
Systems Thinking
- 29 installs
- 31 repo stars
- Updated April 17, 2026
- kangarooking/cognitive-dividend-skill
Helps with ai & agent building tasks.
About
systems-thinking is a Claude Code skill for ai & agent building. It helps solo builders move faster with AI-assisted development.
- systems-thinking
- AI & Agent Building
- AI-coding skill
Systems Thinking by the numbers
- 29 all-time installs (skills.sh)
- Ranked #9,417 of 16,546 AI & Agent Building skills by installs in the Skillselion catalog
- Data as of Aug 4, 2026 (Skillselion catalog sync)
npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill systems-thinkingAdd your badge
Show developers this skill is listed on Skillselion. Paste this into your README.
| Installs | 29 |
|---|---|
| repo stars | ★ 31 |
| Last updated | April 17, 2026 |
| Repository | kangarooking/cognitive-dividend-skill ↗ |
What it does
Helps with ai & agent building tasks.
Files
系统性思维
R — 原文 (Reading)
看不见的关系,比看得见的要素要重要得多。系统性思维的第一步,就是要将你的视角从要素转移到关系。……系统性思维的第二步,就是要将你的视角,从局部拉升到整体。……系统性思维的第三步,就是要将你的视角从静态变成动态,加入时间这第四个维度,让你看到事物背后的演化进程。
—— 第20章《系统性思维》
I — 方法论骨架 (Interpretation)
1. 系统性思维是三个视角的切换:要素→关系,局部→整体,静态→动态 2. 决定系统价值的不是要素本身,而是要素之间的关系和结构 3. 两种基本回路:增强回路(正反馈循环,滚雪球式增强)和调节回路(负反馈稳定,趋向目标) 4. 增强回路可正向(富者越富)也可逆向(股市崩盘),关键看方向 5. 调节回路的功能是让系统趋向稳定或达成某个目标 6. 增长上限结构:增强回路 + 调节回路,增长到一定程度触发副作用,被抑制甚至逆转 7. 舍本逐末结构:两个调节回路竞争——症状解(快但暂时的)vs 根本解(慢但持久的) 8. 舍本逐末中隐含增强回路,让症状解上瘾,根本解能力退化 9. 解决增长上限的关键:找右侧循环的限制因素(杠杆解),而非继续加大左侧循环
A1 — 书中应用 (Past Application)
- 养鸡场增长上限:鸡生蛋→增强回路,但规模上升→管理复杂度→瘟疫/停电→毁灭。杠杆解不是买更多鸡,而是提升管理能力
- 新产品增长上限:广告投放→销量暴增→产量提升→管理复杂→次品率上升→口碑变差→销量下跌。杠杆解是提升品控能力,而非继续加广告
- 舍本逐末——收入低:症状解是做兼职(快),根本解是提升能力(慢)。兼职越多→没时间学习→竞争力下降→收入更低→更多兼职,死循环
- 舍本逐末——生病:症状解是去医院(快),根本解是健康饮食锻炼(慢)。越依赖医院越不锻炼,身体越差
A2 — 触发场景 (Future Trigger)
何时使用:
- 同一个问题反复出现,每次"解决"后又会回来
- 采取某个行动后,引发了意料之外的负面连锁反应
- 发现"越努力效果越差"或"投入翻倍但增长停滞"
- 团队/组织效率持续下降,但找不到单一原因
- 需要设计一个能持续增长的机制
语言信号:
- "为什么这个问题老是出现?"
- "改了A,B又出了问题"
- "越做越差/越管越乱"
- "感觉陷入了死循环"
- "一开始有效,后来就不行了"
与相邻skill区分:
- vs. structured-thinking:结构化是"拆解+分类",系统性是"找关系+画回路";结构化看静态快照,系统性看动态循环
- vs. evolution-strategy:系统性是分析诊断工具,演化策略是行动迭代框架;先用系统性分析系统结构,再用演化策略设计行动方案
E — 可执行步骤 (Execution)
步骤1:从调节回路开始,描述系统
- 定义系统的核心目标(注意:不是短期任务,而是长期状态化目标)
- 找出"现状"与"目标"之间的差距要素
- 画出从差距→行动→效果→反馈的基本调节回路
- 完成标准:画出一个闭合的调节回路图,包含至少4个节点和明确的反馈方向
步骤2:构建增强回路,识别增长上限
- 在调节回路基础上,寻找可以自我增强的正反馈循环
- 立刻追问:这个增强回路会不会触发抑制性副作用?
