最近发现一个很有意思的网站 untools.co

网站上的 Guide 里介绍了如何正确使用这些工具，如果你毫无头绪，页面上还提供了「Prompt questions」，帮助你选取合适的工具。

很多人在面对艰难的抉择时出现选择困难症，那么我们一起来看下 untools 提供的「Hard Choice Model」

Hard Choice 属于「Decision Marking」的一种，页面上的概述，说明这个模型旨在于帮助你看清自己正在做出何种类型的决定：

Figure out what kind of a decision you're making.

The hard choice model can help you see the kind of a decision you're making – whether it's a no-brainer, a hard choice or something in between. It will enable you to move forward with your decision. 

这个模型的关键点在于帮助你理清某个选项对于你的影响程度，以及，如何轻松地比较这些选项。

• How impactful it is

• How easy it is to compare the options

基于这些原则，网页中给出了一张划分图，图下方有针对每个象限的具体解释：

看到这里，我们发现，如果你抱着「告诉我选择的结果」这样的期许点开这个网站的话，基本上就会无功而返了，网站上的这些工具，并不会直接告诉你结果，选择 Option 1 还是 Option 2，不会有这样的直接结果。

相反，如果你不曾思考过自己做出的这个选择是如何产生的，以及对自己的影响力如何，那么当你开始看 Untools 上的这些工具时，反而会给自己带来更多的压力，因为它们迫使你要开始思考，而且是深层次的思考，深层次的思考一般都很烧脑，于是，在还没开始之前，你就可能放弃了。

不知道是不是应该把锅甩给「应试教育」，让我们从小就极其看中「答案」，而不是「答案」由来的过程。知其然而不知其所以然，长期形成的这种思维习惯，在我们处理单个问题时或许还不太明显，而当这类问题，周而复始地出现，每次我们都需要从零开始，耗费的精力可想而知。

就像企业信息系统最初解决的问题一样 —— 批量的重复的工作让系统代为实现。我们在思考和解决问题的时候，也需要这样一个 System，一个根据以往的经验总结后得出的思维模型，让我们可以有章可循，遇到类似的问题时，脑袋里可以出现一个闪亮的小灯泡💡，然后就找到了思考的入口。

于是，各种方法论、思维模式的文章和书籍，受到众人的追捧，看上去很高级的术语名词，会让我们惊呼「啊！原来我们遇到的问题是 XXX」。

但似乎，书或者文章里的成功案例似乎只属于作者，看过了， Ta 还是 Ta，我们还是我们，我们所期待的 —— 看完之后，自己就如同镀金了一般，成为了像作者一样的人，或者至少，会离那类人更近一些的人。

事实上，并没有。

为什么？是这些方法论不适合我们吗？还是说作者根本就是在忽悠我们？也许都有，也许都不是。

但问题的关键在于，很多这类的书籍或者文章，只有方法论的传授，没有实际的案例，这里的「案例」并不是指作者列举的一些事例，而是需要和我们产生直接联系的事例，让我们可以套用在自己身上进行试验的案例。

我始终觉得，任何方法论或者工具或多或少都会对我们产生一定的影响，但前提是，一定要去实践。每个人都是不同的个体，作者自身的情况也许并不适用于看这本书的每个读者，但一定能从其中找到一些共同点，或者说适合自己的点。前提是，你得试。

还是回到企业信息系统的例子上来，系统开发者在设计系统的时候虽然已经考虑到了使用者的需求和情况，类似的，就像是作者写书的时候也会考虑到受众的情况。但实际上，系统使用的效果，只有当系统上线运行后，用户亲自使用之后才知道。

对于「如何思考」的系统，这点更为重要，只有当我们将这些模型应用到具体的问题当中去时，才能真正体会到模型设计的意义，以及针对个人的情况如何去优化模型，最终形成适合的模型/系统。

我们经常说要「善用系统」，系统是预设的逻辑，即使再智能的系统，也无法100%应对所有可能发生的情况。即便系统的设计者按照枚举的方式列出所有 Ta 能想到的情况，那么这棵树将无比庞大而复杂，运行效率极低，有些分支可能多少年都碰不到一次，但因为这个分支的存在，额外增加了许多不必要的工作量。

所以，无论我们是自己建立 System，还是去优化别人已经建好的系统，都需要花点时间去抓住最底层的设计原则，比如开头所提到的「Hard Choice Model」，再把其关键点列一下：

• How impactful it is

• How easy it is to compare the options

根据这两个底层原则，这个模型的作者划分了四个象限，列出了四种选择的类型（Apples/Oranges，Hard，No-Brain，Big），我们未必需要完全按照这四个象限来归类自己的选项，更实际的情况应该是结合自己的情况和两个底层原则，去归纳出自己的四个象限。

那假设我们已经有了自己的一个关于「艰难决策」的模型，事情是不是就结束了呢？当然没有，事情才刚刚开始。继续套用系统设计的理论，模型 Model 的作用往往只是把原始数据进行筛选，得到我们预期的数据集合，在这里，原始数据代表的是我们杂乱无章的思绪和想法，预期的数据集合，就是经过了「Hard Choice Model」筛选之后，按照四个象限进行划分的思绪集合。

而，接下来的工作还将继续下去。即，我们需要利用这些数据输出我们想要的结果。就如模型的「Move Forward」所写：

Move forward

When you can categorize your decision using this model, it will enable you to take the appropriate action.

模型不会告诉你具体的 action 下一步需要做什么，而是帮你理清楚杂乱的思绪，而大多数情况下，理清思绪，将思绪进行分类之后，结果就显而易见了。就像那个经典的例子：当你不停地抛硬币，想要抛出自己想要的那一面时，结果已经摆在那里了。

而多数时候，我们不敢去承认那个心中想要的选择，只是因为缺乏「足够的说服力」，我们想要寻求别人的建议，从别人的口中说出那个我们想要的选择，这里，「硬币」就是那个别人。根本原因还是在于没有数据的支撑，没有摆在那里显而易见的让我们喊出「就是它了」的那个理由。

而 System 的过程其实就是我们自我论证的过程，也许，论证完了，发现另一个观点才是可取的，或者，论证的过程中，数据发生了变化，那也没有关系，至少论证的过程是笃定的。而且，在这个过程中，System 也得到了训练，更符合我们的实际情况。

建立 System 的过程是漫长的，需要有足够的耐心和毅力，以及多年的经验沉淀，或者是一刹那的「顿悟」，但只要开启了 System 模式，就像是自己训练了无数个内在的 AI，随着数据的积累和算法的调整，越来越智能，越来越高效，继而影响自己整个的思维模式。

就像是我们训练 AI，最基础的是要有一个规律，或者就是一个集合中可以让 AI 发现规律，要实现猫脸识别，那要喂给 AI 一堆猫和其他动物的照片。对于我们自己的 System，也是如此，只有当我们喂的数据足够多，这个 System 才能足够健壮。所以，一开始我们只需要一个很粗糙很简单的模型，然后下一次就开始套用这个模型，不断地去改进去调整，最终，就能得到一个和我们相契合的系统。

最后，再不厌其烦地说一句，写作是一个很好的训练模型的方法，因为它会将杂乱无章的思绪整理成文，可以完成我们第一步的数据搜集和整理。然后才是模型->系统。

关于写作，我整理成了一个话题，大家可以点击文章标题开头或者结尾处查看这个话题下其他文章。