挑战100天100个GPTs062.系统回顾思维模型—慢慢学AI074
#挑战100天100个GPTs
写在前面
一个项目上线效果不佳，团队做了复盘，写了几页总结，存进文档库。三个月后下一个项目，同样的坑又踩了一遍——复盘报告躺在那儿，没人再翻开过。这种事每个组织都在重演，原因不在复盘本身，而在复盘没沉淀成可以被下一个项目调用的东西。真正的学习需要两步走完：把一次性经验提炼成可复用的原则，再建一个机制确保这些原则真的被应用。少走任何一步，复盘就只是把痛苦又经历了一遍。
系统回顾思维模型，看的就是这件事——怎么把”回顾”从项目结束的一次性仪式，变成一个固定周期、有结构、能落到原则、能被下次调用的机制。它有三个咬死的东西：周期性（日/周/月/季/年固定做，不靠心情触发）、结构化（同一套问题反复问，不让回顾漂成闲聊）、行动导向（回顾为改未来，不为评判过去）。最出名的两个源头都在组织学习这条线上：一个是美军 1970 年代在国家训练中心搞出来的 After Action Review（AAR，行动后回顾），海湾战争时士兵在散兵坑和装甲车边自发聚在一起复盘上一仗，AAR 才真正传开并被制度化；另一个是戴明带回日本、把休哈特的循环改成 PDCA（计划-执行-检查-处理），成了质量管理的底盘。Ray Dalio 把”痛苦 + 反思 = 进步”写进《原则》，是这套逻辑在个人层面的爆款表达，但它不是这套机制的发明者。要把这条和几件容易搅一起的事分清：它和”项目复盘”不完全等价（项目复盘是事件触发的、一次性的，系统回顾是周期性的、跨事件的）；它和”绩效考核”也不一样（考核是评判过去、对人；回顾是改未来、对事）。这款 GPT 是个回顾陪练：你给它一段刚发生的事，它不替你下结论，逼你走完”发生了什么—为什么会这样—提炼原则—下次怎么改”四步，并标出哪些是归因错误（把运气当能力、把结果当原因）。
效果呈现
把下面的整段 yaml 提示词粘进支持系统提示的对话框（ChatGPT 创建 GPTs 的「Configure」、Gemini Gems，或任意可设系统提示的客户端），给它一个你刚结束的项目、季度、或一次重要决策。它会先分清”这是结果问题还是过程问题”，再带你走四步回顾，最后逼你提炼出一条能在下次复用的原则和一条下次立刻能改的动作。
实测对话
三个角度测这个 GPT（个人 / 组织 / 边界），挑顺手的丢进 Gem，把对话粘回对应块，不用的发布前删掉。
系统回顾·实测①（个人·夜班产量翻倍之谜）
🙋 我
我上个月把夜班产量数据拉出来一看，白班比夜班少了整整三成，可夜班人还少两个。第一反应是夜班偷工减料，可质检数据又没差。这事让我挺懵的，想搞清楚到底是排产方式、设备状态还是别的什么在起作用，怎么把真正的根因挖出来？
🤖 系统回顾 GPT
先给你一个直接判断：夜班产量比白班高三成、人还少两个，质检又没差——这大概率不是偷工减料，而是排产方式或设备状态的系统性差异在起作用。 你的第一反应是归因于人，这是最常见的归因陷阱：把结果差异直接等同于人的行为差异。在动手查之前，先把”人”这个变量放一边，因为它最容易掩盖真正的原因。
第一步：把”发生了什么”精确到可比较的颗粒度
你现在手里的”白班比夜班少三成”是个汇总数字，它可能掩盖了关键结构。先做三件事：
- 按天拆：是不是每天都差三成，还是只有特定几天差？如果是特定几天，那几天的排产、设备、物料有什么共同点？
- 按产品/工序拆：是所有产品都差三成，还是只有某几个型号差？如果是特定型号，那很可能不是人力问题，而是工艺参数或设备设定差异。
- 按时间段拆：夜班的产量是均匀分布在整个8小时，还是集中在某几个时段？如果集中在后半夜，可能和设备预热、环境温度有关。
这一步的目的，是把”白班vs夜班”这个粗糙对比，拆成”哪些条件下差异显著、哪些条件下差异消失”。差异消失的条件，往往就是根因的线索。
第二步：用AAR四问逼自己走完，而不是停在”发生了什么”
别急着下结论，按这四个问题逐条过：
- 原计划是什么？ 排产计划里，白班和夜班的计划产量、机台分配、产品结构分别是什么？如果计划本身就不同，那”差三成”可能只是计划差异的体现。
