TL;DR：系统思维不是“把所有因素都考虑一遍”，而是用边界、目的、连接、反馈、存量、流量与延迟解释行为为何持续出现，再以可验证的小步干预更新模型。学习顺序是：界定系统 → 识别反馈 → 理解积累与延迟 → 识别行为模式 → 面对涌现 → 建立因果证据 → 选择杠杆点 → 共同建模 → 工程实践。

TL;DR：反馈是结果回到原因并影响下一轮行为。增强回路放大变化，调节回路追求目标；二者都不天然“好”或“坏”。画回路的关键不是连箭头，而是标明变量、极性、延迟、证据与主导时段，并用历史行为检验它是否真的解释了问题。

TL;DR：系统不是客观世界中等待被圈出的固定盒子，而是观察者为某个目的选择的“研究对象”。边界决定哪些关系可见、哪些成本被外部化；目的决定系统实际优化什么。好的模型会明确目的、时间尺度、利益相关者、系统内外与可控范围，并允许边界随证据调整。

TL;DR：指标不是被动的仪表，它会改变行为——一旦某指标成为考核或决策依据，团队就会优化这个数字而非真实结果，这就是 Goodhart 定律的工程含义。应对不是“堆更多指标”，而是分清目标、结果指标、领先指标、代理指标与护栏指标，让指标组合暴露权衡与副作用而非彼此粉饰。

TL;DR：实验是把“X 是否导致 Y”从观察转为干预检验的最强工具。A/B 测试随机分组、因果强度最高；灰度发布按比例放量、兼顾安全与验证；消融实验回答“移除某组件后结果是否改变”；前后对比最弱，易被时间趋势污染。四种设计支持的因果主张强度不同，不能混用其结论。

TL;DR：因果图（DAG）用箭头表达“我们假设谁导致谁”，帮我们判断该控制什么、不该控制什么。直觉认为“控制越多变量越严谨”，但因果图显示三种变量要分开处理：混杂因素必须控制，中介变量通常不该控制（会切断机制），碰撞器一旦控制反而引入虚假关联。

TL;DR：根因分析（RCA）的难点不是“找到原因”，而是判断一个原因主张证据是否闭合。因果分析与根因分析 给出了从时间线到证据表的六步流程；本篇深化“证据标准与适用边界”——人的失误是调查起点而非结论，5 Whys 和鱼骨图只生成假设，故障树处理 AND/OR 组合，FMEA…

TL;DR：本篇是“有哪些工具”的横向索引，不按主题专栏组织，而按认知透镜 → 阶段型工具 → 表达模板 → 学习复盘分层陈列。它与 思维方法全景地图 的四层模型对应：透镜决定看见什么，工具在阶段里产出可检查结果，模板组织沟通，复盘把经验转为能力。

TL;DR：复杂适应系统由能学习和调整策略的主体组成，整体行为从局部互动中涌现，不能只靠分解部件或发布命令来预测。管理这类系统的重点不是消除不确定性，而是设计约束、信息与安全可失败实验，让有益模式扩散、危险模式尽早暴露。

TL;DR：本篇用一个完整案例串起全专栏方法——引入编程 Agent 后，交付周期是否真的缩短、质量是否守住。流程是：5W2H 与时间线固化事实 → 系统模型定位瓶颈 → 因果图显化混杂与中介 → 列竞争性解释 → 灰度/消融实验检验 → 指标护栏与 PDSA 复盘。