跳转至

思维模型总览

思维模型

思维模型把问题拆成一组可重复提问，帮助团队共享判断语言、显性化假设和记录决策。模型只规定分析结构，不提供事实，也不替代用户研究、行为数据、模型评测和业务指标。本专题挂在产品方法论栏目下，和需求、战略、数据页配合使用。

按问题选择模型

flowchart LR
    A[明确目标] --> B{主要问题}
    B -->|范围取舍| C[MoSCoW]
    B -->|重构问题| D[第一性原理]
    B -->|诊断偏差| E[PRC]
    B -->|安排行动| F[5W2H1R]
    B -->|推进承诺| G[GROW]

先确定要做的判断，再选择模型。模型之间可以组合，但没有固定的使用顺序。

工作问题推荐模型最小产出模型不能单独证明
固定时间和资源下保留哪些范围MoSCoWMust、Should、Could、Won’t 分类表同类需求的精确排序
现有做法是否仍然必要第一性原理目标、约束、事实、假设和候选方案用户一定会采用新方案
结果为什么偏离预期PRC问题陈述、根因证据和对策验证计划没有证据支撑的因果关系
把决定变成可执行任务5W2H1R责任、节点、资源和结果验收卡方案本身值得投入
帮助个人或团队形成行动承诺GROW目标、现实、选项和行动记录需求优先级或资源裁决

需求分析中的 RICE、WSJF、KANO 和其他方法，见需求分析。它们与本专题模型回答的问题不同，不能只凭模型名称互相替代。

统一使用步骤

  1. 写清目标：说明要改变的结果、适用范围和决策时点。
  2. 记录基线：保留当前行为、数据、约束和已经发生的失败。
  3. 选择模型：说明选择它是为了分类、重构、诊断、执行还是推进。
  4. 显性化假设：为关键判断写出证据来源、置信度和可证伪方式。
  5. 形成产出：把讨论结果写成范围、方案、行动、指标和责任，而不是只保留会议结论。
  6. 安排验证：设置检查点、退出条件和复盘时间，验证结果后再调整模型或方案。

组合示例：AI 客服工单助手

同一个产品问题可以使用不同模型处理不同层次的判断：

  • 用第一性原理区分“提高首次分派准确率”的目标与“必须做全自动 Agent”的惯例。
  • 用PRC分析错误分派的问题、根因和最小对策。
  • 用MoSCoW在固定发布窗口内分类人工确认、置信度展示和全自动回复等范围。
  • 用5W2H1R把已选方案落实为责任人、评测集、发布时间、成本上限和结果指标。
  • 用GROW在复盘或 1:1 中帮助负责人识别阻碍、比较选项并作出下一步承诺。

组合的依据是问题层次和证据需求，不是为了把所有模型都套一遍。

模型的使用边界

  • 模型是提问顺序和记录结构，不是结论生成器。
  • 评分、分类或清单不能消除目标冲突、数据偏差、技术不确定性和责任分歧。
  • AI 产品还要单独记录模型能力、评测集、成本、延迟、权限、人工接管和回滚条件。
  • 公开分享模型时，注明适用场景、输入、输出、来源口径和不适用情形，避免把团队约定写成普遍标准。

延伸阅读

来源说明

来源说明

各模型的出处与适用边界写在对应专页。本页只规定选择顺序、组合方式和与需求分析排序模型的分工。

MoSCoW 来自 DSDM / Agile Business Consortium；第一性原理取产品工作中的目标—事实—假设—约束拆分，不是物理学推导；5W2H 来自新闻与质量管理的任务澄清，本站默认 R = Result；PRC 在问题诊断语境中展开为 Problem / Root Cause / Countermeasure，不是通用标准缩写；GROW 来自 John Whitmore《Coaching for Performance》。

发现错误？想一起完善？ 在 GitHub 上编辑此页！
本页面贡献者：AI-PM Wiki Team
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用