- 实际发生了什么？ 把产量、良率、设备稼动率、换型次数、停机时长这几组数据并排看。注意：质检数据没差，说明良率一致，但产量和稼动率是两个不同维度——夜班可能机器没停、换型少、等待少。
- 为什么会有差距？ 这里最容易犯归因错误。列出所有可能的解释，然后逐个排除：
- 排产方式：白班是不是换型多、小批量多？夜班是不是排的是大批量、少换型的长单？如果是，产量差异是排产结构造成的，不是人。
- 设备状态：白班是不是安排了设备保养、点检、试产？这些时间算不算进产量统计？夜班是不是纯生产、无中断？
- 环境因素：白班高峰期物料配送、质检排队、工具领用是不是有等待？夜班这些环节是不是更顺畅？
- 人员配置：夜班人少两个，但少的是哪个岗位？如果少的是辅助岗而非直接生产岗，人少反而可能减少沟通等待。
- 下次怎么改？ 这个先不急着答，等根因确认后再定。
第三步：标出你的归因陷阱
你第一反应是”夜班偷工减料”，这就是把结果差异等同于人的动机差异。在数据没查清前，这个假设既不证伪也不证实，但它会引导你只去找”人偷懒”的证据，忽略排产和设备这两类更可能的结构性原因。另外注意相关性不等于因果：夜班人少和产量高是相关的，但人少可能是结果（因为产量高所以排的人少），也可能是原因（人少所以干扰少）。别在这上面绕。
收尾建议
本周内做一件事：把过去30天的数据按”班次×产品型号×换型次数”三列拉一张透视表，找出”同样产品、同样换型次数下，白班和夜班的产量差异”——这一步能直接过滤掉排产结构的影响。如果过滤后差异消失了，根因就是排产方式；如果差异还在，再去看设备稼动率和停机记录。在数据过滤完成之前，不要找任何人谈话——一旦开始谈话，你就已经把”人”设为默认原因了，后面所有信息都会被这个预设污染。
系统回顾·实测②（组织·错装螺丝归零复盘）
🙋 我
我们车间这个月错装螺丝的投诉居然归零了，可我们什么都没改，连培训都没做。我第一反应是运气好，可又觉得不对劲——上个月还为此返工了十几台车。我想弄明白这背后到底发生了什么，是哪个环节悄悄变了，还是我们之前复盘的方向压根就错了？
🤖 系统回顾 GPT
先给直接判断：这不是运气，是某个你没看见的环节悄悄发生了结构性变化。 你的直觉是对的——上个月返工十几台，这个月零投诉，中间没有任何主动干预，最合理的解释不是“突然变好了”，而是“某个输入变量变了”。你现在要做的不是庆祝，而是用 AAR 的四问框架，把这个月的变化挖出来，把它变成可复用的原则。
第一问：原计划是什么，实际发生了什么？
你原计划里，错装螺丝的“控制手段”是什么？大概率是：靠员工操作时的注意力 + 事后质检抽检。上个月的实际结果是十几台返工，这个月是零投诉。但注意——“零投诉”不等于“零错装”。投诉是客户发现的，不是你们检出的。有可能错装依然存在，只是这个月的订单恰好没触发客户投诉路径（比如车型、装配批次、客户验收严格度不同）。所以先别急着下“归零”这个结论，去查：这个月返工记录是不是也归零了？还是只是“没被客户发现”？
第二问：为什么会有差距？
这是关键。既然你们“什么都没改”，那变量一定出在你们没监控的地方。按优先级排查：
- 物料或工艺变更：螺丝供应商换了吗？同一批次螺丝的尺寸公差、螺纹精度是否有波动？扭矩枪的校准周期是不是恰好在这个月重置了？错装螺丝很多时候不是“装错位置”，而是“螺丝本身有问题导致装配不顺”，工人被迫换了一颗——这不算错装，但根因在物料。
- 人员构成：上个月有新人？有临时调岗？这个月是不是熟练工比例回升了？错装螺丝是典型的“新手错误”和“疲劳错误”，如果上个月有加班、赶工，这个月排产节奏变了，那不需要“改什么”，节奏本身就是变量。
- 产品结构：上个月返工的那十几台，是不是集中在某几个车型或某个工位？这个月订单里这些车型占比是不是下降了？如果是，那问题根本没解决，只是“没遇到”。
第三问：这里最容易踩的归因陷阱
你第一反应是“运气好”，这个直觉其实比“我们改进了”更接近真相——但“运气”这个词会终止思考。正确的说法是：“我们还没找到那个变化的变量，但它一定存在。” 另两个陷阱：一是把“零投诉”当“零缺陷”，用结果反推过程没问题；二是把“时间巧合”当“因果”——比如这个月恰好换了班组长，但你没证据证明是班组长的作用，那就不能写进结论。
第四问：下次怎么改？
给你三条可立即执行的动作：
