塑造思考的工具
每个工具都编码了一套关于什么重要的理论。我们采用的工具,不只是改变工作方式,也会悄悄改写我们对工作的理解。
你用来思考的每一个工具,也都在教你如何思考。
这不是比喻。它就是智识文化传播和变化的真实机制。苏格拉底不信任文字,因为他认为文字会削弱记忆,并用知识的表象替代真实知识。他有一部分是对的。文字确实改变了记忆:它把某些记忆任务外包给页面,也释放了认知资源给其他操作。至于这是不是削弱,完全取决于你认为思考是为了什么。
被编码的理论
电子表格编码了一套理论:重要的东西可以被表达成网格里的单元格;事物之间的关系主要是数字关系;正确输出是一个数字或一张图。这些都不一定错。但用电子表格用久了,你会发现自己开始想把所有问题都变成 spreadsheet problem,包括那些原本抗拒这种表达的问题。工具塑造了分类系统。
日历编码了一套理论:时间是一种待分配的资源;注意力的基本单位是 scheduled block;承诺意味着出现在一个格子里。这会影响我们如何理解可能性、什么算工作,以及那种模糊的、未被安排的、却产生大多数真实洞见的思考,到底算不算“真正的工作”。
Slack workspace 编码了一套理论:沟通的相关单位是 message thread;默认应该可被打扰;通知的紧急程度和重要性成正比。任何在一个主要靠 Slack 运转的组织里尝试持续思考的人,都知道这套理论在实践中的代价。
有意识地选择
显然的回应是:选择更好的工具。是的。但我认为更重要的实践是:知道你的工具假设了什么。这样你才能在这些假设有效的地方使用它们,在这些假设无效的地方抵抗它们。
我用纯文本编辑器写长文。不是因为我对简洁有某种极端信仰,而是因为功能更多的工具往往会把注意力引向功能本身。一张空白页面只问一个问题:你到底在想什么?这是一个令人不舒服的问题,而在这个场景里,不舒服正是重点。
我保留一本实体笔记本,用来记录那些我还不想系统化的推理。手写的摩擦不是 bug。它限制数量,迫使你排序。那本笔记里的内容数量更少,但质量比我放进任何 note-taking app 的东西都高,因为写下它们的成本是真实的。
我刻意慢一点采用新工具。不是因为新工具不好,它们常常并不坏,而是因为每一个新工具都有学习曲线,而这条学习曲线其实是 category-learning curve。你需要时间理解一个工具真正优化什么,而不是它声称自己优化什么。这个时间是真实成本。
抵抗
对工具有一种有生产力的抵抗:在它假设不成立的地方,逆着它的纹理使用它。用电子表格来映射定性关系,可能会浮现出表格本来不该浮现的东西。刻意留白的日历,会迫使你区分什么是真的紧急,什么只是看起来紧急。
这种抵抗不是为了反叛而反叛。它是一种保持工具和思考之间距离的实践:持续意识到地图不是领土,而工具对领土的建模也只是众多模型之一。
最深刻塑造我思考的工具,恰恰是我理解得最清楚的工具:它们的假设、它们的纹理、它们隐含的关于什么重要的理论。理解一个工具到足以“错误地”使用它,而且是有意识、有效地错误使用它,是一种智性自由。默认地正确使用它,反而未必能带来这种自由。
选择你的工具。但更重要的是:知道它们正在替你选择什么。
相关阅读
代码正在变便宜,Taste、Intent 和 Eval 变贵了
AI-native developer 的稀缺能力,不只是写代码,而是知道什么是好,能把意图表达清楚,并建立机制判断结果是否真的达标。
Analytics AI 的问题不是访问数据,而是判断力
大多数 analytics AI 工具都在努力让模型获得更多数据上下文。但真正的缺口更靠前:系统是否知道自己什么时候还不够确定,以及接下来该做什么。
AI 时代的写作:什么会留下来
当语言模型可以随时生成流畅文字时,问题不再是要不要使用它们,而是人类写作到底还为了什么。