现代世界的复杂性远超任何单一视角所能把握。斯科特·佩奇提出"多模型思维"——像工具箱一样掌握多个思维模型， 在面对任何问题时，调用若干模型从不同角度审视，找到交叉点与共识，从而做出更智慧的判断与决策。 智慧的本质不是"更聪明的大脑"，而是"更多样的思维工具"。
单一模型有盲区，叠加多个模型（统计、博弈、网络、进化等）可消除偏差，接近现实真相。
模型有五大用途：预测未来、解释机制、设计系统、沟通共识、探索可能。不同场景选不同工具。
复杂系统由简单规则产生涌现现象。理解涌现（如市场、社会文化）需要系统层面的模型思维。
认知多样性优于单一高智商。多元视角的团队做出更优决策——多样性×互补性=集体智慧。
识别中心趋势与波动范围
分析策略互动与均衡
理解连接、传播与影响
选择、变异、适应的逻辑
理解随机性与路径依赖
发现变量间的线性关系
优化问题中的局部/全局最优
蝴蝶效应与初始条件敏感性
基于当前状态预测下一步
财富、城市、流量的真实分布
社会规范与集体行动问题
用新证据动态更新信念
模型的价值不在于"正确"，而在于"有用"。好的模型抓住关键变量，舍弃噪音，让复杂问题变得可处理。
模型太复杂会过度拟合历史数据，不能泛化；太简单则忽略关键因素。寻找"刚刚好"的简洁边界。
经济、生态、社会都是复杂适应系统——主体相互作用，规则简单，结果难以预测，需要多模型才能理解。
现实中很多变量不服从正态分布，而服从幂律分布（如财富、城市规模、点击率）。用平均值判断此类数据会犯大错。
什么时候用哪个模型，是比掌握单个模型更高阶的能力。情境感知 + 模型库 = 智慧决策。
集体准确度 = 个体准确度 + 集体多样性。即使个体平庸，若视角足够多元，集体判断也可能超越最聪明的个体。
建立你的模型工具箱：从博弈论、网络模型、贝叶斯更新3个模型开始，每月精通1个，用1年时间积累12+个实用模型。
遇到复杂问题，强制换模型：先用当前模型分析，再强制切换另一个模型重新分析，对比两种视角的差异，寻找盲点。
检查你的数据分布假设：每次用平均值/均值判断时，先问自己"这个变量服从正态分布还是幂律分布？"避免被均值误导。
主动引入多样性视角：在重要决策前，刻意邀请背景差异最大的人参与讨论，利用"多样性红利"提升集体判断质量。
用贝叶斯思维更新信念：养成"先验+新证据=后验"的习惯，每次获得新信息时，系统性更新你对某个问题的判断，而非固守原有观点。