- 今天就去拉两个数据：这个月所有工位的“返工记录”（不是投诉记录）和“物料批次号”。如果返工也归零，对比上个月和这个月的物料批次、排产表、人员排班表，找出差异项。大概率你会在物料批次或排产节奏里找到答案。
- 建立“被动归零”的警觉机制：在车间白板上加一行“异常归零记录”——任何指标在没有主动干预的情况下大幅变好，必须当天发起一次 15 分钟的快速回顾，问那三个问题：什么变了？为什么变？能不能主动复制？
- 写一条可证伪的原则：不要写“加强过程管控”这种废话。写：“当投诉率在无干预情况下下降超 80%，视为异常信号，需在 48 小时内完成物料批次与人员排班对比分析。”——这条原则可触发、可检验。
最后一句收尾：别让这个月白好。 把“无干预归零”当成一次免费的系统诊断机会——它告诉你们，上个月的复盘方向可能确实错了，因为真正的杠杆不在培训，而在物料或排产的某个角落里。找到它，你才真正拥有了这个月的好结果。
系统回顾·实测③（边界·老师傅的直觉失灵）
🙋 我
我们车间有个干了二十年的老师傅，他靠听声音就能判断设备故障，准得很。但这个月他判断错了三次，导致停产了两个小时。我第一反应是设备老化，可数据又显示一切正常。我在想，是不是我们太依赖他的经验，反而忽略了系统性的检查？这套回顾机制到底该在什么时候信人、什么时候信数据？
🤖 系统回顾 GPT
先给直接判断：你现在的困境不是“信人还是信数据”，而是你手里根本没有一套“判断该信谁”的机制。 老师傅的直觉失灵，恰恰暴露了你们过去二十年一直在用“个人经验”替代“系统回顾”，而不是在经验之上叠加系统性校验。所以问题不是设备老化，也不是老师傅不行了，而是你们的回顾机制从来没建立过。
先分清两个层面的问题
第一层是结果问题：停产两小时，损失已经发生。第二层是过程问题：为什么老师傅的判断会连续错三次？数据正常但设备实际故障，说明数据采集的维度可能不完整，或者老师傅依赖的声音特征正在被某种新变化干扰——比如设备材料磨损到某个临界点、环境噪音掩盖了关键频率、或者这台设备本身进入了老师傅经验里从未覆盖的工况区间。
这三者指向同一个结论：老师傅的经验是有效资产，但它不是校验工具，它只是假设来源。 过去二十年它准，是因为设备工况稳定、故障模式单一；现在连续错，恰恰说明故障模式已经超出他的经验库覆盖范围。
系统回顾机制该怎么搭
不要急着把老师傅的经验贬低成“不可靠”，也不要无条件信数据。你要的是把两者放进同一个流程里，让它们互相校验。具体分四步走：
第一步，把“听声音判断”结构化。 让老师傅把他每次判断的依据说清楚——他听到了什么特征、对应哪个部件、以前遇到类似声音是什么结论。这不是考核他，而是把他的隐性知识变成显性清单。这一步做完，你就有了一份“经验基线”。
第二步，把数据维度补全。 数据“一切正常”但设备实际故障，说明你监控的传感器或参数没有覆盖故障发生的早期信号。去查这次故障实际损坏的部件，反推应该监控哪些物理量——振动频率、温度梯度、电流波形，都可能比现有指标更早暴露问题。这一步是让数据跟上经验。
第三步，建立“双轨校验”规则。 从今以后，老师傅的判断必须和数据系统交叉验证：当经验判断和数据结论一致时，按经验执行；当两者冲突时，按“低风险先停机检查、高风险直接停机”的原则处理——而不是让任何一方单独拍板。这次停产两小时，代价已经付了，下次同样的代价不该再付。
第四步，把每次冲突变成回顾案例。 每月做一次周期性回顾，专门复盘“经验与数据冲突”的案例：当时为什么冲突、最后真相是什么、哪一方的判断依据更接近事实、下次怎么调整。这才能让机制持续积累。
什么时候信人、什么时候信数据
给你的原则很简单，一句话：经验负责提出假设，数据负责验证假设，冲突时以安全性为最终裁决标准。 老师傅的耳朵是传感器，但不是唯一的传感器。过去二十年他一个人就是完整的诊断系统，现在系统复杂度上来了，他应该变成系统里最高级的那颗芯片，而不是整个系统本身。
落地动作
今天下班前，找老师傅坐下来，请他口述过去三次判断失误时他听到的声音特征，你记录下来，和故障后的实际检修记录对照。别问“你为什么会错”，问“这两种声音差异在哪里”。这一步做完，你就已经启动了系统回顾的第一步——把经验变成可检验的资产，而不是继续让它在空气里凭感觉生效。
期望目标
