1. 一个具体问题
网站在一次配置更新后开始报错，团队提出两个解释：配置中的连接地址写错了，或者三个独立服务恰好同时出现未知故障。两种说法都能解释“网站不可用”，但需要引入的额外假设不同。应该先验证哪一个？
2. 一句话解释
当多个解释与已有证据同样相容时，优先考虑不需要额外无根据假设的解释，同时保留被新证据推翻的可能。
3. 出处与原意
这一思想通常与中世纪思想家 William of Ockham 联系，但简约思想早于他，常见格言也不宜直接当成其逐字原话。哲学中对“简单”的含义和合理性一直有争论，奥卡姆剃刀是一种方法论偏好，不是保证真相简单的定理。
4. 原理与机制
复杂解释往往有更多可调参数，因此容易为任何结果找到说法。减少不必要假设，可以让解释更容易检验，也降低过拟合历史现象的风险。但比较必须在解释力近似的前提下进行：一个简单模型若忽略关键证据，就不能靠“更简洁”胜出。简单还要相对于领域语言来判断，公式短、叙事短和机制少不是同一回事。最好明确每个解释需要哪些前提，以及下一条证据如何区分它们。
在模型选择中，简约还可以通过额外数据检查：一个公式在训练样本上拟合得极好，但换一批样本就失效，说明复杂度可能吸收了偶然波动。较简单模型若保留主要结构，预测反而可能更稳健。不过这种结果需要实际验证，不能只凭参数少就宣布优越。应同时考察解释范围、预测误差与模型所需信息的可靠性。
5. 一个完整案例
假设案例：内部页面在修改环境配置后的五分钟内失败，回滚后恢复。团队先假设连接地址错误，因为它只需要一次已发生的变更就能解释现象。检查日志后发现解析域名失败，修正地址并在预发布环境复现，证据链形成。若日志反而显示地址正确而鉴权失效，团队就应转向其他解释。这里优先简单假设节省了排查次序，并没有授权团队在查看日志之前宣布原因已经确定。
6. 适用条件与反例
适合故障排查、科学建模和审查复杂叙事。对由多个因素共同导致的系统事故，最终解释可能确实复杂。它也不能用于判断人的动机“必然简单”，更不能把少数情况当作不该存在的噪声直接删掉。
7. 今天可以尝试的行动
面对两个竞争解释，各写出所需的额外假设和尚未解释的事实。优先测试既有区分力、成本又低的一项预测。保持候选列表，遇到反证就更新，而不是把最初选择变成必须维护的立场。