本文节选自《15000字，讲透「多元思维模型」》。原文太长，为了方便阅读，做了一些节选。

巧妇难为无米之炊，想要用多元思维模型，首先模型的数量得足够多。所以很多同学了解到多元思维模型后，就开始疯狂追求模型的数量。

有的人立下了学 100 个思维模型的 flag，有的人孜孜不倦地整理了 100 个、200 个思维模型，还有的人到处收集模型、到处问别人有没有更好的思维模型。

这些都是误入歧途的表现。

想要用多元思维模型，首先模型的数量得足够多。但是足够多并不等于无限制得多。

为什么模型的数量不是越多越好呢？

老曹从4个角度解释一下：

- 学习模型要从问题出发

- 边际效用递减

- 机会成本问题

- 模型的重复和冗余

1、学习模型要从问题出发

回想下开头给的思维模型第一个条件：能够回答「为什么」和「怎么样」两个问题。

简单地说，就是模型要能解决问题。

在《12000字，讲透「能力圈」》中，老曹引用过前美团 COO 的一个观点：见过≠建过。

什么意思？就是有的人觉得：自己看别人用过了某个模型，就等于自己掌握了，然后就能应用于实践了。

类似于前面举例的小白，看到专家用了一下 vlookup，就觉得自己会了，可事实上他不知道 vlookup 的使用条件，也不知道为什么、怎么样去用 vlookup，只有皮，没有里。结果就是应用的时候错误百出。

见识过不等于建设过，见识过不等于有能力去建设。

收集的模型多，接触的理论多，了解的方法多，并不代表自己真的有能力去应用，更不代表能够解决问题。

就好像背过了 100 条的公式、定理，但一道题都不去做，那么数学和物理也学不好一样。

就好像有人喜欢收集工具，琳琅满目，摆满整面墙壁，却只会用一个螺丝刀一样。除了偶尔拧个螺丝的螺丝刀，其它的工具只是为了满足自己的收集欲望和向别人炫耀。

模型不是拿来显摆的，而是拿来解决问题的。

能够解决问题的模型，才是属于自己的模型。

所以思维模型一定是从解决问题的角度出发，起点和终点都是能否解决问题，而不是学习的模型的数量。

屏幕前的你可能又有问题：如果每一个学习的模型都掌握了，而且能够解决问题了，在这个基础上，模型难道不是多多益善吗？

未必。

2、边际效用递减

想要学习更多的模型，就要付出更多的时间，这一点毋庸置疑。

但是，当模型数量达到一定程度后，增加模型带来的边际效用会越来越小。

举个例子。假设每一个模型的成功概率都是 60%，那么：

这个例子很粗糙，但聪明如你一定能明白我的意思。

也可以回想下前面照片批量重命名的例子。

一点电脑知识，加上一点 Excel 技能，再加上一个批处理的命令，三个技能，搞定。

我不需要去学习 VBA、Python，也不用去学 Java、C++。

是这些编程语言不好吗？

不是，是我已经解决了问题，再去学习新技能的边际效用太低了。

3、机会成本问题

学习技能、学习模型需要花费时间和精力，有时候还要消耗一些自己的资源，比如金钱。

这些时间、精力、资源也可以用于其他事情，带回其他的回报。

换句话说，学习是存在机会成本的。

巴菲特和芒格都特别看重机会成本，因为我们的时间、资源是有限的，我们的生命也只有一次。

是去多学习一个模型，增加1% 的成功率，还是用同样的成本去做一些回报更高的事情，这一点要好好考虑一下。

4、模型的重复和冗余

网上经常会看到类似这样的问题：应该学 CorelDRAW 还是 AI？Python 和 Java 哪个好？

为什么会有这样的问题呢？因为这些软件的核心功能是重复的。

都能做矢量图，都能编软件、做网站，都能实现同一个目的，解决同一个问题。可偏偏又各自有独特的特点，还不能同时去用。哎呀，好难选。

模型也是同样的道理。

有的时候一个问题可以有很多个模型去解决，但是每次只能用一个、两个模型。那么多出来的模型就是重复的。

学习重复的模型，既降低了边际效用，增加了机会成本，还产生了大量的能力冗余。

当然，工具和模型都有自己的局限，为了应对这些局限，额外学习一些工具和模型作为备用和补充，是完全可以的。

不过要分清楚的是，为了备用而学习冗余的模型，和为了追求模型的数量而学习重复的模型，出发点是完全不同的。

总结一下前面这 4 小节的内容。

学习思维模型是为了解决问题，而不是收集炫耀。学习过多的模型，会降低边际效用、增加机会成本，模型重复的概率也大大增加了。

所以多元思维模型的关键不是数量多。

那是什么呢？

《穷查理宝典》里面对多元思维模型有这样一个评价：它们借用并完美地糅合了许多来自各个传统学科的分析工具、方法和公式。

关键词：糅合。

我把这种糅合称为「多元一体」。

多元一体的内容，在《15000字，讲透「多元思维模型」》第6章。