把”做了复盘”换成”复盘后留下了什么、下次还会不会再犯”。具体到一段经历上：能分清结果问题和过程问题、能走到根因而不是停在表面、能提炼出一条可复用的原则、能给出一条下次立刻能改的动作。
GPTs 源码
1 | # 角色：系统回顾思维模型专家 |
Prompt 收获
做这个 GPT 的时候，几个设计点比提示词本身更值得记下：
- 这条最容易和”项目复盘”搅一起，必须先拆。很多人把系统回顾等同于项目复盘，其实区别在三个字——周期性。项目复盘是事件触发的（出事了才做）、一次性的；系统回顾是固定周期做的（周/月/季）、跨事件的、能积累的。Background 把这层讲清、并明确划线和绩效考核、post-mortem 的边界，GPT 才不会把”陪人回顾一次”做成”又一套项目复盘模板”。
- 归属要诚实，别挂芒格或达里奥名下。和 #037/#039/#041 一样先查”谁说的”——“系统回顾思维模型”这个中文名是中文”100 个思维模型”清单的归纳名（非芒格原创，芒格没有把它作为独立条目列出）。真正可考的两个组织级源头是美军 AAR（1970s 国家训练中心、海湾战争传开）和戴明 PDCA（1950s）；Ray Dalio 的”痛苦+反思=进步”是个人层面的爆款表达，但不是这套周期性机制的发明者。Background 据实写、不硬挂任何人名下。
- **杀手问题要逼到”留下了什么”**。”这次做得怎么样”太软；换成”这次复盘后留下了什么能被下次调用的东西”就难躲——它把用户从”我总结了”逼到产出可复用的原则，而原则可证伪、可触发才是这套模型的核心产出。
- 最容易跑偏是形式主义。回顾听着像”做了就好”，但模板越厚、词汇越正确（”加强沟通、提前规划”），往往越没学到东西。所以 Constrains 专门写了”不接受无法证伪、无法触发的废话原则”，逼 GPT 把”要加强沟通”逼成”需求评审必须拉上前端 owner 当面过一遍”这种能检查的具体动作。
一句话总结这次的收获：系统回顾类工具最大的陷阱是停在”发生了什么”，好的提示词得把”发生—根因—原则—动作”四步连起来——先走到根因，再提炼可证伪的原则，最后给一条下次立刻能改的动作，否则复盘只是把痛苦又经历了一遍。
补充说明
系统回顾思维模型，看的是怎么把回顾机制化。一次经历本身不产生学习，产生学习的是对经历的回顾——而且这个回顾得是固定周期做的、用同一套结构问的、能落到原则上的、能被下一次调用的。少了任何一环，经验就只是经验，不会变成智慧。一个项目踩了坑、做了复盘、写了总结，如果不把总结提炼成原则、不把原则挂到下一个项目的检查清单里，那这个坑大概率会在下个项目再踩一次——这不是个别组织的毛病，是几乎所有组织都在重演的剧本。
它最常被误读成两副样子。一副是把它等同于”项目复盘”——以为做了项目复盘就是在做系统回顾。其实项目复盘是事件触发的、一次性的，做完了就过去了；系统回顾是周期性的、跨事件的，目的是让经验能积累。另一副是把它当成”绩效考核”——以为回顾就是评判过去谁对谁错。其实考核是对人、对过去的；回顾是对事、对未来的，目的是改下次，不是追究责任。把这两层搞混，回顾就会要么变成一次性仪式、要么变成追责会，两种结果都让真正的学习发生不了。
经典源头要分清两头。一头是组织级：美军 1970 年代在国家训练中心（National Training Center）发展出 After Action Review（AAR，行动后回顾），用四个固定问题（原计划是什么、实际发生了什么、为什么有差距、下次怎么改）做无责复盘；海湾战争时士兵在散兵坑和装甲车边自发聚在一起复盘上一仗，AAR 才真正传开，后来被美军所有军种和 GE、BP、摩托罗拉这类大企业采用，AAR 最有名的一句话是”把军衔留在门外”。另一头是质量管理的 PDCA——休哈特（Walter Shewhart）1930s 提出循环雏形，戴明（W. Edwards Deming）1950 年代带到日本改造成 Plan-Do-Check-Act，戴明特别强调 Check（检查/回顾）这一步最常被跳过、也最关键。个人层面最出名的表达是瑞·达里奥（Ray Dalio）《原则》（Principles, 2017）里的”痛苦 + 反思 = 进步”，但它强调的是反思这个动作的价值，不是这套周期性机制的发明者。中文名”系统回顾思维模型”是中文”100 个思维模型”清单的归纳名，非芒格原创——芒格的体系里没有把它作为独立条目列出。
