。

如果我们自己总结了错误的模型还不自知，那吃亏的最终还是自己。

所以能不自己总结模型，就不要自己总结。除非真的找不到适合的模型，需要自己亲自动手。

如果需要自己亲自动手，来总结属于自己的模型，解决个性化的问题，我有五个步骤给你参考。

观察→归纳→验证→模型→应用

观察。观察一个事情或问题，是如何发生或者被解决的。可能要观察很多类似的案例。

归纳。从问题的解决、事情的发生中，总结归纳出一个通用的规律。

验证。用案例去检验这个规律，或者说是用规律去套案例，如果规律不适用，那么需要调整修正、打补丁。

模型。经过验证的规律就可以作为模型了，而模型的适用条件就是上一步修正时打的补丁。

应用。把模型在实践中进行应用，并进一步完善。

这五步其实很简单，简单到我不知道该如何进一步解释。还是举个「能力圈」的例子吧。

8.4 五步总结模型实践：能力圈

当初从《穷查理宝典》里面看到「能力圈」这三个字的时候，我很感兴趣，但是书中对能力圈的概念、划分、扩展并没有说明。

我就想这本书已经出版了十几年了，肯定有别人研究过，那我去看看别人的成果，结果有点失望。

很多人对「能力圈」的讨论止步于表面的文字——「圈」：画一个有清晰界限的圈，就是自己的能力圈了，然后就让大家努力扩展能力圈。

至于这个圈的界限怎么来的，不知道；怎么扩展能力圈，不知道；能力圈会不会萎缩，也不知道。

假设我要扩展能力圈，这个画一个圈的模型对我有帮助吗？没有。

圈外的东西本来就是我不知道的，没见过的，又怎么去得到它呢？

既然这个画一个圈的模型不对，那我就自己来吧。

8.4.1 观察

我无法客观的评判别人的能力，但我可以评判自己。所以我先观察自己的能力范围是什么样的。

比如 Photoshop。

我是看着图文教程自学的 Photoshop，上手的原因是在《7.1 寻找事物之间共性》一节里面讲的，找到了 Photoshop 和幻灯片的共性。

我算是会 Photoshop的，P 个图、做个海报、弄个详情页，漂亮与否先不说，至少能做出来，偶尔还能对美工指手画脚一番。

但我肯定不精通 Photoshop。没有系统的学习过，很多功能也没用过，比如通道、蒙版，用过几次，不熟练，也不知道什么时候该用、什么时候不该用。

其他的一些技能也和 Photoshop 类似，会，又不全会，总有些地方是模糊的。

8.4.2 归纳

通过观察，我发现我的很多能力是没有明确界限的，存在一个模糊的边缘。

这个边缘并非无法触及，而是就在那里，我能看到它的轮廓。就好像我知道 Photoshop 的通道、蒙版就在那里一样。

这个边缘也不是固定的、死的，我往前走一步，走过的地方变清晰了，但边缘也后退了一步。就好像我学会了通道、蒙版，那我 Photoshop 的能力就扩大了，但我也知道了更多我还不熟悉的功能，这些功能又成了模糊的边缘。

最终我归纳的结论是，能力圈是没有清晰边界的，是在浓雾里面行走。

雾里面都是朦朦胧胧，只有走过去，才知道那个朦胧的轮廓到底是什么样的。想要扩大能力圈，也只能走到浓雾里。而走进去之后，又会看到更多朦胧的轮廓。

8.4.3 验证

「浓雾行走」这个结论对不对呢？我回想了下我学习 Photoshop 的经历。

起初是在公司看到美工用 Photoshop 修图，了解到这个软件，发现了一片被浓雾完全覆盖的未知区域。

作为接受了九年义务教育，有电脑和搜索基础的人，我搜索了教程，开始探索的第一步。

发现了图层和幻灯片的共性，开始快速上手，探索的区域越来越多，能力的边缘也变得越来越大。

当学到的技能满足我修图的需求时，我停止了探索。那些我还没学会，但用过、看过、听过的功能，成了我 Photoshop 能力圈的模糊边缘。

不过，我知道它们在哪里，我能看到雾里面它们的轮廓，所以需要的话，我立刻能学会那些功能。

用「浓雾行走」去套我 Photoshop 的能力变化，是能解释的通的。其它领域的能力变化，也能验证这个结论。

8.4.4 模型

根据「浓雾行走」这个结论，我总结了属于我的能力圈模型：

所谓能力圈，就是在布满迷雾的「能力地图」上探索，那些能够点亮的区域就是能力范围。

把这个模型进一步完善，增加了确定能力圈边界、稳固能力圈、发展能力圈、能力圈的误区等内容，就成了《12000字，讲透「能力圈」》这篇文章。

8.4.5 应用

最直接的应用，就是明确了我自己的能力圈边界。这个边界用直接画个圈的模型是明确不了的，但我用自己的模型明确了。

既然我总结的能力圈模型可以应用于实践，也就能够在实践中不断完善。

这个枯燥的案例总算结束了，希望能够帮助你理解总结模型的五个步骤。

什么？你已经忘记是哪五个步骤了？那再看一遍吧：

观察。观察一个事情或问题，是如何发生或者被解决的。可能要观察很多类似的案例。

归纳。从问题的解决、事情的发生中，总结归纳出一个通用的规律。

验证。用案例去检验这个规律，或者说是用规律去套案例，如果规律不适用，那么需要调整修正、打补丁。

模型。经过验证的规律就可以作为模型了，而模型的适用条件就是上一步修正时打的补丁。

应用。把模型在实践中进行应用，并进一步完善。

还是那句话，前人总结模型如群星璀璨，能够找到久经考验的模型来解决自己的问题是最好的。

但是如果没有的话，我们就自己来吧。