这段时间，我慢慢发现自己看待工作的方式有些改变了。以前比较专注在“问题出现就把它修好”，但现在更常在想的是——为什么这个问题会发生。一个测试失败，或者结果有差异，很多时候都不是单一原因，而是系统不同部分之间互动的结果。与其一个一个问题去解决，我更倾向去找出背后的规律，这样做出来的改善，通常也更持久，也比较不容易再次发生同样的问题。

后来在读到 Deming 提出的“系统观”（Appreciation for a System）时，这种想法反而变得更清晰——很多问题，其实不是某个环节出错，而是整个系统本来就是这样运作的结果。 让我进步最多的，是开始让自己的思考慢下来一点，更有意识地去判断状况。不是每一个差异都代表有问题，有些只是系统在不同条件下的自然变化。过去我会下意识去“修正差异”，但慢慢开始理解，这些其实更接近 Deming 提到的“variation”（变化）。关键不在于消除所有差异，而是分辨哪些需要处理，哪些是系统本来就会出现的范围。比起马上动手改，我会先想清楚原本“应该发生什么”，再去对比实际的结果。这种方式也让我更接近 Deming 所说的，从“经验反应”转向“基于预测与验证的学习”。

除了技术本身，我也越来越重视让事情变得更清楚——比如更好的记录（log）、更清晰的结构、还有把背景讲清楚。很多看起来是技术问题的情况，其实只是大家对“预期行为”的理解不一致。只要信息更透明、上下文更清楚，问题往往会更容易解决。这一点也让我慢慢体会到，改善系统不只是改代码，也包括改善沟通与理解的方式，而这正是 Deming 强调的另一部分：大多数问题来自系统，而不是个人本身。

我现在比较在意的方向

• 多观察规律，不只是处理单一问题
• 尝试解决根本原因，而不是表面现象
• 分清楚什么是正常变化（variation），什么才是真正的问题
• 在改动之前，先弄清楚应该发生什么
• 让内容容易被理解、也容易被别人接手继续做

总结

我现在的重点，是从“解决问题”慢慢转向“理解系统”。当思路更清楚、信息更透明，小而持续的改善，反而更容易让整体变得更稳定，也让每个人都更容易把事情做好。 如果你对这种思考方式有兴趣，其实很推荐去看看 Deming 的理念（尤其是 System of Profound Knowledge）。我自己是在工作中慢慢对照这些概念，才发现很多日常遇到的问题，其实早就有人用更系统化的方式解释过了。