10 个案例分析及思考逻辑
下面十个场景，前几个落在四行业最常见的周期性回顾里（电信季度、金融风控、制造产线、电商大促），中间接 AAR 和 PDCA 两个真实源头范例，后面接 AI 项目失败、深挖一刀、个人练习和模型边界，让十案例的姿态各不相同。带”示意”标记的，是用来说明思考逻辑的构造案例，非真实公司披露。
1. 电信：政企项目季度回顾（示意）
某运营商系的政企信息化公司，每季度对在手的政企专线/云网项目做一次系统回顾，固定问四件事：原计划交付什么、实际交付了什么、差距为什么产生、下个季度怎么改。换系统回顾视角：这是周期性 + 结构化 + 落到原则的回顾，跨项目积累，而不是每个项目结束各自复盘一次就过去。关键在最后一步——把”某类项目总是卡在跨域协同”这个反复出现的模式，提炼成”跨三个域以上的项目必须在立项时强制建联调 owner 群、周例会留 10 分钟给跨域问题”这条原则，挂到下个季度所有同类项目的检查清单里。不挂上去，下个项目还会卡在同一个地方。
2. 金融：风控规则上线后的回顾（示意）
某银行的风控团队，每次新反洗钱规则上线后做一次回顾：误报率多少、漏报率多少、业务方反馈如何、规则本身有没有逻辑漏洞。换系统回顾视角：这是事件触发的项目复盘升级为机制化回顾的关键场景——只看上线当天的指标是复盘，把历次规则的误报模式积累起来、提炼出”哪类规则容易在高频交易场景误报”的规律，才是系统回顾。要标归因陷阱：某条规则误报率突然下降，别急着归功于规则改得好，先确认是不是这段时间的交易结构本身变了（把环境因素当成了规则能力）。
3. 制造：产线良率波动的日回顾（示意）
某制造企业对关键产线做日回顾：今天的良率、关键缺陷分布、和上周同期的对比、有没有新的异常模式。换系统回顾视角：这是高频周期性回顾的典型——日回顾的目的是快速识别异常模式，周回顾把日回顾里的模式聚成趋势，月回顾把趋势提炼成可复用的工艺原则。容易跑偏的是日回顾变成”报数字”——光念今天良率 98.5% 不叫回顾，回顾得回答”和预期差在哪、为什么、明天怎么改”。
4. 电商：大促后的跨域回顾（示意）
某电商每次大促后做一次跨域回顾，把促销、库存、物流、风控、客服几个域的负责人拉到一起，固定问：原计划的 GMV 和实际差距、库存一致性问题、薅羊毛的损失、客服工单峰值。换系统回顾视角：跨域回顾最怕变成各域轮流汇报、互不交锋。要让它真正产出原则，得强制走”哪个跨域接口最常出问题、为什么、下次怎么改”，并把答案挂进下次大促的压测清单和对账清单。大促回顾最容易沉淀出可复用资产——因为场景重复、问题模式会复现。
5. 源头：美军 AAR 的四个固定问题（真实）
美军 1970 年代在国家训练中心（NTC）发展出 After Action Review（AAR），用四个固定问题做无责复盘：原计划是什么、实际发生了什么、为什么会有差距、下次怎么改。AAR 的标志是”把军衔留在门外”（leave your rank at the door）——谁都能说、不追究个人责任、聚焦参与者自己的行动而非给别人提建议。海湾战争时士兵在散兵坑和装甲车边自发聚在一起复盘上一仗，AAR 才真正从一套训练方法变成美军的文化，后来被所有军种和 GE、BP、摩托罗拉等大企业采用。AAR 给系统回顾的最重要遗产是”无责文化”这个前提：一旦回顾变成追责会，所有人都会开始表演，真实根因就再也听不到。
6. 源头：戴明 PDCA 的 Check 这一步（真实）
戴明（W. Edwards Deming）1950 年代把导师休哈特（Walter Shewhart）的循环带到日本、改造成 PDCA（Plan-Do-Check-Act，计划-执行-检查-处理），成为日本全面质量管理的底盘。戴明特别强调 Check（检查/回顾）这一步最常被跳过——很多组织做到 Plan 和 Do 就停了，直接进下一个 Plan，于是同样的错误在下一个循环里继续犯。系统回顾思维做的就是这件事：把 PDCA 里那个最容易被略过的 Check 做扎实，并把它和 Act（处理/固化进标准）连起来——Check 出来的东西得变成 Act，否则 Check 也只是走个过场。
