思维模型：方法论总结

按学科分类编目，不按难度排序

全书的组织方式是把思维模型按来源学科和功能类型分组。物理学里的模型放一章，经济学里的放一章，心理学里的又是一章。每章内部再按功能细分——比如"用于决策的""用于判断系统行为的""用于识别认知偏差的"。

这个分类方式的前提假设是：多数人遇到问题时不知道该找什么模型，但能判断自己的问题属于什么类型。按类型分组比按字母表排列或按难度递进更容易检索。

分类编目本身就是方法。它回答的问题不是"哪个模型最好"，而是"你的问题在哪个学科里已经有成熟工具"。

跨学科迁移是底层逻辑

温伯格和麦肯反复出现的一个核心判断：同一个结构性模式会在不同学科里反复出现，只是名字不同。

物理学的"临界质量"和社会学的"引爆点"描述的是同一种非线性变化。生物学的"适者生存"和商业竞争里的"市场淘汰"遵循同一种选择压力。把这些对应关系识别出来，就能用一个领域的成熟工具去处理另一个领域的新问题。

跨学科迁移不是比喻。它依赖的是结构相似性——两个问题的因果结构足够接近，一个领域里被验证过的解法在另一个领域里也大概率有效。温伯格和麦肯做的事，是把这种结构相似性从隐性经验变成显性索引。

这和帕里什在《思考的框架》里的做法不同。帕里什更关心"几个模型怎么组合使用、互相校验"；温伯格和麦肯更关心"你知不知道这个模型存在、遇到问题时能不能想起来"。一个是打磨组合拳，一个是扩充武器库。

检索优先于记忆

全书不要求读者记住每一个模型。它的设计意图是让读者建立一种检索习惯：遇到问题时，先判断问题类型，再到对应分类里找可能有用的模型，然后快速判断是否适用。

这套检索逻辑的三个环节各有不同侧重。

问题归类——遇到问题时先问"这是一个决策问题、系统问题、认知偏差问题，还是博弈问题"。归类不需要精确，只需要缩小搜索范围。

模型匹配——在对应分类里翻阅条目，每个条目的定义和典型场景通常足以让你判断相关性。像查字典一样用，不像读教科书一样学。

适用性判断——找到可能相关的模型后，先看它的前提条件和常见误用。不是所有模型都适合当前场景；跳过适用性判断直接套用，反而比不用模型更危险。

三个环节不是严格的线性流程。有时候你一眼就能认出问题对应哪个模型，可以跳过归类直接匹配。有时候匹配后发现模型不适用，需要回到归类环节重新界定问题类型。灵活使用比严格遵循更重要。

每个模型的信息密度控制

温伯格和麦肯给每个模型分配的篇幅很短——通常一到两页。这不是省事，是有意为之。

每个条目覆盖四件事：模型的定义和来源、一个核心场景、一两个常见误用、和相关模型的交叉引用。这个密度刚好够完成一件事——判断"这个模型和我的问题有没有关系"。

深度学习不在这里完成。条目末尾通常会指向原始学科的经典著作。《思维模型》的角色是入口和索引，不是教材。这个密度控制让全书可以覆盖数百个模型而不至于变成百科全书式的堆砌——每个条目都是一个检索节点，不是一篇论文。