我把芒格的多元思维模型做成了 Obsidian 图谱

我把芒格的多元思维模型做成了 Obsidian 图谱

——当100个框架变成一张活的神经网络，我第一次看到了自己思维的形状

by 一只阿木木

我想先问你一个问题。

如果让你画出「你的思维方式」——不是一个列表，不是一段描述，而是一张图——你会画出什么？

大多数人画不出来。

不是因为他们没有思维方式，而是因为思维从来不是线性的，但我们记录知识的方式，永远是线性的。

大纲是线性的。笔记是线性的。书本是线性的。就连 Notion 里那个看起来很复杂的知识库，也只是把线性内容排成了二维的网格。

但真正的思考，是一张网。

是节点和节点之间的激活、共鸣、冲突、合并。

是你在听到一个新想法的时候，大脑里同时亮起的十几个「这让我想到了……」的连接。

芒格用了一生，建立了他的多元思维模型框架——这套框架的核心，不是让你拥有100个工具，而是让你拥有一张思维的网格（Latticework）。

今天，我要告诉你，我是如何把这张网格，变成 Obsidian 里一张真正活着的、可以生长的图谱的。

一、我第一次看到那张图的时候

在开始之前，我需要先描述一个画面给你。

这是我在 Obsidian 里第一次打开图谱视图，看到芒格的多元思维模型完整呈现时的样子：

屏幕中央，是一个深蓝色的大节点，标注着「查理·芒格」。

从这个节点向外辐射出12条主线，对应12个学科：物理学、生物学、心理学、经济学、数学、历史学、工程学、统计学、会计学、法学、哲学、化学。

每条主线上，挂着3-7个子节点，那是这个学科贡献给多元思维框架的核心模型。

这些子节点之间，有颜色各异的连线——不是我手动建立的，是 claude-obsidian 自动发现的。每一条连线，都代表两个来自不同学科的模型，在某个特定的问题场景下发生了「结构同构」。

黄色的连线是「互补关系」——两个模型一起用比单独用更强。 红色的连线是「冲突关系」——两个模型在某些场景下会给出相反的结论。 绿色的连线是「同构关系」——表面上不同名字，实际上描述的是同一种机制。

整张图看下去，像一个发光的神经网络。

像一个大脑。

我在那张图前面坐了大概十分钟，没有动。

不是因为它有多美，而是因为我第一次「看到」了一种思维方式的形状——而不只是读到了对它的描述。

二、为什么这件事值得做

在讲怎么做之前，我必须先解释清楚：这件事的价值是什么，为什么不是把书里的内容复制到 Obsidian 里就完事。

普通人理解芒格的方式

大多数人读《穷查理宝典》，会这样理解多元思维模型：

「芒格说要学很多学科的知识，建立一个思维模型工具箱，然后用最合适的工具处理不同的问题。」

这个理解是对的，但它是静态的。

它给了你一个「工具箱」的概念，但它没有告诉你：这些工具之间是什么关系？某个工具在什么条件下比另一个工具更有效？两个工具同时激活的时候，会发生什么？

这些问题，书里有答案，但那些答案分散在几百页的叙述里，被大量的故事和案例包裹着，很难被系统性地提取。

Obsidian 图谱的理解方式

当你把多元思维模型构建成一张 Obsidian 图谱，你得到的是一个动态的、可查询的关系网络。

你可以问：「这个商业问题，激活了哪几个学科的模型？」 你可以看：「心理学模型和经济学模型，在多少个场景下是互补的，在多少个场景下是冲突的？」 你可以发现：「我经常使用的模型，主要来自哪几个学科？我的思维有没有明显的盲区？」