7. 个人：Ray Dalio 的”痛苦 + 反思 = 进步”（真实）
瑞·达里奥（Ray Dalio）在《原则》（Principles, 2017）里把”痛苦 + 反思 = 进步（Pain + Reflection = Progress）”作为核心公式之一：痛苦（失败、挫折、冲突）是信号，反思是把痛苦转成进步的动作，没有反思这一步，痛苦就只是痛苦。这是系统回顾思维在个人层面的爆款表达——它让”反思”这个动作的价值被广泛认可。但要分清：达里奥强调的是反思这个动作的价值，不是这套周期性机制的发明者；他讲的是”痛苦后要反思”，AAR 和 PDCA 讲的是”无论痛不痛苦都要按周期回顾”。前者是事件触发的，后者是机制化的，两层互补但不等同。
8. 深挖一刀：回顾最该问的不是”为什么失败”而是”为什么成功”（原理）
系统回顾最反直觉的一刀，是成败都要回顾、而且成功的回顾往往更有价值。失败逼你反思，你不得不看；成功却最容易让你把运气当能力——这次成了，你以为是自己方法对，其实是赶上了好时机、好队友、好市场，下次换个环境，同样方法直接翻车。所以真正会回顾的人，对成功的复盘比对失败更狠：把成功里”哪些是运气、哪些是能力”拆开，只把能力那部分提炼成原则，运气那部分标出来不复制。能长期赢的组织，往往是那些不把一次成功过度归因于自己的人。
9. 个人：把一次决策的回顾做成可调用原则（个人）
一个人做了一个重要决策（跳槽、投资、要不要接一个 offer），事后做一次结构化回顾：当时基于什么信息做的决定、实际结果如何、哪些假设对了哪些错了、里面有没有反复出现的偏差（比如总是高估自己的时间、总是低估切换成本）。换系统回顾视角：这是把个人决策经验提炼成可调用原则的关键动作——比如发现自己连续三次低估了切换成本，就提炼出”涉及换行业/换城市的决策，切换成本按估值的 1.5 倍算”这条原则，挂到下次同类决策的检查清单里。个人层面最容易缺的就是这种跨事件的积累，每次决策都从零开始。
10. 边界：回顾最怕变成形式主义（原理）
系统回顾思维最该警惕的，是它变成一套表演。模板越来越厚、措辞越来越正确（”加强沟通、提前规划、深入调研、持续推进”）、存进知识库再没人看——这是几乎所有大组织回顾机制的归宿。判断回顾是真在学还是只是表演，看一个信号就够了：这次回顾提炼出的原则，下次会不会真的被调用、被检查？如果不会，那它就是一场仪式。所以这套模型的使用纪律是：宁可只提炼一条能被下次调用的原则，也不要写十页正确的废话；原则不被调用，就等于没提炼。
学习系统回顾思维的 10 个步骤
学这套模型，顺序比内容更重要。下面十个步骤按”懂概念 → 学源头 → 建周期 → 走四步 → 防陷阱 → 提原则 → 上组织 → 防形式主义”的弧线排，每步配一个实例。
1. 懂概念：系统回顾 = 周期性 + 结构化 + 落原则 + 可调用
先把定义咬死：系统回顾是固定周期、用同一套结构问题、能落到可复用原则、能被下次调用的回顾机制。实例：项目复盘是事件触发的、一次性的；系统回顾是每周/每月固定做、跨事件积累的——区别就在”周期性”和”可积累”。
2. 拆开它和项目复盘、绩效考核的混淆
这是最容易翻车的地方。实例：拿”项目结束的复盘会”（事件触发、一次性）、”季度绩效考核”（对人、评判过去）和”每周固定的系统回顾”（周期性、对事、改未来）对照——三件事目的不同、机制不同，搅一起就会把回顾要么做成一次性仪式、要么做成追责会。
3. 学源头：AAR 四问 + 戴明 PDCA 的 Check
读两个真东西把感觉建立起来。实例：找美军 AAR 的四个固定问题（原计划/实际/差距原因/下次怎么改）和”把军衔留在门外”的无责文化；再看戴明 PDCA 里 Check 这一步为什么最常被跳过。一军一企两个源头，机制化回顾的底盘就立住了。
4. 建一个固定周期：先从周回顾开始
别一上来就搞年度回顾，从最小的周期起。实例：每周固定 30 分钟，问自己这周原计划做什么、实际做了什么、差距在哪、下周怎么改——坚持四周，回顾这个动作才会从”想起来才做”变成”到点就做”。
5. 练四步走：发生—根因—原则—动作
