jackjin1997 Cynefin Framework · 情境感知框架
一句话定位： 在挑「用哪个决策框架」之前，先问「我在哪个情境」。同一个工具在不同情境里要么救命要么致命。
何时使用 (TRIGGER)
- 你已经准备用某个决策方法，但隐约觉得不对
- 团队里争论「该按 SOP 还是该探索」
- 复盘失败时发现「方法没错，用错地方了」
- 任何重大决策的第一步（meta-level，先分类再处理）
何时不要用 (ANTI-PATTERN)
- 决策极小且已分类（不要为决定「中午吃啥」启用 Cynefin）
- 处于真正的 Chaotic 象限，必须立刻行动 — 跳过分类，先稳住
- 团队对 Cynefin 不熟，用了反而沟通成本高 — 用简化版「已知 / 未知」二分
5 个域 (DOMAINS)
┌──────────────────────┬──────────────────────┐
│ COMPLEX │ COMPLICATED │
│ Probe → Sense → Resp │ Sense → Analyze → R │
│ 涌现的实践 │ 好的实践（专家） │
│ 因果只能事后看 │ 因果可分析 │
│ │ │
├──────────────────────┼──────────────────────┤
│ CHAOTIC │ CLEAR (Obvious) │
│ Act → Sense → Resp │ Sense → Categorize → │
│ 新颖的实践 │ Best practice │
│ 无因果可分析 │ 标准 SOP │
└──────────────────────┴──────────────────────┘
↑ CONFUSED (中心点) — 还没分类清楚的状态
1. Clear (Obvious) — 简单/明显域
- 特征：因果关系明显，每个人都能看到
- 方法：Sense → Categorize → Respond — 识别模式、归类、套用 best practice
- 例子：用户报「无法登录」→ 查密码错误 → 重置密码
- 陷阱：把所有事都当 Clear（其实是 Complex 但你没看出来），导致用 SOP 处理新型问题
2. Complicated — 繁杂域
- 特征：因果关系存在但需要专业知识才能分析；可能有多个正确答案
- 方法：Sense → Analyze → Respond — 请专家做分析
- 例子：数据库性能调优 / 设计一个高可用架构 / 法律合规
- 陷阱：用了 Clear 的快速决策（拍脑袋），或越级到 Complex（无谓探索）
3. Complex — 复杂域
- 特征：因果只能事后看清；系统对你的行动有反应；同样输入未必同样输出
- 方法：Probe → Sense → Respond — 做小实验，观察涌现的模式，放大有效的
- 例子：产品市场契合 / 团队文化建设 / 新市场进入 / agent 行为调优
- 陷阱：试图「设计完美方案再执行」（这是 Complicated 的方法，用错了），或频繁切换方向（没给涌现时间）
4. Chaotic — 混乱域
- 特征：因果完全不存在或失效；当务之急是稳住
- 方法：Act → Sense → Respond — 先行动任何能减少混乱的事，再观察
- 例子：生产事故 P0 / 公司财务崩盘 / 灾难现场
- 陷阱：试图分析（来不及），或过早转入 Complex 探索
5. Confused (Disorder) — 失序域
- 特征：你不知道自己在哪个象限
- 方法：先分解问题，每个子问题各自归类，否则会用熟悉的框架硬套不熟悉的问题
- 陷阱：默认归到自己最擅长的象限（工程师默认 Complicated，PM 默认 Complex，老板默认 Clear）
决策 Checklist
- 我说出了当前问题属于哪个域，并给出理由
- 我选择的工具/方法匹配那个域（不是「我最熟的方法」）
- 如果域是 Complex，我设计了实验而不是方案
- 如果域是 Chaotic，我已经在执行稳定性动作（不在开会讨论）
- 我承认了域可能在我处理过程中变化（Complex 解决一半可能变 Complicated）
真实案例
案例 1: 2008 金融危机 — 不同象限的混乱
- 当时大部分 CEO 用 Complicated 工具（请专家分析）处理 Chaotic 局面（市场失序），结果错过稳定窗口
- Snowden 在 HBR 文章里直接点名：领导者用 Best Practice 套 Complex 问题是当代决策最大失败模式
案例 2: 工程团队
- 登录失败 bug → Clear（查日志套 SOP）
- 设计支付网关重构 → Complicated（请 senior + 多方案对比）
- 新产品 AI agent 是否被用户接受 → Complex（不能 paper design，必须灰度小规模试 + 看用户实际行为）
- 生产数据库被删库 → Chaotic（先停写入 + 启动备份恢复，不要先开会）
错配的代价：把 Complex 当 Complicated → 6 个月规划完美方案上线，用户不买账 — 因为系统对你「设计」有反应，规划阶段的假设已被现实证伪。
案例 3: COVID 早期应对
- 2020 年 1 月：症状不明 → Confused → 分解
- 2 月：医疗资源短缺、传播路径不清 → Chaotic → 强制隔离稳住（行动先于分析）
- 之后：疫苗研发 → Complicated（流程明确，需要专家）
- 之后：社会复苏 → Complex（无人知道结果，必须实验）
与其他框架的关系
- Cynefin 是 meta-framework，决定其他框架的应用场景：
- Clear → SOP / checklist
- Complicated → WRAP + 专家分析
- Complex → OODA Loop + Pre-Mortem + 灰度实验
- Chaotic → 直接 OODA Loop 快循环
- First Principles 在 Complex/Chaotic 域里特别重要（因为没有现成模式可套）
- Pre-Mortem 在 Complicated 域里 ROI 最高（因为可分析）
常见陷阱
- 域分类只做一次：决策途中域已变 — 应对：每个里程碑重新分类
- 默认归 Clear：用最熟悉的 SOP 应对所有新问题 — 应对：质疑「这是新型问题吗？」
- 不敢说 Confused：硬选一个域显得专业 — 应对：Confused 是有效状态，比错误归类更安全
- Complex 当 Complicated 处理：花 3 个月做完美 PRD 才开发 — 应对：能否用 1 周原型测试核心假设
参考
- David J. Snowden & Mary E. Boone, "A Leader's Framework for Decision Making", Harvard Business Review, Nov 2007
- Cognitive Edge 官方资源: cynefin.io
- Snowden 的 Cynefin 在 2014/2021 多次更新，本文档基于 2021 版（Clear 替代原来的 Simple/Obvious）