对"心流"的依赖,很可能是程序员成长的敌人 很多程序员喜欢熬夜,不是因为夜猫子体质。 而是因为晚上没人打扰,可以进入那种传说中的"心流"状态。 “心流”一直是很多程序员喜欢的状态,甚至是追求的状态。 程序员的工作本质上是"沉浸式"的: 一个完整且明确的问题,固定的上下文,需要你沉下心来几个小时甚至几天地死磕。 解决了,爽! 那种满足感是实实在在的,就像游戏通关一样。 但从程序员变成创业者后,这种状态几乎消失了。 创业的工作本质上是“碎片化”的: 邮件、客服、申请、会议、人事、通话…… 不同上下文,不同人群,优先级还一直变。 这些问题是如此的繁琐,枯燥,压抑,甚至会感觉到“恶心”。且大多发生在白天,和生活中的各种琐事交织在一起,也更容易被分心。 程序员习惯解决“大问题”, 而创业者每天都在解决“小问题”。 那些小问题往往只是捅破一层窗户纸, 我觉得甚至都不能叫“解决”问题, 单纯只是在“处理”问题。 做完没成就感,还满是焦虑。 所以很多创业者怀念写代码的日子。 至少那时,问题明确、可控、能收获快乐。 所以很多程序员天生就不适合创业。 扩散一点说,很多学术出生的天生就不适合创业。 从心态上看,做运营的人反而更适应创业, 因为他们天生就能在碎片化中保持产出。 但 AI 的出现, 不说改变了这一切,起码给了程序员一个机会。 AI 让程序员可以多线程工作, 同时处理不同项目、不同上下文,甚至可以在碎片时间里也有产出。 我看到很多人,也包括我自己, 在用 AI 编程后,抱怨现在没有了“心流”的状态。 其实,这又何尝不是一种丢掉“心流”的包袱和依赖呢。 换个角度, AI 让程序员第一次具备了“像创业者一样工作”的能力。 尽管这个体验前面所说,没有解决问题的愉悦感,没有专注的成就感。 所以在 AI 时代,我觉得,程序员如果拿着 AI 只是用来上班写代码,这简直是暴殄天物。 程序员的正确 AI 打开方式应该是:尝试创业。 当然大概率不会成功,但是起码能真正拓展你思维和认知的边界。
所谓"心流",很可能是你最大的敌人 很多程序员喜欢熬夜,不是因为夜猫子体质。 而是因为晚上没人打扰,可以进入那种传说中的"心流"状态。 “心流”一直是很多程序员喜欢的状态,甚至是追求的状态。 程序员的工作本质上是"沉浸式"的: 一个完整且明确的问题,固定的上下文,需要你沉下心来几个小时甚至几天地死磕。 解决了,爽! 那种满足感是实实在在的,就像游戏通关一样。 但从程序员变成创业者后,这种状态几乎消失了。 创业的工作本质上是“碎片化”的: 邮件、客服、申请、会议、人事、通话…… 不同上下文,不同人群,优先级还一直变。 这些问题是如此的繁琐,枯燥,压抑,甚至会感觉到“恶心”。且大多发生在白天,和生活中的各种琐事交织在一起,也更容易被分心。 程序员习惯解决“大问题”, 而创业者每天都在解决“小问题”。 那些小问题往往只是捅破一层窗户纸, 我觉得甚至都不能叫“解决”问题, 单纯只是在“处理”问题。 做完没成就感,还满是焦虑。 所以很多创业者怀念写代码的日子。 至少那时,问题明确、可控、能收获快乐。 所以很多程序员天生就不适合创业。 扩散一点说,很多学术出生的天生就不适合创业。 从心态上看,做运营的人反而更适应创业, 因为他们天生就能在碎片化中保持产出。 但 AI 的出现, 不说改变了这一切,起码给了程序员一个机会。 AI 让程序员可以多线程工作, 同时处理不同项目、不同上下文,甚至可以在碎片时间里也有产出。 我看到很多人,也包括我自己, 在用 AI 编程后,抱怨现在没有了“心流”的状态。 其实,这又何尝不是一种丢掉“心流”的包袱和依赖呢。 换个角度, AI 让程序员第一次具备了“像创业者一样工作”的能力。 尽管这个体验前面所说,没有解决问题的愉悦感,没有专注的成就感。 所以在 AI 时代,我觉得,程序员如果拿着 AI 只是用来上班写代码,这简直是暴殄天物。 程序员的正确 AI 打开方式应该是:尝试创业。 当然大概率不会成功,但是起码能真正拓展你思维和认知的边界。
西里森森
2个月前
