我是这么替你盘算的：信息这么爆炸，文章看都看不过来，课也没法都上，不能说缺新知吧？除非你整天不学新东西，那这种人我压根都不想提醒。有点基本的判断能力和搜索能力，找干货也不该成为瓶颈吧？那你说你缺什么？

　　所以说，我判断你大概率是在抛物线的右侧，“可能性”是你为知识买单的最大成本。你不是不努力，你只是需要做些改变。

　　三、改变的起点是看清知识

　　1、知识生产环节不透明，难以甄别

　　不管是以文章、音频还是面授等方式承载，知识的表面大多都是诚意十足，背后你不知道的东西多了去了。你不知道分享者的初衷是为了帮助他人还是捞点外快；你不知道这知识是亲身总结的还是东拼西凑的；你不知道他多重视这次分享，花了2周去定制还是20分钟去翻旧货。而这一切，对该知识的含金量影响巨大。

　　所以要知道，学习一份知识，其实是要承担风险的—— 你可能永远都不知道，它是在教你套路，还是在套路你。你满怀期待的某场讲座，可能只是嘉宾的“去随便玩玩”，结果台上大失水准，你在心里翻了不知道多少白眼，就差喊主办方“换碟”了。

　　2、即使生产很良心，也难保知识无错误

　　每个人都无法全知全能，所以受现实或个人局限，得出的理论可能是有缺陷，甚至是错误的。关于“幸存者偏差”的二战段子你可能已经听过了：

　　大家想知道战斗机最应该在哪些地方加固，以提升其防御力。有专家就提出判断方法了，说概率学上来讲，机翼分布的弹孔最多，这里最该加固。然而他不知道的是，那些被击中更致命部位的战斗机 （比如发动机），一架都没能幸存。这不就是个人认知局限，好心提了个错理论的例子吗？

　　但我之所以称这个例子为“段子”，是因为它是被加工过的事实——真实事件中，这位专家叫沃尔德，而他第一次计算就关注到了幸存者偏差，计算非常周密。就这个例子是否属实，知乎大拿们也是几番纠正后才让真相浮出水面——用心回答的知乎答案，还是逃不过错漏。

　　所以现在回头看张小龙引述的那句“我所说的都是错的”，我更愿意相信他的意思是，别教条式接受，我也可能犯错。

　　3、即使无错误，它也不一定适合你

　　任何知识理论都没义务，也没可能帮你穷尽所有特例——哪怕它再靠谱，也是有适用边界的。

　　还是举个张小龙的例子，前些日子“好产品是用完即走的”这个理论刷遍朋友圈，好些人转发并表示“臣附议”。这当然没问题，我们都认同产品要克制，活好还要不粘人，用户在app内完成任务了，你别死乞白赖推这推那的，拽着用户不放。

　　但如果你是“智能推荐”的产品经理，情况是不是会有点不一样？算法判断来完成A任务的用户，极大概率需要B功能/商品 （虽然他可能不自知），这时候你推不推？这种情况下你的“活好”，甚至要体现在“能粘人”上。

　　大家常说：听过许多大道理，依然过不好这一生。我想，大抵是这个原因吧？

　　四、改变的突破在学习内修

　　我们已知内修环节是最大瓶颈，具体如何突破呢？我理解包含两大部分。

　　1、思辨质疑

　　1）尽可能排除非理性的干扰。比如权威效应：对老板、名人的话更没抵抗力；比如圈子效应：对不认可的人，倾向于也不认可他的言论；比如从众效应：因为大家认可所以我也认可。非理性在《批判性思维》、《怪异行为学》这些书里都有所论述，这里不展开。

　　2）对接收到的新知有意识地质疑。我习惯的质疑框架是：论据来源是否可信？数据是否有缺陷？论证过程是否牵强？有没有其他的解读？当然，这个框架仅仅是我个人的偏好，欢迎大家修改补充。

　　3）最后重点考察适用性。把新知理论推及到自己能想到的各种情况，来推演其适用度。如果有不适，那我会尝试打补丁。比如前面提到的“用完即走”例子，如果我们认为把它用在相关推荐功能上有点别扭，其实可以补充圆一下：用完即走不粘人，不代表不可以推荐，而是推荐要有足够把握，且适度，有防过度沉浸提醒。

　　2、关联理解

　　孤立地记忆某个知识并不是最优策略，关联理解收益更加明显。这里说的关联主要有两层意思。