TL;DR：复盘不是“总结经验教训”，而是把行动结果转化为可被检查、可被更新、可被他人复用的能力。系统思维建模、因果与证据验证、决策与权衡选择之后，复盘与学习负责回答：结果说了什么、需要更新哪一层（动作/规则/目标/系统）、以及怎么让下次不同。
2026-08-26
TL;DR：无责复盘（Blameless Postmortem）是 Google SRE 推广的事后分析方法，核心原则是归因到系统条件而非个人。复盘回答“当时什么系统条件让这个行为合理且危险”，而非“谁做错了”。有效流程：时间线（事实与解释分离）→ 促成条件分析 → 系统防线缺口 → 可验证行动项。
2026-08-26
TL;DR：PDSA（Plan-Do-Study-Act）是 W. Edwards Deming 提出的持续改进循环，核心不在 P 和 D，而在 Study——Deming 强调“研究”而非“检查成败”。PDSA 的独特价值是：每次行动前先写下预测，行动后对比预测与实际，从差距中提取知识。
2026-08-26
TL;DR：AAR（After Action Review）是美国陆军发展的行动后学习方法，只用四个问题就能产出可复用的学习。迭代回顾是 AAR 在敏捷中的变体。两者都不追求完整 PDSA 的严谨，而是以极低成本在每次行动后快速提取“预期 vs 实际”的差距。
2026-08-26
TL;DR：Chris Argyris 区分了三种学习深度：单环学习只问“动作对不对”，双环学习追问“规则和目标对不对”，系统学习改变信息流、激励和结构。大多数复盘停在单环——改动作不改规则。有效复盘必须有意识地追问“能不能改更深一层”，因为只调动作不改变系统条件，同类问题会反复出现。
2026-08-26
TL;DR：本篇用一个完整案例串起全专栏方法——为一次线上事故做端到端复盘。流程：无责时间线 → 促成条件与系统防线 → PDSA 对照假设 → 判断更新深度 → 产出可审阅的行动项与复查记录。最终产出是一页“复盘决策记录”，让未参与者能复述因果逻辑、判断更新是否到位。
2026-08-26