最适合的问题类型
结构相对清晰、可以被拆解、有明确判断标准的问题。比如"怎么在三个月内把某个指标提升 20%""选哪个供应商""如何组织一次活动"。
这类问题有共同特点：拆完之后，每个子问题都有可以收集的信息和可以验证的假说。七步框架在这个领域效率极高。
复杂系统问题会超出框架能力
涉及多个互相影响的变量、反馈回路和非线性效应的问题，逻辑树拆不动。
比如"怎么改善团队文化"——文化不是一棵树，而是一张网。你改了 A 点，B 点会跟着变；B 变了又会反过来影响 A。七步框架假设子问题之间相互独立，这个假设在系统问题面前不成立。
遇到这类问题，需要换到系统思维的工具箱——因果回路图、杠杆点分析。《系统之美》在这里补位。
价值判断类问题不适用
"我应该选择什么样的人生""这个商业决策在道德上是否正确"——这类问题不存在可以验证的假说。
七步框架的力量来自"假说可验证"这个前提。当问题涉及价值观、偏好、信仰时，这个前提消失了。硬套框架的结果是把主观选择伪装成客观分析。
降维带来的精度损失
渡边健介为了降低门槛，省掉了很多专业细节。MECE 原则只提了大意，没有教如何检查遗漏。假说验证的方法只讲了最基础的比较，没有涉及统计显著性和因果推断。
对入门者来说这些省略是对的——先学会走路，再学跑步。但如果你已经在做复杂分析（市场研究、产品策略、投资决策），七步框架提供的精度不够。需要回到原始的麦肯锡方法论或统计分析工具。
停退换信号
停下来的信号：拆了两三层之后，子问题不减反增，越拆越多——说明问题本身不适合用树状结构处理。
退回去的信号：假说反复被推翻，每次验证都指向"问题定义本身不对"——说明第一步的问题陈述需要重写。
换方法的信号：你发现子问题之间不独立、改了一个会影响另一个——需要换到系统思维工具，逻辑树在这里撑不住。