- 找到右侧调节回路中的限制因素(如管理能力、品控能力、市场容量)
- 完成标准:识别出至少一个增长上限结构,明确标注限制因素是什么
步骤3:检查舍本逐末,选择根本解
- 检查当前解决方案是"症状解"还是"根本解"
- 如果是症状解:评估其副作用是否会削弱根本解的能力
- 制定根本解的行动计划(即使短期见效慢)
- 完成标准:列出症状解和根本解的对比表,确认当前行动方向指向根本解
B — 边界 (Boundary)
不要用的场景:
- 简单的线性因果关系(A直接导致B),不需要系统分析
- 紧急需要行动的场景(画系统图需要时间)
- 数据不足无法验证假设的情况
失败模式:
- 过度复杂化:画出过于复杂的系统图,反而找不到杠杆点
- 只诊断不行动:沉迷于画回路图,迟迟不采取行动
- 忽略时间延迟:系统中很多反馈有时间延迟,短期看不到效果就判定无效
作者盲点:
- 对"如何量化系统中的反馈强度"缺乏方法,实际应用中难以判断哪个回路占主导
- 增长上限和舍本逐末两种结构覆盖了很多场景,但并非所有系统问题都能归入这两类
相关 skills
本 skill 与以下 skill 存在关联:
- compound-effect(前置依赖):系统性思维中的"增强回路"概念直接来源于复利效应的增强循环设计,理解复利效应是理解系统动力学的认知基础。
- structured-thinking(对比):结构化思维关注静态分解和分类,系统性思维关注动态关系和回路。先用结构化做全面拆解,再用系统性找因果循环。
{
"skill": "systems-thinking",
"version": "0.1.0",
"source_book": "认知红利 — 谢春霖",
"darwin_compatible": true,
"test_cases": [
{
"type": "should_trigger",
"prompt": "我们加了一个新功能,结果导致另一个模块出了问题,这种连锁反应怎么避免?",
"reason": "方案带来新问题,系统思维核心场景"
},
{
"type": "should_trigger",
"prompt": "公司出台了一个政策想解决问题,结果反而让情况更糟了,为什么会这样?",
"reason": "干预导致意料之外的后果,系统思维核心触发"
},
{
"type": "should_trigger",
"prompt": "想理解一个复杂系统是怎么运作的,各个部分之间怎么互相影响,该从哪里入手?",
"reason": "用户想理解复杂系统,系统思维核心"
},
{
"type": "should_trigger",
"prompt": "每次头痛医头脚痛医脚,问题总是按下一个葫芦浮起一个瓢,是不是需要系统性思考?",
"reason": "用户意识到局部修复不够,需要系统思维"
},
{
"type": "should_not_trigger",
"prompt": "怎么设计一个微服务架构?服务之间怎么拆分比较合理?",
"reason": "软件系统架构设计,非系统思维认知框架"
},
{
"type": "should_not_trigger",
"prompt": "Kubernetes集群的容器编排怎么做?有没有最佳实践?",
"reason": "技术系统架构问题,非认知层面的系统思维"
},
{
"type": "should_not_trigger",
"prompt": "推荐几本关于分布式系统的技术书籍?",
"reason": "技术系统书籍推荐,非系统思维"
},
{
"type": "edge_case",
"prompt": "产品做了一个优化提升了转化率,但用户留存却下降了,这两个指标之间有什么系统性关系?",
"reason": "涉及系统因果关系,但偏产品运营分析"
},
{
"type": "edge_case",
"prompt": "团队效率一直上不去,加了人反而更慢了,这背后有什么系统性规律吗?",
"reason": "涉及系统反直觉现象,但偏团队管理"
}
],
"minimum_pass_rate": 0.8
}