# Dialysis Prism

> 用"透析三棱镜"框架穿透问题表象找到本质原因，通过校准目标B、重构方法A、消除变量C三步解决反复出现的顽固问题。适用于面对同一个问题反复出现、用了各种方法都治不好的场景，以及需要精准定义问题后再解决的分析型场景。当你发现"打补丁式"的解决方案无效时使用此skill。不适用于全新领域没有历史方法可回溯的场景，也不适用于纯不确定性事件（那是概率域/风险域，应使用mirror-world）。关键触发信号："这个问题怎么又出现了"、"为什么总是解决不了"、"试了好多方法都没用"、"问题的根源到底是什么"。

- Skill: `kangarooking/dialysis-prism` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add kangarooking/dialysis-prism`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kangarooking/dialysis-prism/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: kangarooking (https://skillmd.com/u/kangarooking)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/kangarooking/dialysis-prism

---


# 透析三棱镜

## R — 原文 (Reading)

> "问题"就是：期望与现状的落差部分。假设某件事的期望值是B，现状是B′，那么这个落差部分（B′→B），就是问题。……要解决这个问题，不能盯着B′→B看，而是要透过B′去看ABC，我称之为"透析三棱镜"。……第一步，校准目标B：目标要符合SMART原则，同时要避免把手段当成目标。第二步，重构方法A：想要改变现状，不是从现状出发添加一个新的解决方案，而是要回过头，重构原来的方法系统。第三步，消除变量C：通过"象、数、理"这个基本框架来寻找它，并通过5Why的提问方法，挖掘真正的原因。
> —— 第17章《透析三棱镜》

## I — 方法论骨架 (Interpretation)

1. 问题的定义：**问题 = 期望(B) - 现状(B')**。找不到落差就找不到问题，"没有问题"往往是不知道目标也不知道现状
2. 表面问题是症状B'→B，本质原因藏在ABC三个因素中：A（方法）、B（目标）、C（变量）
3. **三棱镜B（校准目标）**：首先检查目标本身是否正确。常见错误——目标模糊（如"幸福"无法衡量）、把手段当目标（如"赚到100万"可能是手段不是目标）
4. **三棱镜A（重构方法）**：现状B'是由原有方法A导致的。治标是再找一条从B'到B的新路径；治本是重构原来的方法系统本身
5. **三棱镜C（消除变量）**：如果A和B都没问题但B'依然存在，一定有隐藏变量C。用"象数理"框架找：现象→数据→道理。用5Why连续追问挖掘根因
6. 关键原则：不要给建议太早——"我们太喜欢给建议，却往往还没弄清楚问题到底是什么"
7. 方法论的本质区别：洋务运动是在旧系统上打补丁（治标），明治维新是重构整个系统（治本）

## A1 — 书中应用 (Past Application)

- **洋务运动 vs 明治维新**：清政府在封建体制不变的前提下只学西方技术（在旧方法A上打补丁），最终失败；日本同时改革体制和技术（重构整个方法A），一举跻身列强——同样的问题，治标vs治本的天壤之别
- **世界杯期间的工厂产能下降**：现象是产能下降（象），数据是夜班次品率飙升3倍（数），用5Why追问发现：工人熬夜看球→精神差→操作失误→次品增加（理）。改善行动落在"自己可以改变的事"：禁止携带手机进工厂
- **投诉率上升分析**：不用"我感觉投诉多了"这种主观表述，而是用数据——"上月2‰ vs 本月6.7‰，提高3倍"，从感性认知转为理性分析
- **"幸福"作为目标的错误**：幸福无法衡量→找不到落差→连问题是什么都不知道→无法开始解决

## A2 — 触发场景 (Future Trigger)

**何时使用：**
- 同一个问题反复出现，每次"解决"后过段时间又冒出来
- 试了多种解决方案都无效，开始怀疑是不是问题定义本身有误
- 需要做根因分析（复盘、事故调查、绩效改进）
- 制定改进计划时，想确保抓住的是本质而非表象
- 团队讨论陷入"头痛医头脚痛医脚"的循环

