🔧 问题解决
系统性地分解问题，找到根本原因，生成有效解决方案。本类别涵盖 25 个经典心智模型，每个都有完整定义、真实案例、使用指导、常见误用，以及直接链接到 MindMax 应用。
模型列表
| # | 模型 | 核心思想 | 典型使用场景 |
|---|---|---|---|
| 1 | 5 个为什么 | 连续问五次"为什么"，从症状深入到根本原因 | 工程事后分析、流程改进、质量保证 |
| 2 | MECE | 结构化分析，使类别相互独立且完全穷尽 | 咨询框架、报告结构、研究 |
| 3 | 根本原因分析 | 区分表面症状和真正需要修复的底层原因 | 工程故障、商业问题、重复错误 |
| 4 | 问题树 | 将复杂问题分解为独立的、可解决的子问题树 | 战略咨询、复杂诊断、结构化分析 |
| 5 | 橡皮鸭调试 | 向他人（或物体）清晰地阐述问题，往往能揭示解决方案 | 代码调试、创意瓶颈、决策清晰度 |
| 6 | 抽象阶梯 | 向上（为什么？）重新定义问题，向下（怎么做？）找到具体解决方案 | 需求收集、产品定义、设计 |
| 7 | 思想实验 | 构建想象场景来探索理论的逻辑，无需真实测试 | 哲学、物理直觉、伦理推理 |
| 8 | 分而治之 | 将棘手问题分解为更小的、可独立解决的部分 | 算法设计、项目管理、学习策略 |
| 9 | 约束放松 | 暂时移除你认为固定的约束，然后从更自由的空间推理 | 创新设计、谈判、创造性问题解决 |
| 10 | 类比推理 | 借用一个领域已解决问题的结构来解决另一个领域的未解决问题 | 跨领域创新、快速学习、解释 |
| 11 | 费米估算 | 通过分解为可认知的子量来进行合理的定量估算 | 市场规模、项目范围、合理性检查 |
| 12 | 逆向工程 | 从理想的最终状态开始，反向推导达到它所需的步骤 | 产品开发、目标设定、亚马逊 PR/FAQ 方法 |
| 13 | 证伪 | 主动寻找可能推翻你假设的证据——强大的理论能经受住试图杀死它们的尝试 | 科学推理、假设检验、决策制定 |
| 14 | 苏格拉底式提问 | 通过系统的、探究性的问题揭示隐藏的假设和矛盾 | 教练、教学、需求澄清 |
| 15 | 反事实思考 | 问"如果 X 不同，会发生什么？"来理解真正的因果关系 | 事后分析、归因、历史分析 |
| 16 | 黑匣子思维 | 将每次失败视为数据，系统性地分析它以改进下一次尝试 | 工程、航空安全、组织学习 |
| 17 | 科学方法 | 观察、假设、预测、实验、分析——最可靠的认知引擎 | 研究、产品实验、战略决策 |
| 18 | 鱼骨图（石川图） | 按类别可视化地映射问题的所有可能原因，以找到根本驱动因素 | 制造质量控制、流程分析、团队问题解决 |
| 19 | Cynefin 框架 | 将情境分类为简单、复杂、繁杂或混乱——每种都需要不同的响应方式 | 管理、危机响应、决策框架 |
| 20 | 问题重构 | 刻意改变问题周围的框架，以解锁从原始框架看不到的解决方案 | 设计思维、创造性问题解决、谈判 |
| 21 | 归纳 vs 演绎推理 | 从具体案例构建一般原则（归纳）或将一般规则应用于具体案例（演绎） | 逻辑、研究设计、论证 |
| 22 | 近因 vs 根本原因 | 区分事件的直接触发因素和更深层的系统性原因 | 事件分析、政策设计、战略 |
| 23 | 最小可行测试 | 设计能给你最关键缺失信息的最小实验 | 产品验证、研究、假设优先级排序 |
| 24 | 横向再进入 | 暂时离开卡住的问题，让你的发散思维模式工作，然后以新鲜状态返回 | 创意瓶颈、复杂推理、创新 |
| 25 | 钢铁侠化问题 | 在尝试解决问题之前，构建问题的最强可能版本 | 战略、辩论准备、避免肤浅解决方案 |
| 26 | 认知负荷 | 通过最小化外部摩擦和优化工作记忆来管理心理努力 | 教学设计、用户体验、团队生产力 |
| 27 | 搞定（GTD） | 将承诺外部化到一个可信任的系统中，以清理心理空间用于执行 | 任务管理、压力减轻、高容量工作 |
| 28 | 第二大脑 | 一个外部的数字系统，用于捕获、组织和检索知识——扩展生物记忆 | 信息密集型工作、创意项目、长期学习、决策制定 |
| 29 | 游戏谬误 | 将简化的基于游戏的模型应用于复杂、混乱且不可预测的现实世界的错误 | 风险评估、战略规划、投资决策、政策设计 |
选择合适的模型
你在问题解决过程中的哪个环节卡住了？
│
├── 症状清楚但原因未知 → 5 个为什么 / 根本原因分析 / 鱼骨图
├── 问题太大且未定义 → 问题树 / 分而治之 / MECE
├── 分析框架可能遗漏了什么 → MECE
├── 解释感觉不对 → 证伪 / 苏格拉底式提问
├── 思考停滞，需要重置 → 橡皮鸭 / 横向再进入
├── 问题定义本身可能有误 → 抽象阶梯 / 问题重构
├── 大脑被复杂性压垮 → 认知负荷 / 搞定
├── 需要粗略定量估算 → 费米估算
├── 知道目标但不知道路径 → 逆向工程
├── 需要打破约束 → 约束放松
├── 解决方案存在于另一个领域 → 类比推理
├── 需要在响应前分类 → Cynefin 框架
└── 原因是直接的还是系统性的？ → 近因 vs 根本原因
与其他类别结合
问题解决模型特别适合与以下模型搭配使用：
AI 辅助实践效果更好
概念性学习模型只是工作的一半。在 MindMax 中，你可以输入一个真实问题，让 AI 一步步引导你使用模型。