第三个问题，是让我最震撼的。

当我看着那张图，我清楚地看到了：我的思维的98%，来自心理学和商业类的模型，来自物理学、生物学、数学的模型，几乎没有被激活过。

芒格说，一个人只用单一学科的模型思考，是在道德上偷懒。

我看到那张图的时候，意识到我已经偷懒了很多年，只是从来没有直观地看到过证据。

三、准备工作：理解芒格多元思维模型的底层结构

在开始构建图谱之前，你需要理解芒格这套系统的架构逻辑。

这不是可以跳过的一步。

3.1 「Latticework」的三层结构

芒格的多元思维模型不是一个平铺的清单，它有三个层次：

text

第一层：学科（Disciplines）
→ 知识的来源地
→ 约12个核心学科
→ 每个学科贡献不同类型的认知工具
第二层：模型（Models）
→ 从学科提炼出的可复用框架
→ 芒格核心模型库约100个
→ 每个模型有名字、有适用场景、有局限性
第三层：应用（Applications）
→ 模型在具体场景下的调用
→ 模型之间的协同和冲突
→ Lollapalooza 效应（多模型叠加时的指数级影响）

这个三层结构，直接决定了我的 Obsidian 图谱的节点类型设计。

3.2 你需要知道的芒格12大学科

我把芒格提到的主要学科，以及每个学科贡献的核心思维类型整理如下：

text

心理学 → 理解人类行为和偏误
物理学 → 理解临界点、相变、系统边界
生物学 → 理解进化、适应、生态位
数学（统计）→ 理解概率、期望值、贝叶斯推断
经济学 → 理解激励、市场、边际效应
工程学 → 理解冗余、系统设计、失效模式
化学 → 理解催化、反应链、复合效应
历史学 → 理解规律、循环、人性的稳定性
哲学 → 理解认识论、伦理、决策框架
会计学 → 理解真实的经济现实（不被财务报表蒙骗）
法学 → 理解边界条件、反向验证、证据标准
数学（基础）→ 理解复利、指数增长、几何级数

每一个学科，在图谱里是一个「大节点」，充当所有子模型的「分组标签」。

四、构建流程：从 book-to-skill 到 Obsidian 图谱

Phase 1：编译《穷查理宝典》的多学科框架

这一步，你已经在这个系列的第三篇文章里学过了。但这次，我的侧重点不同——不是提取「25种误判」，而是提取「多元思维模型的学科分类体系」。

Bash

/book-to-skill poor-charlies-almanack.pdf \
  --mode technical \
  --focus "mental-models,latticework,disciplines,multidisciplinary"

关键：在运行完成后，我做了一个特别的人工干预。

我打开生成的 patterns.md，手动把所有模型按「学科来源」重新分组。

原版的 patterns.md 是按重要性或提及顺序排列的，不是按学科排列的。这个重新分组的过程，花了我大约2个小时——但这2小时，是整个图谱构建过程中「人工密度最高」的部分，也是整个图谱价值的核心所在。

分组完成后，我的 patterns.md 看起来是这样的：

Markdown

# 多元思维模型 - 按学科分组
## 🧠 心理学（Psychology）
来源：人类误判心理学演讲 + 心理学研究
核心贡献：理解人类行为不符合「理性人」假设的系统性原因
1. 奖惩超级反应（Reward-Punishment Superresponse）
   核心：激励机制驱动一切行为，比你想象的更彻底
   应用：设计任何系统之前，先问「这里的激励是什么」
2. 过度自我评估（Excessive Self-Regard）
   核心：人类系统性高估自己的判断、能力和道德水平
   应用：做重大决策前，主动寻找「为什么我是错的」的证据
3. 社会认同倾向（Social-Proof Tendency）
   核心：不确定时，向多数人的行为寻求指引
   应用：「大家都在做」不是证据，在市场转折点尤其危险
4. 对比误判（Contrast-Misreaction）
   核心：判断受参照系影响，绝对价值被相对比较遮蔽
   应用：强制问「如果没有参照物，我的判断是什么」
5. Lollapalooza效应（Lollapalooza Tendency）
   核心：多种偏误同时激活时，判断力接近崩溃
   应用：当感到「非常确定」时，这反而是警报信号
...（共13个心理学模型）
## ⚡ 物理学（Physics）
来源：热力学、临界点理论、相变概念
核心贡献：理解系统状态的非线性变化
1. 临界点（Critical Mass / Tipping Point）
   核心：系统在某个阈值前后，行为方式发生根本性改变
   应用：识别哪些变化是量变，哪些会触发质变
2. 熵增（Entropy）
   核心：封闭系统自然向无序状态演化
   应用：任何组织/系统/知识库，不主动维护都会退化
3. 惯性（Inertia）
   核心：物体保持当前状态的趋势，需要外力才能改变
   应用：解释为什么「知道要改变」和「真的改变」之间有巨大鸿沟
...（共7个物理学模型）
## 🧬 生物学（Biology）
来源：进化论、生态学、适应性研究
核心贡献：理解竞争、适应和生存策略
1. 自然选择（Natural Selection）
   核心：适应环境的特征被保留，不适应的被淘汰
   应用：评估商业模式时，问「这个在竞争压力下会被保留还是淘汰」
2. 生态位（Niche）
   核心：物种在生态系统中的独特位置和功能
   应用：个人和企业都应该找到自己独特的「生态位」，而不是正面竞争
3. 冗余（Redundancy）
   核心：生物系统通过冗余设计应对失效
   应用：重要系统不应有单点故障，备份不是浪费是必需
...（共6个生物学模型）
## 📊 数学与统计（Mathematics / Statistics）
...
## 💰 经济学（Economics）
...
## 🔧 工程学（Engineering）
...