**语言信号：**
- "这个问题怎么又出现了？"
- "为什么总是解决不了？"
- "试了好多方法都没用"
- "问题的根源到底是什么？"
- "到底是哪里出了问题？"
- "我们是不是一直在治标不治本？"

**与相邻skill区分：**
- vs. brain-unseal：大脑封印是**恢复大脑运转能力的前置步骤**，透析三棱镜是大脑运转起来之后的**问题分析工具**。顺序：先解封印 → 再用三棱镜
- vs. structured-thinking：结构化思维是**拆解和分类的工具**，透析三棱镜是**穿透表象找根因的工具**。可以先用结构化把要素拆全，再用三棱镜逐一排查
- vs. mirror-world：三棱镜适用于**确定性问题**（可以找到ABC），镜像世界适用于**不确定性问题**（ABC本身不可控）

## E — 可执行步骤 (Execution)

### 步骤1：校准目标B——先确认问题定义是否正确
- 写下你当前面对的问题，用"B - B' = 问题"的格式表述：期望是什么(B)？现状是什么(B')？落差在哪里？
- 检查目标B是否符合SMART原则：具体的(S)、可衡量的(M)、可达成的(A)、相关的(R)、有时限的(T)
- 检查是否把"手段"当成了"目标"：问自己"实现B之后我会得到什么？"如果答案才是真正的目标，那就替换B
- **完成标准**：目标B可以用一个具体的数字或明确的可验证状态来表述，且不是中间手段而是最终目的

### 步骤2：重构方法A——回溯现有系统，而非打补丁
- 梳理导致当前现状B'的**原有方法A**包含哪些环节（人、流程、工具、规则）
- 不要从B'出发新加一个解决方案，而是回到A本身，问"原有方法中的哪个环节导致了B'偏离B？"
- 对该环节做**系统重构**而非增量修补：是替换而非叠加
- **完成标准**：能画出"重构前的方法A"和"重构后的方法A'"的对比图，且A'不是在A上叠加补丁，而是改变了一个核心环节

### 步骤3：消除变量C——用象数理+5Why找到隐藏变量
- 如果A重构后问题仍在，启动变量排查：
  - **象**（现象）：具体观察到的异常表现是什么？列出所有异常现象
  - **数**（数据）：找到量化数据来替代"我感觉"——数据是什么？变动幅度多大？
  - **理**（道理）：数据变动的背后原因是什么？用5Why连续追问至少5层，直到找到**你可以改变**的根因
- 把改善行动落在"自己可以改变的事情上"，而不是外部不可控因素
- **完成标准**：产出一份数据化的问题分析报告（现象→数据→5Why链条→根因→可执行的改善行动），且改善行动100%在自己可控范围内

## B — 边界 (Boundary)

**不要用的场景：**
- 全新领域没有历史方法A可回溯——无旧方法可重构，需要从零设计
- 纯不确定性事件（股市暴跌、突发灾害）——ABC模型不适用，应切换到mirror-world的四域策略
- 紧急事故需要立即行动——来不及做深度分析，先止血再复盘
- 问题本身足够简单，一眼就能看到原因——过度分析浪费时间

**失败模式：**
- 跳过B直接找A：目标本身就错了，后面所有分析都是在错误的基础上空转
- 在A上打补丁而非重构：每次出问题就加一条规则/流程，系统越来越臃肿但问题依然存在
- 5Why停在第一层：如"产能下降→工人失误→完"，没有追问为什么工人会失误
- 找到根因但不可控：如"因为世界杯在举行"——分析正确但无法行动，等于白分析
- 用"我感觉"代替数据：没有量化分析，三棱镜就退化为拍脑袋

**作者盲点：**
- 对"如何判断问题该从B、A还是C开始排查"缺乏优先级指导，实际操作中三个方向都可能，需要大量时间和资源逐一排查
- 5Why方法依赖提问者的经验，同一现象不同人可能问出完全不同的因果链——没有校准机制
- "重构方法A"在实践中可能涉及组织架构调整、利益重新分配等复杂因素，远比书中描述的困难
- 象数理框架来自《易经》但被简化为"现象→数据→道理"，实际分析中"理"的确定往往需要领域专业知识支撑

## 相关 skills

本 skill 与以下 skill 存在关联：
- **structured-thinking**（前置依赖）：透析三棱镜的分析过程（校准B、重构A、消除C）需要结构化思维作为基础工具，先用MECE原则把问题要素拆全，再用三棱镜逐一排查根因。