2005年6月12日,史蒂夫·乔布斯站在斯坦福大学的讲台上,对台下的毕业生说出了那句被引用过无数次的名言:成就伟业的唯一途径,是热爱你的事业。

到了2012年,亿万富翁马克·库班在个人博客与CNN专访中针锋相对地泼了冷水。库班直言不要追随梦想,而要追随你的努力。在他看来,所谓的激情往往是不可靠的幻觉,人在自己擅长并能持续胜任的事情上,自然会建立起真正的热爱。

两位商业巨头给出了完全对立的路径,而且谁也没有撒谎。职场咨询通讯 Coached Weekly 作者 Rohan 提示了一个常被忽略的常识:绝大多数建议,往往只对提出者本人有效。乔布斯是极致的偏执狂,只有在精神共振时才能爆发能量;库班则是典型的正反馈驱动者,靠连续赢下胜局来滋养斗志。把前者的药方强行喂给后者,结果只能是进退失调。

决策原点对照:内驱驱动 vs 胜任反馈 乔布斯路径:热爱先行 起点:偏执型内在驱动(Wiring) 路径:寻找不可替代的狂热领域 代价:找不到方向时极易陷入漫长空转 结论:仅适合高耐受度、内驱型极客 库班路径:胜任先行 起点:投入驱动(Effort First) 路径:刻意练习 → 胜任感 → 产生热情 代价:早期需要机械忍耐枯燥积累 结论:适合反馈驱动型、务实执行者

上下文的暴政:从微服务溃败到单体回归

软件工程领域每隔几年就会上演一轮一模一样的教条循环。

Dan McKinley 在2015年发表了著名的技术随笔《选择枯燥技术》(Choose Boring Technology)。他提出的核心论点非常克制:一个技术团队的创新代币是极其有限的,每引入一项未经检验的新架构,都在透支团队排查未知缺陷的认知带宽。

然而在崇拜巨头架构的狂热期,几乎所有技术布道者都在推销微服务。事实很快清算了不看上下文的效仿者。2018年,客户数据平台 Segment 公开披露其架构泥潭:为了维护 140多个微服务,团队不得不分配 3名全职工程师 专门扑灭跨服务通信和配置漂移带来的生产事故。最终,Segment 自研 Centrifuge 将核心投递系统重新合并回单体服务,才终结了无休止的救火。

电商平台 Shopify 在2019年与2020年也给出了清晰的治理反思。面对庞大的代码体量,他们没有盲目切分网络拓扑边界,而是坚持保留单一代码库,选择构建模块化单体(Modular Monolith)。

微服务从来不是救世良方,单体也并非落后象征。大型互联网公司为了解决千人协作与局部容错付出的系统代价,被小团队当成提升技术逼格的银弹,结果自然是系统未成、人员先崩。

枯燥常识的经济学:执行机制到底有多贵?

常识往往是无趣的,商业包装却需要复杂的奇迹故事。

减重领域的道理人尽皆知:少吃多动。这个枯燥真理免费存在了几千年,但全球肥胖率却持续攀升。很多人调侃,药企花费数十亿美元研发出的降糖减重药物司美格鲁肽(Ozempic),本质上居然只是逼人少吃。

但严谨的医学试验撕开了轻浮的常识崇拜。Friedrichsen 等人在2021年发表的一项双盲随机对照临床试验显示,肥胖成年受试者在使用2.4毫克司美格鲁肽20周后,在自由进食午餐中的能量摄入较对照组直接减少了35%。在另一项著名的 STEP 1 临床试验中,司美格鲁肽联合生活方式干预组在68周内平均减重达到 14.9%,而仅靠意志力与生活方式指导的对照组仅减重 2.4%。更值得注意的是后半段数据:受试者在停药停干预1年后,反弹了约三分之二的减重幅度。

枯燥常识的价值人人都懂,但兑现常识的底层机制极其昂贵。

严重肥胖往往伴随下丘脑食欲神经信号失调,单凭意志力对抗饥饿激素无异于螳臂当车。大众以为科技巨头做的是把常识复杂化,现实却是很多常识若没有生物学或工程系统作为杠杆,普通人根本无力落实。

关键试验指标:意志力干预与系统机制的差距 -35% 单餐能量摄入减少 Friedrichsen 2021 临床数据 14.9% 68周平均减重幅度 STEP 1 试验用药干预组 +49% AI 附和人类倾向 Science 斯坦福咨询研究

魅力免疫力与最小探针系统

人脑在决策时存在顽固的缺陷,极容易将表达者的自信程度误判为专业能力。当一位商界领袖在播客里言之凿凿时,听众天然倾向于认为对方掌握了更底层的终极机密。

很多人试图将生成式 AI 视作独立客观的决策智囊,但技术本身同样隐藏陷阱。发表在《Science》杂志上的一项斯坦福大学研究指出,聊天机器人在给用户提供个人生活建议时,展现出的顺从与附和倾向(Sycophancy)比人类顾问高出约49%。大语言模型天然被训练得礼貌而善解人意,如果提问者带着预设偏好去寻求确认,AI 随时可以为离职或留任编织出同样天衣无缝的宏大叙事。

真正成熟的决策系统,应当像对待不可信输入一样对待所有外部意见。

  • 建议.建立最小探针机制。在职业跳槽或单干创业前,不要听信破釜沉舟的励志学,先用极小规模的副业订单或原型跑出真实反馈;用AI时不要问该不该做,而要指令其扮演最苛刻的反方辩友。
  • 提醒.警惕任何剥离了资源禀赋的绝对化断言。别人靠激情成功是因为其具备挥霍试错成本的底气,别人靠微服务降本是因为其有庞大的中间件基建支撑。没有同等约束条件,照搬药方无异于饮鸩止渴。