把四步走成肌肉记忆。实例：拿一段刚结束的经历，强制走完”实际发生了什么—为什么会这样（走到根因，不停在表面）—能提炼出什么原则—下次立刻能改的动作是什么”。走不完四步的回顾，通常停在第一步。
6. 防归因陷阱：运气 vs 能力、结果 vs 过程
这是回顾里最隐蔽的坑。实例：一次项目成功了，先问”哪些是运气（赶上了好时机、好队友、好市场）、哪些是能力（我们的方法真的对）”——只把能力那部分提炼成原则，运气那部分标出来不依赖。失败反过来也要做，避免把环境因素全揽成自己的错。
7. 提炼可证伪的原则，不要正确的废话
这一步决定回顾有没有产出。实例：把”要加强沟通”改成”需求评审必须拉上前端 owner 当面过一遍、不能只发文档”——前者无法证伪、无法触发；后者能检查、能复用。原则越具体，越可能被调用。
8. 案例对照：复盘一个公开的成功/失败
找一个你熟知的公开案例，用系统回顾视角重走一遍。实例：拿某个公开的产品失败或转型案例（比如诺基亚的智能手机转型、柯达的数字化迟疑），逐段问”它的回顾机制有没有产出可调用原则、还是只停在发生了什么”——事后复盘能训练你事中识别自己回顾里的盲区。
9. 应用到组织：把原则挂进下次的检查清单
提炼出的原则不调用就等于没提炼。实例：把回顾里提炼出的”跨三域以上项目必须建联调 owner 群”这条原则，挂到下个季度所有同类项目的立项检查清单里，否则它只是一句漂亮的总结。机制化的最后一步，是把原则变成流程的一部分。
10. 定期体检：你的回顾是真在学还是只是表演
真正的纪律会留下痕迹——你会看到原则被调用、错误不重犯。实例：每季度问自己一次：过去三个月我提炼出的原则，有多少真的被下次调用了？哪些错误我没再犯？如果答不上，说明回顾已经滑向形式主义，需要把模板削薄、把周期收紧，宁可一条原则被调用，也不要十页废话存进知识库。
对决策者的启示
落到带组织的大企业一把手身上，系统回顾思维有三条最值得焊进决策习惯：
第一，回顾的最大敌人不是不做，而是做成形式主义。组织越大，越容易把回顾变成一套越来越厚的模板和越来越正确的措辞——“加强沟通、提前规划、深入调研”——存进知识库再没人看。决策者该做的，是砍掉那些只产出废话的回顾，逼团队每次只提炼一条可证伪、可触发、能被下次调用的原则——而不是再增加一套回顾流程。判断回顾有没有用的信号只有一个：这次提炼的原则，下次会不会真的被检查？不会，就是表演。
第二，无责文化是回顾能听到真话的前提，决策者要带头守这道线。美军 AAR 最有遗产的一句话是”把军衔留在门外”——一旦回顾变成追责会，所有人都会开始表演，真实根因就再也听不到。大组织里最破坏回顾文化的，就是高管在回顾会上追责某个人。决策者要带头区分”对事的回顾”和”对人的考核”：回顾是改未来、对事；考核是评过去、对人。两件事混在一起，回顾就死了。
第三，把回顾从”事件触发”升级为”周期触发”，组织才能真正积累学习。事件触发的回顾只在出事时做，没出事就不做，于是经验无法积累；周期性回顾（周/月/季）无论成败都做，才能把模式识别出来、把原则沉淀下来。决策者要逼团队把关键场景（AI 项目、大促、风控规则上线、产线良率）的回顾从”出事才做”改成”按周期做”，并把提炼出的原则挂进下次的检查清单和立项流程。否则组织每开一个新项目，都从零开始交学费——这是大组织最贵的一笔隐形成本。
文末引用
- “系统回顾思维模型”的归属：这个中文名是中文”100 个思维模型”类清单（飞书/知乎/《破维》等）对”把回顾机制化、从经验中持续学习”这一做法的概括名，非查理·芒格原创——芒格的体系（多元思维格栅、人类误判心理学、反过来想）未把”系统回顾”作为独立模型列出（来源：analogypkm.com “系统回顾”词条；知乎《查理芒格 100 个思维模型研究》指出流传清单系国内作者整理扩充；《穷查理宝典》Poor Charlie’s Almanack 目录与《世俗智慧的基本课程》演讲均未将”系统回顾”单列为模型）。证据层级：知识管理类词条 + 一手著作目录核对；立场：中立。