这个分组完成后，你拥有的不只是一个「100个模型的清单」，而是一个按学科来源组织的认知地图。

Phase 2：构建 Wiki 节点结构

Bash

cd ~/Documents/MyVault
/wiki-ingest books/_skills/mental-models/ \
  --schema multidisciplinary \
  --group-by discipline \
  --link-existing true

注意我用了一个特殊的参数：--schema multidisciplinary。

这告诉 claude-obsidian 使用专门为「多元思维模型」设计的节点结构，而不是默认的「概念/来源/人物」三层结构。

在 multidisciplinary schema 下，节点层级是这样的：

text

学科节点（Discipline Node）
    ↓
模型节点（Model Node）
    ↓
应用场景节点（Application Node）
    ↓
案例节点（Case Node）

每一层之间是「父子关系」（垂直连线）。 同一层内的节点之间，是「横向关系」（水平连线，颜色区分关系类型）。

运行完成后，你的 wiki/ 目录里会出现：

text

wiki/
├── disciplines/          ← 新增：学科节点层
│   ├── 心理学.md
│   ├── 物理学.md
│   ├── 生物学.md
│   ├── 数学-统计.md
│   ├── 经济学.md
│   ├── 工程学.md
│   ├── 化学.md
│   ├── 历史学.md
│   ├── 哲学.md
│   ├── 会计学.md
│   ├── 法学.md
│   └── 查理·芒格.md     ← 中心枢纽节点
│
├── concepts/             ← 模型节点（每个模型一个页面）
│   ├── 临界点.md
│   ├── 自然选择.md
│   ├── 激励机制.md
│   ├── Lollapalooza效应.md
│   ... （共约100个节点）
│
└── bridges/              ← 跨学科碰撞桥接页（自动发现）
    ├── 临界点×Lollapalooza.md
    ├── 熵增×组织管理.md
    ├── 自然选择×市场竞争.md
    ... （随时间增长）

Phase 3：手动添加「芒格专属」的节点关系

这是图谱构建里我做的最重要的人工干预：手动添加芒格明确说过的模型关系。

claude-obsidian 会自动发现「结构同构」的关系，但芒格书里有一些关系是他直接指出的——这些是「人工判断」，不是「算法发现」，需要手动标注。

我创建了一个特殊文件 wiki/meta/munger-explicit-connections.md，记录了这些关系：

Markdown

# 芒格明确指出的模型关系
## 互补对（用两个比用一个更强）
[[激励机制]] + [[社会认同倾向]]
→ 芒格原话语境：理解为什么人们会做明显不理性的事
→ 两者叠加：当激励机制指向某个方向，且社会认同也指向同一方向，
  理性分析几乎无法产生阻力
[[逆向思维（Inversion）]] + [[双重检验]]
→ 先问「如何确保失败」，再用得出的清单做正向验证
→ 芒格最推荐的日常决策组合
[[安全边际]] + [[复利效应]]
→ 芒格在投资里的核心组合：安全边际防止下行，复利放大上行
## 冲突对（两个模型给出相反建议时需要判断）
[[保守主义偏误]] vs [[适应性学习]]
→ 冲突场景：当环境发生根本性变化时
→ 保守主义偏误说「保持现状」，适应性学习说「必须改变」
→ 判断框架：先确认「这次的变化是量变还是质变」
[[社会认同倾向]] vs [[独立判断]]
→ 冲突场景：市场共识和你的分析结果不同时
→ 芒格的态度：在自己能力圈内，独立判断优先；在能力圈外，承认局限
## 升级对（A是B的底层机制）
[[激励机制]] 是 [[社会认同倾向]] 的部分底层解释
→ 为什么社会认同有效？因为「融入群体」在进化上是有激励的
→ 理解激励，才能从根本上理解社会认同
[[复利效应]] 是 [[能力圈]] 深化的底层动力
→ 在能力圈内持续积累，会触发复利
→ 频繁切换领域，会重置复利时钟