今天给大家分享一个百万粉丝博主的内容生产工作流。 同样是用AI辅助创作,很多人用AI写的内容自己都看不下去;而有些创作者用同样的工具,产出的内容却能在多个平台拿到百万级曝光。 这中间差了什么? 前几天看到Dan Koe的一个访谈,他全网有几百万粉丝,内容遍布Twitter、YouTube、Newsletter。 但其实,他每天只花2小时创作,就能覆盖所有平台。 他说:我从不让AI替我写东西,但AI帮我把6小时的视频浓缩成1000字的知识点。 很多人用AI写作,直接打开ChatGPT,输入"帮我写一篇关于XX的文章",然后AI刷刷刷输出3000字,复制粘贴,发布。 结果AI味太浓,根本没人看。 但AI最擅长的其实不是写,而是拆解和重组。 Dan的做法是,把内容生产分成了几个清晰的模块,每个模块AI都有明确分工。 我们一起来拆解一下: 首先第一步,他会选择用Twitter做想法的试验场。 什么是好内容? 在Dan看来,好内容首先得是经过验证的想法。 他不会拍脑袋写,而是先在Twitter发短内容测试反应。280个字的限制反而是优势,因为你必须把一个idea压缩到最精炼的状态。 他会把Twitter上表现好的帖子,扩展成Newsletter的选题。 同理,YouTube上播放量高的视频主题,他也会拆解成Twitter帖子。 这最终会形成一个循环系统,每个平台互相喂养。 然后是第二步,让AI辅助整理相关素材。 Dan经常看3到6小时的长视频学习,但他不会边看边记笔记,为什么? 因为有Gemini这样的工具,可以直接处理YouTube视频,把核心观点提取出来。 这就相当于把6小时的信息浓缩成1000字的关键点,让你可以快速回顾和引用。 同理,当他写Newsletter时,会把之前的推文、看过的视频、读过的书,全部丢给AI,让AI找出相似点和可以组合的角度。 这不是让AI代写,而是让AI帮你整理思路的原材料。 第三步,拆解爆款内容的DNA,这一步也是整个系统里最精妙的部分。 Dan不会直接让AI写帖子,因为AI写出来的东西总是很平。 他做的是:找一条自己或别人写得特别好的帖子,让AI分析它为什么好。 他有条推文是这样的:"如何判断你在做有意义的事?你会感觉好几周、好几个月甚至好几年都没进步。然后突然某一天,成长一下子全来了。" 他会让AI回答:这条推文用了什么结构?触发了什么心理机制?为什么会让人产生共鸣? AI给出的分析包括:钩子声明、痛苦与挣扎、回报、洞察与警告等等。 然后Dan把这些结构要素提取出来,变成一个模板。 下次写类似主题时,他不是照搬那条推文,而是把新的想法套进这个经过验证的结构里。 同样的idea,换一个结构,又是一条新帖子。 同一个事实,用不同的框架呈现,受众的感知完全不同。 Dan做的就是建立自己的框架库,然后灵活运用。 第四步:创建两阶段提示词系统,这一步也是技术层面最值得学的部分。 Dan设计了一套两阶段Prompt: 1️⃣第一阶段:上下文采集。 AI会像记者一样采访你,问你的领域是什么、受众痛点是什么、你的独特观点是什么。 2️⃣第二阶段:内容生成。 基于你提供的信息,AI按照你预设的结构,生成3个不同版本的帖子。 但关键在于,他不是直接问AI"帮我写3条推文",而是先让AI理解你是谁、你的声音是什么、你想表达什么。 更妙的是,他还有一个超级提示词,或者说可以叫“元提示词”,专门用来生成其他提示词。 步骤也很简单👇: 1、找到3条你喜欢的高表现内容 2、让AI拆解这些内容的结构和原理 3、把拆解结果输入超级提示词 4、生成一个定制化的两阶段提示词 5、用这个提示词开始创作 这套方法可以迁移到任何内容形式:推文、YouTube脚本、着陆页文案等等。 第五步:每天2小时的执行节奏。 知道方法论是一回事,能不能持续执行是另一回事。 Dan的日常很简单:早上起床,做完简单的routine,然后坐到电脑前,接下来2小时专注做两件事: 1、完成Newsletter的一个章节 2、写3条社交媒体帖子 这2小时里,他会把写好的内容分发到所有平台,或者提前排期。 然后,他会每周选一天录YouTube视频,剩下的时间留给学习和生活。 AI不会让所有人都变成好的创作者,但会让好的创作者变得更高效。 区别在于,你把AI当什么。 如果你指望AI替你思考、替你提炼观点,那输出的东西一定是平庸的。 但如果你把AI当成放大器,用它来扩展你的思考边界、加速你的迭代速度,那它就成了一个强大的杠杆。 Dan说:AI时代最稀缺的不是会用工具的人,而是有密度想法的人。