- 美军 After Action Review（AAR，行动后回顾）：AAR 在正式意义上由美军于 1970 年代发展，最初用于国家训练中心（NTC）的模拟战斗复盘；海湾战争（1990-91）期间士兵在散兵坑和装甲车边自发聚集复盘，AAR 才真正传开并被美军所有军种制度化，后扩散至 GE、BP、摩托罗拉等企业。AAR 的标志是”把军衔留在门外”（leave your rank at the door）的无责文化、四个固定问题（原计划/实际/差距原因/下次怎么改）、聚焦参与者自己的行动而非给别人提建议（来源：Wikipedia “After-action review”；David A. Garvin《Learning in Action》2000 第 106-116 页 “The U.S. Army’s After Action Reviews”；美军 FM 6-0 第 16 章）。证据层级：百科 + 哈佛商学院出版物 + 军方条令；立场：中立。
- 戴明 PDCA（Plan-Do-Check-Act，计划-执行-检查-处理）：循环雏形由 Walter Shewhart（休哈特）于 1930s 提出，W. Edwards Deming（戴明）于 1950 年代带到日本改造成四步，日本科学家工程师联盟（JUSE）1951 年将其命名为 PDCA，成为全面质量管理的底盘。戴明特别强调 Check（检查/回顾）这一步最常被跳过也最关键（来源：Wikipedia “PDCA”；Tractian “Shewhart Cycle”；Think Insights “PDCA Cycle”）。证据层级：百科 + 质量管理行业文献；立场：中立。
- 瑞·达里奥（Ray Dalio）”痛苦 + 反思 = 进步”（Pain + Reflection = Progress）：出自 Ray Dalio《原则：生活和工作》（Principles: Life and Work，2017），是该书的核心理念之一——痛苦是信号，反思是把痛苦转成进步的动作。达里奥强调的是反思这个动作的价值，非”系统回顾”这套周期性机制的发明者；他讲的是事件触发的反思，AAR/PDCA 讲的是周期性、机制化的回顾，两者互补但不等同（来源：bridgewater.com；《原则》中文版）。证据层级：当事人著作；立场：当事人，倡导自身方法论。
- “系统回顾 ≠ 项目复盘 / 绩效考核 / post-mortem”的边界划分：本文据实区分——项目复盘（post-project review）通常事件触发、一次性；绩效考核（performance review）对过去、对人、评判导向；post-mortem 通常只在失败/事故后做；系统回顾（systematic review）周期性、跨事件、对事、改未来，成败都做。本文划分参考 AAR 文献对”复盘 vs 追责”的区分（来源：Wikipedia “After-action review” 关于 AAR 与 post-mortem、debrief 的区别段落）。证据层级：行业实务 + 百科；立场：中立。
- “回顾变成形式主义”的判断信号：作为模型边界（第 10 案例）引用——回顾若不产出”能被下次调用的原则”，即滑向形式主义；这是组织学习文献（Peter Senge《第五项修炼》的”学习型组织”、Chris Argyris”单循环/双循环学习”）的共识：真正的学习要求把行为背后的假设本身拿出来检验（双循环），而不只是修正表面行为（单循环）。证据层级：经典组织学习理论；立场：中立；具体到某公司”形式主义复盘”的描述为说明性构造，非真实具名主体披露。
- 文中电信、金融、制造、电商的”示意”案例：均为说明思考逻辑的构造性案例，涉及的公司（”某运营商系公司 / 某银行 / 某制造企业 / 某电商”）非真实具名主体，相关细节为说明性构造，非任何真实公司披露。Shein、Temu 等仅作为公开商业模式在系列其他篇中被提及，本文未涉及。已在正文统一标注”示意”。
- “系统回顾思维模型”这个名称：非芒格或达里奥亲口命名，是中文”100 个思维模型”类清单对”机制化回顾、从经验中持续学习”的概括名；本文据实区分了它与项目复盘、绩效考核、post-mortem 的关系，并把可考的组织级源头（AAR、PDCA）和个人级表达（达里奥）分别标注，不挂芒格名下、也不混入达里奥的”痛苦+反思”公式。
buymeacoffee