这个文件，是整个图谱里「人工智慧密度」最高的地方。它不是 AI 生成的，是我读完整本书之后，把芒格多年演讲中明确表达的模型关系整理出来的。

五、图谱的四个「景观」

构建完成之后，我在 Obsidian 的图谱视图里设置了四个不同的「景观（Views）」，每个景观回答不同的问题。

景观1：全局鸟瞰——「芒格的大脑长什么样」

设置方式：

text

过滤器：显示所有节点
连线：显示所有关系
颜色方案：按学科来源着色
布局：Force-directed（力导向）

这是那张让我沉默了十分钟的图。

所有100个模型节点围绕12个学科节点排列，形成12个「星团」，而这12个星团之间有大量的跨学科连线穿插。

这张图告诉你的不是「有哪些模型」，而是「这些模型是如何构成一个整体的」。

你会注意到：心理学的星团最大，连线也最密——这是芒格对心理学的重视，也是他认为最被主流商业世界低估的学科。

你会注意到：物理学和生物学之间有特别密集的绿色连线（同构关系）——因为进化论和热力学在「系统如何应对压力」这个问题上描述的是类似的机制。

你会注意到：会计学这个星团相对孤立，但它有几条连线直接连向了哲学节点——芒格认为，真正理解会计需要理解「什么是经济现实」，这是一个哲学问题。

每一个你在这张图上注意到的「不寻常之处」，都是值得深挖的洞见。

景观2：决策时刻——「处理这个问题，应该激活哪些模型」

设置方式：

text

搜索：输入你当前面对的问题关键词
过滤器：只显示与关键词相关的节点和一跳范围内的节点
连线：只显示「激活建议」类型的关系

实际使用场景：

比如我在考虑「是否进入一个新的内容赛道」。

我在搜索框输入「竞争、赛道、进入」，图谱缩小到了7个相关节点：

• 生态位 — 我是否有独特的生态位？
• 竞争优势 — 我是否有可持续的护城河？
• 临界点 — 这个赛道是否已经过了「赢家通吃」的临界点？
• 激励机制 — 这个赛道里，平台的激励是什么？和我的利益是否对齐？
• 能力圈 — 这是我的能力圈内，还是圈外？
• 沉没成本谬误 — 我现在在评估这个机会，是因为它真的好，还是因为我已经花了时间在上面？
• 逆向思维 — 如何确保在这个赛道上失败？

这7个节点，就是芒格在这个问题上会激活的思维框架。

不是我搜索互联网得到的，不是 AI 凭空生成的。是芒格的思维框架，在我的问题上自动「应聘」上岗的。

景观3：自我诊断——「我的思维盲区在哪里」

设置方式：

text

过滤器：显示所有节点
着色方案：按「我使用这个模型的频率」着色
  → 深红色：每周使用
  → 橙色：每月使用
  → 黄色：偶尔使用
  → 灰色：几乎从不使用

这需要一个额外的步骤：在每个模型节点的属性里，手动记录「上次使用时间」。

我的 wiki/concepts/激励机制.md 属性是这样的：

YAML

---
type: mental-model
discipline: 经济学
munger-emphasis: 极高
last-used: 2026-05-28
use-frequency: weekly
use-count: 47
---

