夜雨聆风首先是判断力。其次，不是"读书重不重要"的问题，是"知道重要却做不到"的问题。答案不在意志力，在方法。
为什么要读书
我在《用AI越多，我越发现这个能力最重要》里写过：AI的速度是10倍，但判断力是上限。AI十秒给你一个答案，但你得判断这个答案对不对、合不合适、是不是在胡说八道。
这个判断力从哪来？
一个人如果不看书，那么他的价值观就由他身边的人决定。因为他没有别的输入途径，只能模仿身边的人，或者慢慢被环境所改变，周围流行什么就跟随什么，永远找不到自己。
当你读过足够多的书，你便会有自己坚定的价值判断。在别人指手画脚、添油加醋的时候，你会坚定信念、笃定前行，会更加独立、勇敢地穿梭于各种各样的评价、建议、流言之中。
这就是判断力的底层操作系统。AI能给你信息，但给不了你价值观。AI能回答你的问题，但帮你识别"这到底是不是我的问题"的，是你读过的那些书。
还有一个原因：
生活当中的许多困惑，自己想明白是很困难的。但你要相信，这些困惑的答案都已经写到书上了。你遇到的大多数问题，都是他人已经遇到并且已经有完善解决方案的，要么写在书里等你翻阅，要么在旅途中等你邂逅。
都知道读书好，为什么不读？
首先，是关于读书的观念
传统的观念，把读书和吃苦联系到了一起。从小到大，我们都被训练成"学习=痛苦"的条件反射。学生时代的学习，更多是一种技能的培训，以评价学生对书本知识的理解性记忆为主，再加上升学的压力，给很多没有找到学习乐趣的人带来的是痛苦的回忆。
而读书，本来应该是不一样的。读书更像是一场穿越时空的旅行，在与智者对话的过程中，一路充满惊喜。
所以有"需要坚持学习"和"喜欢读书"的说法——一个要靠意志力，一个是自发的。一旦把读书跟意志力挂钩，这件事就变成了"应该做但不想做"的苦差事。靠意志力的事，注定坚持不久。
其次，最常见的借口是"没时间"。
但说实话，刷手机的时间拿来读20页书绰绰有余。飞机上商务舱的旅客都在读书，经济舱的旅客都在娱乐。普通人拿时间换钱，有钱人花钱买时间。你舍得给孩子买尿不湿，却不舍得给自己买本书。
"没时间"的背后，是没把读书排到优先级的前面。
但比"没时间"更根本的原因是——不会读。
大多数人读书的方式是从第一页翻到最后一页，跟上学时一样。翻了30页，发现前面讲的已经忘了，后面讲的暂时用不上，然后书就放下了。下一次拿起来是三个月后，又从第一页开始。
这种读法，谁坚持得下去？
还有一层心理障碍：很多人潜意识里觉得读书就应该在"业余时间""休息的时候"做。但实际上，读书需要集中注意力。它不是打发无聊的时光，它是保持清醒的头脑，是内啡肽的快乐。
AI时代，怎么读书？
我在《AI时代的学习革命》里写过：过去的逻辑是先积累知识再解决问题，现在的逻辑是先遇到问题再去找知识。读书也一样——不应该以书为中心，应该以问题为中心。
具体怎么做？三步就够了。
第一步：别想"我要读书"，先想"我卡在哪了"。工作上的一个具体难题、跟孩子沟通的一个死循环、某个反复踩的坑——找到那个让你最难受的点。这就是你的入口。
第二步：问AI，哪本书能解决这个问题。不是问"推荐几本好书"——这等于没问。要带着你的具体卡点去问。AI给你的答案，比任何书单都精准。
第三步：挑着读，别顺序读。拿到书，直接翻目录，找到跟你的问题相关的那一章。就读那一章。读完了如果觉得有用，再往前翻一章、往后翻一章。没用就换一本。
我在《用了两年AI，我总结了三条经验淘汰法则》里分享过一个原则：重器轻用，用在读书上同样成立——你不用把整本书读完，只取你当下需要的那一块，用完就走。下次有新问题，再回来取另一块。
我读书的原则就八个字：
看不懂的不看，不想看时不看，不感兴趣的扔一边。读书是享受，不是找虐。
读完之后呢？写几句。写作，是更积极的阅读。
读书不应该只是对作者观点的照单全收，而应该是阅读时的快乐，洞见时的惊喜，疑问时的质疑，相左时的思考。
哪怕就在手机备忘录里记一条百来字的想法，这个动作本身就是消化。
总结下来就四步：
找卡点、AI找书、挑着读、写两句。
好的书籍是常读常新的。不理解的先记下来，在重复的过程中慢慢理解。带着问题去找书，提问题、书中找答案的方法去读书——这个方法，AI时代比任何时候都好用。
要想从既有的习惯中跳出来，最好的方法不是依靠自制力，而是依靠知识。
因为单纯地依靠自制力是非常痛苦的事，但知识可以让你轻松产生新的认知和选择。你知道"带着问题找书"比"从头读到尾"有效得多，你就不会再为"读不完"而焦虑。你知道"看不懂的不看"是对的，你就不会再为"读不懂"而自责。
方法不对，努力白费。
方法对了，读书就从任务变成了工具。你不是在完成KPI，你是在用书解决你的真实问题。动力完全不一样。
明天就能做的一件事： 找到你现在最头疼的一个问题，打开AI，问它"哪本书能帮我理解这个问题"，然后读那一章。就读一章。
你会发现：原来读不进去，不是你的问题，是方法的问题。
欢迎加入社群，我们一起学AI。
