让框架保留被修改的余地

我想构建一套能积累实践、也能指导下一次选择的认知模型。不过框架越完整，越需要问一句：它有没有让我看见原先看不见的东西？

概率论提醒我给判断留出置信度，系统论提醒我看见反馈、延迟和边界。它们很有用，但在使用这些工具之前，我已经做过一次选择：把什么当作问题，把哪些东西放进同一个系统，又把哪些东西留在了外面。

这次选择也许比后面的推理更早地决定了答案。

所以我喜欢试着用很少的词理解一个领域。压缩的过程会暴露自己到底懂到了哪一层。不过，一个词如果能解释所有事情，也就需要小心它是否还保留区分事情的能力。

把同一组词放进相邻领域，仍然成立吗？换掉其中一个词，会失去什么？面对一个具体问题，它能帮我排除哪条路？

我更希望认知模型能留下这些接口：新经验进来以后，可以改变量的定义，可以重画系统的边界，也可以承认原来的问题问错了。

一张地图的价值，在于它能带我走到现实里。走过之后，还能把那些画错的地方改回来。