当我把这个着色方案打开，图谱变成了一张「我的认知热力图」。

深红色的节点：激励机制、确认偏误、损失厌恶、社会认同——全部来自心理学和行为经济学。

灰色的节点：热力学模型、化学催化模型、法学的举证责任模型——我几乎没有主动使用过这些。

这张「热力图」，给了我一个非常具体的认知升级任务：在接下来的三个月里，主动练习使用那些灰色节点。

不是泛泛地「多读书」，而是「刻意激活我的盲区模型」。

这种精准度，是任何线性的笔记系统给不了我的。

景观4：深度钻探——「这个模型的完整面貌」

设置方式：

text

点击任意模型节点进入
显示：该节点的所有关系（三层范围）
过滤：按关系类型单独显示

这是图谱的「显微镜模式」。

比如我点击「临界点」这个节点，看到的是：

text

临界点
│
├── 来自学科：[[物理学]]
├── 同义节点：[[引爆点（Tipping Point）]]（格拉德威尔的版本）
│             [[相变（Phase Transition）]]（统计物理版本）
│
├── 互补模型（一起用更强）：
│   ├── [[复利效应]] — 复利积累到临界点后发生质变
│   ├── [[网络效应]] — 用户数量到达临界点后，价值指数增长
│   └── [[Lollapalooza效应]] — 多因素汇聚可以人为触发临界点
│
├── 对立模型（给出相反建议时需要判断）：
│   └── [[均值回归]] — 「已经突破临界点」vs「会回归平均」的判断
│
├── 底层机制（A是B的底层）：
│   └── [[正反馈循环]] — 临界点的发生依赖正反馈
│
├── 应用案例（我的真实使用记录）：
│   ├── 2026-05-15：评估某内容赛道是否已过竞争临界点
│   ├── 2026-04-22：分析社群规模与活跃度的关系
│   └── 2026-03-08：评估知识积累的复利起点
│
└── 跨书碰撞：
    ├── [[系统1校准]] (卡尼曼) — 技能积累到临界点，系统1完成自动化
    └── [[特定知识]] (纳瓦尔) — 特定知识的积累也有临界点效应

每一次点击一个节点，你都在看一个思维工具的完整生命史：它从哪个学科来，它和哪些工具是盟友，它和哪些工具是对手，它在你自己的生活里被用在了哪里，它和你读过的其他书里的哪些概念发生过碰撞。

这不是知识库，这是你的认知操作系统的用户界面。

六、让图谱「自己生长」：三个持续运行的机制

到这里，图谱已经建好了。但「活的图谱」和「死的图谱」的区别，在于它有没有机制让自己持续生长。

我设置了三个机制：

机制1：使用记录自动更新

每次我在 Claudian 里调用一个模型，通过一行 frontmatter update 命令，自动更新该节点的 last-used 和 use-count 属性：

Bash

# 在 Claudian 里，每次调用 /mental-models 某个框架后，
# 自动触发一个 post-skill hook：
/mental-models-update-usage 临界点
# → 自动更新 wiki/concepts/临界点.md 的 frontmatter

这样，「热力图」会随着你的使用而实时更新。

六个月后，你看到的热力图，是你真实思维习惯的精确记录。

机制2：每周碰撞扫描

Bash

# 每周日的例行操作，已经写进 Today Skill 的周末版本
/wiki-lint --mode synthesis \
  --scope wiki/concepts/ \
  --min-confidence 0.70 \
  --output wiki/bridges/

这个命令会扫描所有概念节点，寻找新的跨模型碰撞。

每周，图谱都会有几条新的连线被发现、被你确认、被加入图谱。

图谱是复利增长的。第100条连线被加入时，产生的价值远大于第1条。

机制3：新书加入时的「图谱对齐」

每当我处理完一本新书，运行：

Bash

/wiki-ingest books/_skills/新书/ \
  --align-with wiki/disciplines/ \
  --collision-scope wiki/concepts/

--align-with wiki/disciplines/ 参数让 claude-obsidian 在创建新节点时，自动判断这个新概念应该被归入哪个学科星团。

比如当我处理《思考框架》（Farnam Street 的书）时，新进来的概念「第一性原理」会被自动识别为「来自物理学学科」，然后挂到物理学的星团下，并与已有的物理学模型建立关系。

