AI时代,太用力的人,其实跑不远

我的收藏夹里躺着几千篇文章，真正读完的不到30篇。

我一度为此自豪，仿佛收藏就是拥有。

深夜刷到一篇好文章，收藏的瞬间如释重负，好像这知识已经是我的了。

一周后再没打开它，愧疚一闪而过，然后我接着收藏下一篇。

你是不是也这样？

知识工作者的手机里，置顶的工作群就有十几个，消息每几分钟弹一次。

克莱·舍基（Clay Shirky）一针见血：很多人不是信息过载，而是筛选失效。

为什么信息唾手可得，生产力反而没提升，人还更焦虑？

因为囤积不只是在缓解焦虑，更在维护“我是好学的人”的自我认同，喂养“未来的我会用到”的想象。

AI 时代获取信息空前容易，但把信息变成生产力，缺的不是“更多”，而是主动“做减法”。

我把这个原则称为「减法聚焦」，落到日常，就是给三样东西做减法。

我的知识库，曾是台碎纸机，吞进去的知识很多，真正消化过的没几条。

收藏不等于拥有，记录不等于内化。

判断一条知识留不留，标准不是它新不新、热不热，而是能不能用在工作上。

王世民老师把这种不以应用为导向的学习，称为「能力草丛」，看似学了很多，实则无法整合。

下载 30 个 PPT 模板，不如花一下午吃透「结论先行、理由在后」这一套汇报逻辑。

模板会过时，逻辑不会。

给知识库做减法，用「知识理解三问」检验：

1、这条知识的来龙去脉是什么？

2、它和已有知识有什么关联？

3、什么场景能用、什么场景不能用？答不上来，就删。

知识的价值不在于占有，而在于应用。

Skill 也一样。每多一个工具，就多一笔隐性的认知成本：记它怎么用、什么场景打开、跟其他工具怎么配合。

我把这叫作「信用卡方法」。

每多装一个工具，就像多办一张信用卡，看似多了能力，实则是多了负债。

卡尔·纽波特（Cal Newport）的研究显示，每次被打断去回一条消息，再回到手头任务，认知成本要持续 5 到 15 分钟。

注意力预算是有限的，每新增一个工具，对你核心领域的帮助都趋近于零，却仍在消耗预算。

给 Skill 做减法，按「与工作流的相关度」分层：核心圈每天必用，支持圈补功能缺口，外围圈即用即走。

核心圈的反复打磨，外围圈的果断停用。

现在，我的 Skill 里只留5个真正每天在用的工具，其余都卸载了。

卸载后的第一周，我总怕错过什么；第二周就发现，省下的不只是桌面和内存，还有每次要不要打开它的犹豫，和被打断后重新聚焦的几分钟。

最隐蔽的，是学习范围。与其横向铺开，不如纵向深耕。

先把手头正在做的工作流打磨好，再谈别的。

一个刚转岗的同事，用 AI 两天摸清了一个完全陌生的业务领域，顺利通过了转岗答辩。

他把过往项目资料和行业报告喂给 AI，先问这个领域行家都认同的核心方法，再问大家争论最凶的地方，最后让 AI 出题检验自己是不是真懂。

他没有把 AI 当搜索引擎，而是当严格的导师。

这也印证了「少而精」的底层逻辑。

建构型学习，吃透一套做事方法，能应对 100 种项目情况；记忆型学习，死记 100 个项目模板，换个场景就失效。

圈定边界，用「最小知识集 + 边界性掌握」：最核心的概念吃透，之外的知道存在、能解决什么问题就够了。

AI 时代的机会不是看得多，而是做得精。

三个减法，归于同一个标准：用得上、能内化、能精进。

给知识库做减法，只留用得上的；给 Skill 做减法，只磨得动的；给学习范围做减法，只深耕正在做的。

以「用得上」为锚，砍掉一切不服务积累的部分，这就是「减法聚焦」。

实操上，可以从一份减法检查清单开始：

◆删一条没读过第二遍的收藏

◆ 停用一个不常用、维护成本还高的工具

◆ 本月只深耕一个已有工作流，不再开新坑

做减法的终点不是「没有」，而是「少而精」带来的掌控感。