当前位置: 首页 > news >正文

每日一书㉗ | 刻意练习:为什么有些人努力一辈子还是平庸?

“本文来自「乐想屋」公众号,系列更新[每日一书],每次5分钟,帮你把书读薄,把知识用活”

先问你一个问题。

你身边有没有这样的人:入行时间比你短,但能力已经甩你好几条街。他们好像没有特别刻苦,但每次遇到难题,处理起来就是比你利落。

再想想你自己。工作了这么多年,有没有觉得某些能力卡在一个地方,怎么练都上不去?每天都很忙,但回头看,好像和一年前的自己没什么本质区别?

这个现象,《刻意练习》的作者安德斯·艾利克森研究了三十多年。

他的结论是:大多数人的练习方式,从一开始就错了。

你以为你在练习,但你只是在重复。这两件事,天差地别。

"一万小时定律"流传很广,但它只说了一半的真相。艾利克森明确指出,单纯的重复不是练习,只是在消耗时间。一个出租车司机开了二十年车,并不会因此成为赛车手。一个客服接了十年电话,也不会自动成为沟通专家。

书里有一句话,是整本书的核心:

"杰出不是先天决定的,而是后天塑造的。"

决定你能到哪里的,不是天赋,而是你用什么方法练习。


01 什么是刻意练习?

艾利克森把练习分成了几个层次,从低效到高效依次递进。最低效的是"天真的练习",就是漫无目的地重复,心里想着"多练练就好了"。稍微好一点的是"有目的的练习",有明确目标,会根据结果调整。而最高效的,是"刻意练习"。

刻意练习有四个核心特征,缺一不可。

第一,明确的具体目标。

不是"我要变得更好",而是"这个动作的准确率从70%提升到90%"。不是"我要把演讲练好",而是"我要在这次练习里消除开场时手抖的习惯"。

目标越具体,练习越有方向。模糊的目标只会带来模糊的进步。

第二,极度的专注。

刻意练习不是你"同时在做"的事。不是边听播客边跑步叫练习,不是边看视频边临帖叫练习。

真正的刻意练习要求全神贯注,每一个动作都是有意识的。正因为如此,它非常消耗精力,顶级运动员和音乐家通常每天的真正刻意练习时间不超过两小时,而不是你想象中的十几个小时不间断。

第三,即时的反馈。

练了半天,不知道哪里做对了、哪里做错了,这不叫练习,叫盲练。

反馈是刻意练习的核心机制。你需要在做完一个动作之后,立刻知道结果——对还是错,好还是不够好,差在哪里。没有反馈,大脑无法调整,进步就停滞了。

第四,走出舒适区。

这是最反人性的一点。

人天生喜欢待在舒适区,做那些已经做得不错的事。但刻意练习要求你持续待在"学习区"——那个有点难、但努力一下够得着的区域。太容易,没有进步;太难,容易崩溃放弃。找到那个刚刚好的边界,然后在那里持续练习。


02 普通练习和刻意练习,差距在哪里

同样是每天练一小时钢琴,有人练了三年依然弹不好一首曲子,有人练了三年已经可以上台演出。

区别不是努力程度,而是练习方式。

普通练习的状态是这样的:目标模糊,"多练练就好了";注意力分散,练着练着就走神了;反馈延迟甚至没有,练完了不知道哪里出了问题;一直待在舒适区,反复做自己已经会的部分;在自动导航模式下运行,身体在动,大脑不在。

刻意练习的状态是这样的:目标具体,"这一段的节拍准确率要达到95%";高度专注,每一个细节都是有意识的;反馈即时,做完立刻知道哪里偏了;持续在学习区挑战自己;有意识地修正每一个问题点。

