Cynefin 框架与认知行为模式
Cynefin（发音为 kuh-nev-in），是一个威尔士语单词，表示我们所处的环境和我们的经历中存在着多种相互交织的因素，这些因素以我们难以完全理解的方式影响着我们。Cynefin 框架是由 Dave Snowden 最早在 1999 年提出的，用于帮助了解环境并做出决策动作的行为分析框架。通过自身认知与环境的匹配程度做出决策，判断什么是真正复杂的，什么是不复杂的，从而做出恰到好处的响应。
Cynefin 广为传播是在 2007 年登上哈佛商业评论的时候，通过对环境中已发生事件的因果关系判断，提供领导者决策视角。在软件开发领域，它与敏捷宣言一起成为了思想和实践的源泉，与知识工程结合证实了这是一种有效应对复杂度的框架。
下面这张图是 2021 年更新的 Cynefin 框架，它把决策上下文（Contexts）分成了五个域（Domains），处在不同的域会有不同的认知行为模式。Cynefin 框架特别强调这不是对问题域的划分，而是对认知行为模式的划分，因为复杂性更多的是一种思考世界的方式。
清晰模式
清晰模式（Clear）指的是要解决的问题稳定并且有清晰的因果关系，容易分辨容易理解，也就是「已知的已知」（Known Knowns）。
认知行为表现为感知（Sense）- 归类（Categorize）- 响应（Respond） 。感知问题后，可以归类到已有的解决方案中，最后使用方案做出响应。比如根据 Git 提交规范（Conventional Commit）选择代码提交类型。
清晰模式是最受推荐的认知行为模式，知识得到充分吸收与应用，认知成本低、效率高，凝结了各种各样的最佳实践。
庞杂模式
庞杂模式（Complicated）指的是问题的解决有多种可行方案，也有着清晰的因果关系，只是能否从复杂环境中识别出这种关系依赖经验与分析能力，就是「已知的未知」（Known Unknowns），也称之为专家模式。
认知行为表现为感知（Sense）- 分析（Analysis）- 响应（Respond） 。庞杂模式相较于清晰模式的不同是感知后的处理方式，分析出选择哪种解决方案，也就比清晰模式有更高的认知负载和更低的认知效率。比如工程师了解 CPU、内存、中间件等出现性能瓶颈时的表现与解决办法，系统性能出现瓶颈时就要敏锐查找到潜在的关联，找出根因，具备性能分析与优化能力的一般都称之为性能专家。
复杂模式
清晰模式与庞杂模式在感知前可以确定有可行方案选择，统称为有序模式（Ordered），而复杂模式（Complex）是没有可行方案选择的，只能通过不断反思来找到真正的问题与解决方案。也无法借鉴已有规则与经验，状态是「未知的未知」（Unknown Unknowns）。
认知行为表现为探测（Probe）- 感知（Sense）- 响应（Respond） 。无法预见解决方案就要大量探索学习，认知负载远超有序模式，比如业务创新或创业。不可言说知识的传递主要就工作在复杂模式下，应用社会化活动对不可言说知识学习与传递。
混乱模式
混乱模式（Chaotic）没有可行方案，无法确定因果关系，寻找答案都是无意义的 ，是一种「不可知」（Unknowables）状态。
认知行为表现为行动（Act）- 感知（Sense）- 响应（Respond） 。这是应激反应而不是基于知识的反应，需要快速建立秩序，尽快回到复杂或有序模式下。
困惑模式
困惑模式（Aporectic/Confused，也就是图里的 AC）也是无序模式（Disordered），是一种低级认知，往往开始于想要进入一个领域的时候，对要解决的问题还没法理解，也没法做出决策。
模式转化与应用
Cynefin 提供了认知行为动态转化的工作过程，Cynefin Dynamics。
认知行为可以沿着线条流动，经过检查点就会发生质变。可以简单分析出几条实践经验：
- 清晰模式、庞杂模式和复杂模式才是对知识工程有重要意义的，前两者需要知识消费，后者有大量知识消费
- 清晰模式是最令人向往的，但并不是所有模式都可以有最佳实践，因为它的流入流出成本都很高昂
- 复杂模式不能做过多规划，更需要做大量试验和尝试
- 知识工程要避免进入混乱模式，控制复杂模式，尽量处于有序模式工作