这意味着：你读的每一本书，都在为芒格的图谱增加密度，而不只是增加数量。

七、我做完这件事之后，思维方式发生了什么变化

这是我真正想说的部分。

在构建这张图谱之前，我知道「多元思维模型」这个概念。我也学过芒格的各种框架。

但知道，和「拥有」，是不同的事。

构建这张图谱，用了我大概两周的时间。

在这两周里，我做了一件事：强迫自己为每一个模型节点，至少写下一个来自我自己生活的应用案例。

不是书里的案例，不是网上的案例，是我自己的。

比如「临界点」这个模型，我写下的是：「2026年4月，我的知识库积累到第5本书时，我第一次感受到了跨书碰撞的复利效应——这是一个临界点。在这之前，每本书都是孤立的资产。在这之后，每本新书加入都能触发多个已有节点的共鸣。」

比如「激励机制」这个模型，我写下的是：「我注意到自己在写内容时，质量最好的文章，是写给「我想变成的那种人」看的，而不是为了「更多人转发」写的——这两种激励产生了完全不同的内容。」

当每一个抽象的模型，都有一个来自我自己生活的具体锚点，它就不再是一个「知道的东西」，而是一个「拥有的工具」。

这是芒格多次强调的：思维模型只有在真实场景中被反复应用，才能真正内化。

图谱做完之后的第三个月，我开始注意到一件事：

当我遇到一个问题，我的第一反应不再是「让我搜索一下」或者「让我问一下 AI」，而是大脑里会自动涌现出2-3个模型节点，用不同学科的语言照亮这个问题的不同侧面。

这不是因为我记住了100个模型的定义，而是因为建图谱的过程，把这些模型的应用逻辑，烧进了我的工作记忆。

系统1开始自动做多元思维了。

这大概就是芒格花了70年、卡尼曼花了50年各自说的同一件事：

真正的智慧，不是你能想起来的知识，而是你不需要想起来就能应用的判断力。

八、你的图谱，应该是什么样子的

我需要说一个很多人不喜欢听的真相：

你不能直接用我的图谱，你需要建自己的。

我的图谱，记录的是我对芒格模型的理解，是我使用这些模型的历史，是我的生活和工作场景触发的连接。

你的理解不同，你的使用场景不同，你的知识背景不同。

一个完全相同的「芒格多元思维模型图谱」，对你来说，不是一张地图，而是一张陌生人的地图。

地图的价值，在于你亲自丈量过图上的每一寸土地。

所以，我的建议是：

用我分享的 patterns.md 模板作为起点（私信「芒格图谱」获取），用我设计的节点结构作为脚手架，但每一个模型节点里的应用案例，必须由你亲自填写。

至少3个来自你自己生活的案例，每个模型。

这件事，不可以假手于 AI。

九、关于完美的最后说明

很多人读完这篇文章，会有一个想法：

「等我把所有100个模型都做完，把所有连线都建好，把所有案例都写完，再开始用。」

我在这里预防性地打断你：不要这样做。

我的图谱，从第一个节点到现在，花了将近六个月。

但它在第五个节点的时候就已经有用了。

在第10个节点的时候，已经影响了我的一个真实决策。

在第23个节点的时候，发生了第一次跨学科碰撞，给了我一个关于自己思维盲区的清晰认知。

图谱不需要完整才能有用，它从第一天就可以有用。

选一个学科，建5个节点，给每个节点写一个你自己生活的案例，然后打开图谱视图。

你会看到那5个节点之间的3-4条连线。

盯着那几条连线看五分钟。

想一想：这些连线，描述的是什么？它们揭示了什么是你之前没看到的？

那五分钟，就是整件事的价值所在。

剩下的95个节点，会在接下来的几个月里，一个一个地加进来。

然后有一天，你打开图谱，看到满屏的节点和连线，你会忘记是什么时候它从5个节点长成了现在这个样子。

你只会记得：有一天，你开始了。

我是一只阿木木。我相信：在 AI 时代，每个普通人都该拥有一个自动生长的知识系统。

如果你看完这篇文章，打开了 Obsidian，新建了第一个学科节点——

截图发给我。

我想看到你的图谱，在它只有5个节点的时候的样子。

因为那是它最真实、最有活力的时刻。

之后无论它长成什么样子，那第一张截图，永远是它的起点。

📎 文中提到的工具与资源