同样的时间投入,两种练习方式带来的进步差距,可以是十倍甚至更多。


03 心理表征:高手和普通人的真正差距

艾利克森在研究中发现,专家和新手的区别,不只是技术动作上的差异,更深层的是心理表征的质量。

心理表征是什么?是大脑中对某个领域形成的"内部模型",让你能快速识别模式、预测结果、发现问题。

最著名的例子来自国际象棋研究。把一局棋盘给新手看几秒钟,让他们凭记忆还原,新手大概能记住4到6个棋子的位置。把同样的棋盘给大师看,他们能记住几乎所有棋子的位置。

听起来像是记忆力的差距,但实验还有下半段:如果棋盘上的棋子是随机摆放的(而不是真实对弈中会出现的布局),大师的记忆能力和新手没有区别。

原因是:大师看棋局,看到的不是一个个独立的棋子,而是整体的攻防结构、局势走向、几步之后的可能性。他们的大脑在处理的,是模式,而不是位置。这就是高质量心理表征的力量。

同样的差距存在于所有领域。有经验的医生看X光片,不是逐一扫描每个细节,而是整体感知,异常之处会直接跳出来。资深程序员看代码,不是逐行阅读,而是架构层面的直觉。优秀的写作者读文章,不是字字看,而是感知整体的节奏和逻辑。

高质量的心理表征,是通过大量高质量的刻意练习逐渐建立起来的。你练得越多、反馈越及时、修正越精准,你的心理表征就越清晰,你在这个领域的直觉就越可靠。


04 没有导师,怎么刻意练习?

艾利克森的研究里,顶尖高手几乎都有优秀的导师或教练。导师的核心价值是:帮你设计合适难度的练习内容,在你做完之后提供即时、准确的反馈,指出你自己看不到的盲点,以及在你想放弃时推你一把。

但现实是,大多数人没有条件找到一个全程指导的好导师。

这种情况下,可以用几个替代方案来部分模拟导师的功能。

找到该领域公认的最佳实践标准,用它来对比自己的表现,差距就是你的改进方向。把自己的练习过程录下来,事后回放分析,很多问题在旁观视角下会变得非常清晰。找同行组成练习小组,互相观察、互相反馈,多一双眼睛就多一个盲点被发现的机会。还有一种被很多人低估的方法:向某个你认为比你强的人请教一次,哪怕只有一次,他们指出的问题往往能让你少走几个月的弯路。


05 在任何领域应用刻意练习,五个步骤

第一步:拆解技能,找到最小可练习单元。

"把演讲练好"太大,无法直接练。拆解成:开场的语速控制、眼神接触的频率、停顿的使用、手势的自然度……每次练习只攻一个点。

"把文章写好"太大,无法直接练。拆解成:开头如何在三句话内抓住读者、如何用类比解释抽象概念、如何在结尾制造余韵……逐一击破。

越具体的练习单元,越容易设定目标,越容易获得反馈,进步也越快。

第二步:把目标设定到让你有点不舒服的位置。

太容易的目标,不会产生真正的进步。但目标也不能遥不可及,否则只会带来挫败感。

好的目标是:跳一跳,够得着。每次练习结束,你应该感觉到一点点的疲惫和消耗——这说明你真的在学习区待过。

第三步:建立即时反馈机制。

根据你练习的内容,找到对应的反馈来源。弹奏时用录音对比,写作时用阅读完成率衡量,演讲时看视频回放,编程时用在线评测系统。

没有反馈的练习,是在黑暗中摸索。

第四步:设计合理的练习节奏。

刻意练习是高强度的认知活动,不能无限延续。每次专注练习45到60分钟后休息一下,每天总练习时间保持在2到4小时之间。质量永远比数量重要。

另外,睡眠是练习的一部分。大脑在睡眠中巩固白天学到的内容,充足的睡眠是技能提升不可缺少的环节。

第五步:写练习日志。

每次练习后记录四件事:今天练了什么具体内容,目标是什么,实际达成如何,下次重点改进什么。

日志的作用不只是记录,而是强迫你在每次练习结束后做一次反思。这个反思本身,就是一次刻意练习。


最后

这本书研究的是练习,但它真正在讲的是潜力。

艾利克森花了三十年研究人类卓越表现,得出的结论是:几乎所有人的潜力都被严重低估了。限制大多数人的不是天赋的上限,而是练习方式的低效。

你现在的能力水平,不是终点,只是你用过去的方法能到达的地方。

换一种方法,终点就不同了。

找到你想在哪个领域成为专家,把练习拆解到最小单元,设定具体目标,建立反馈机制,走出舒适区,然后一次次重复这个过程。

天赋决定起点,刻意练习决定你能走多远。

——「每日一书」系列第27篇

关注乐想屋

在这个信息爆炸的时代,我们没时间读完所有好书。

所以我帮你读——提炼核心观点,萃取行动建议,让你用 5 分钟掌握一本书的精华。

👇点赞+在看+转发,把清醒传递给更多人

系列文章:职场反PUA 30天觉醒计划 乐想屋

系列文章:职场生存暗规则|乐想屋

系列文章:职场&成长&乐想屋

系列文章:AI时代下思考

系列文章:每日一书

系列文章:AI小白从0到1【100篇】

http://www.cnnetsun.cn/news/2558604.html

相关文章:

  • 聊天机器人“越狱”频发,人工智能安全转向社交心理攻防战!
  • OpenClaw本地部署接入豆包、千问、deepseek、kimi等大模型,安装最新版v2026.5.9实战教程
  • RAG 是临时查资料,LLM Wiki 是让知识开始复利
  • LLM测试工程师必看,Claude E2E测试架构设计,从用例生成、黄金样本构建到回归基线告警闭环
  • FanControl中文版终极指南:Windows专业风扇控制软件完全实战手册
  • 实战指南:用Python构建自动连连看系统的完整解决方案
  • DeepSeek-R1代码生成能力实测:97.3%准确率背后的5个隐藏陷阱与绕过方案
  • 题解:AcWing 4548 猴子和香蕉
  • Unlock-Music:打破平台枷锁的音乐文件解密工具
  • 企业级Veo 2提示词治理框架(含合规校验/版本回溯/效果归因三模块)——仅限首批500名开发者开放》
  • 数据流降采样技术:Downstream库的核心原理与应用
  • 对比直接使用厂商API与通过Taotoken聚合调用的成本体感
  • 微信小程序AR与3D全景开发实战指南:揭秘Three.js在移动端的终极应用
  • Apple-Mobile-Drivers-Installer:Windows上iPhone USB网络共享驱动的终极解决方案
  • LLM Structured Output 生产工程:别再写正则解析JSON 了(工程师踩坑版)
  • FM5057H 二合一锂电池保护 IC
  • 智谱开启狂飙模式!7倍提速,全球最快,旗舰模型即问即答
  • WPF中Style和ControlTemplate的触发器有什么不同
  • 对比直接使用厂商api体验taotoken在路由容灾方面的优势
  • 低成本DIY智能驱猫系统:基于PIR传感器与雨刮水泵的硬件方案
  • 项目文档:基于51单片机的篮球计分器设计
  • 对比直接调用厂商API使用Taotoken聚合调用的延迟体感差异
  • Zotero检索引擎完全指南:如何快速提升文献检索效率
  • Selenium搞不定的文件上传弹窗?试试Playwright的`page.expect_file_chooser()`监听大法
  • 数据要素与大安全:运营商藏在信令里的印钞机
  • CPU-GPU协同加速LLM推理:APEX技术解析与实践
  • Win11鼠标指针太单调?这3个宝藏网站让你免费下载上千款酷炫指针方案
  • 别再傻傻插显示器了!手把手教你用BMC远程给服务器装系统(以浪潮服务器为例)
  • Avidemux视频编辑工具终极指南:5个简单步骤快速上手专业剪辑
  • 量子计算模拟器性能优化:从内存墙到指令级并行