作者：卡尔·纽波特,卡罗尔·德韦克,高田贵久,古川武士,野口真人,有川真由美,大石哲之,斋藤孝
出版社：后浪出版公司
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
提升人生软实力（突破认知局限，掌握决胜关键，让软实力成为人生的硬指标。套装共九册。）试读：
前言
第一部分 理 论
第 1 章
深度工作是有价值的
高级技术工人
超级明星
所有者
如何在新经济形势下成为赢家
深度工作帮助你迅速掌握困难的事物
深度工作有助于精英级产出的实现
杰克·多西是怎么回事？
第 2 章
深度工作是少见的
度量的黑洞
最小阻力原则
忙碌代表生产能力
对互联网的顶礼膜拜
对生意来讲是坏事，对个人来讲是好事
第 3 章
深度工作是有意义的
从神经学角度论证深度
从心理学角度论证深度
从哲学角度论证深度
深度智人
第二部分 准 则
准则 1
工作要深入
选定你的深度哲学
禁欲主义哲学（Monastic Philosophy）的深度工作日程安排
双峰哲学（Bimodal Philosophy）的深度工作日程安排
节奏哲学（Rhythmic Philosophy）的深度工作日程安排
新闻记者哲学（Journalistic Philosophy）的深度工作日程安排
习惯化
要有大手笔
不要独自工作
像经商一样执行
原则 1：关注点放到极端重要的事情上
原则 2：抓住引领性指标
原则 3：准备一个醒目的计分板
原则 4：定期问责
图安逸
原因 1：安逸时光有助于提升洞察力
原因 2：安逸时光有利于补充深度工作所需的能量
原因 3：晚间安逸时光里放下的工作往往没有那么重要
准则 2
拥抱无聊
不要不断分心，而要不断专注
像罗斯福一样工作
有成果的冥想
建议 1：小心分心和原地打转
建议 2：组织你的深度思考
记住一副牌
准则 3
远离社交媒体
在你的网络使用习惯中采用关键少数法则
戒掉社交媒体
不要用网络来消遣
准则 4
摒弃浮浅
一天的每一分钟都要做好计划
定量分析每一项活动的深度
向老板申请浮浅工作预算
5 点半之前结束工作
变得不容易联系到
贴士 1：让发电子邮件给你的人做更多工作
贴士 2：收发电子邮件的时候做更多工作
贴士 3：不要回复
结论
注释
前言
第 1 章
如何在新经济形势下成为赢家
深度工作帮助你迅速掌握困难的事物
深度工作有助于精英级产出的实现
杰克·多西是怎么回事？
第 2 章
度量的黑洞
最小阻力原则
忙碌代表生产能力
对互联网的顶礼膜拜
第 3 章
从神经学角度论证深度
从心理学角度论证深度
从哲学角度论证深度
深度智人
准则 1
选定你的深度哲学
习惯化
要有大手笔
不要独自工作
像经商一样执行
图安逸
准则 2
不要不断分心，而要不断专注
像罗斯福一样工作
记住一副牌
准则 3
在你的网络使用习惯中采用关键少数法则
戒掉社交媒体
不要用网络来消遣
准则 4
一天的每一分钟都要做好计划
5 点半之前结束工作
变得不容易联系到
结论返回总
目录
前言
在瑞士圣加仑（Swiss canton of St. Gallen），靠近苏黎世湖（Lake Zurich）北岸，有一个名为伯林根（Bollingen）的村庄。1922 年，心理学家卡尔·荣格（Carl Jung）选择在这里建起居所。最开始他建起一座简单的两层石头房子，将其称作“塔楼”。在一次印度之行中，他发现当地人有在家里开辟冥想屋的习俗，那次旅行之后，他便在自己住所中开辟了一座私人办公室。“在休息室时，我可以独处。”荣格这样评述这个房间，“我随时都带着钥匙；没有我的允许，任何人都不得进入这个房间。”
记者曼森·卡里（Mason Currey）在他的著作《每日仪式》（Daily Rituals）中整理了各种关于荣格的材料，重现了这位心理学家在塔楼中的工作习惯。卡里在书中写道，荣格会在早上 7 点起床，吃一顿丰盛的早餐，然后在私人办公室中度过两个小时不被人打扰的写作时间。下午，他通常会冥想或在周围的乡村长时间漫步。塔楼里没有电，因此日光暗去夜色朦胧之时，油灯为亮，壁炉送暖。荣格会在晚上 10 点上床休息。他说：“从一开始，我就感觉能够在这座塔楼里得到很好的休息和恢复。”
尽管我们很容易将伯林根塔楼看作度假屋，但是回顾荣格的职业生涯，人们会发现这座湖边居所显然并非为躲避工作而建。1922 年，荣格买下这片地产的时候还无暇度假。仅仅一年之前，在 1921 年，他发表了重要著作《心理类型》（Psychological Types），总结了长久以来荣格与其曾经的好友兼导师西格蒙德·弗洛伊德（Sigmund Freud）思想的诸多差异。在 20 世纪 20 年代，对弗洛伊德的思想提出质疑是很大胆的举动。想要支撑自己的著作，荣格需要保持清醒的状态，创作出一系列有见地的文章和著作，进一步支持和发展分析心理学（Analytical Psychology）。他后来也被称作分析心理学的创始人。
荣格在苏黎世期间开展演讲和心理咨询，一直很忙碌，这一点很明显。但是他并不满足于简单的忙碌生活。他想要改变我们对潜意识的认识，而这个目标需要更深入、更缜密的思考，这在忙碌的都市生活方式下是做不到的。所以荣格隐居到伯林根，并非逃离职业生活，而是为了职业生涯的发展。
卡尔·荣格后来发展为 20 世纪最具影响力的思想家之一。当然，他最终的成功背后有很多原因，但是在本书中，我的兴趣点会落在下述这项技能上，而这项技能显然对他的成就起到了至关重要的作用：
深度工作
（Deep Work）：在无干扰的状态下专注进行职业活动，使个人的认知能力达到极限。这种努力能够创造新价值，提升技能，而且难以复制。深度工作是唤醒你当前智力水平下的每一点价值所必需的。经过心理学和神经科学方面的数十年研究，我们认识到伴随深度工作而来的精神紧张状态对于提升我们的能力也是必需的。换言之，想要在诸如 20 世纪初期学院精神病学等需要认知能力极高的领域鹤立鸡群，深度工作恰恰是我们所需要的。“深度工作”的概念是我创造出来的，而非卡尔·荣格的说法，但是他在这段时间里的做法却像是理解其中深意。荣格在树林中用石头建起一座塔楼，以此实现职业生活中的深度工作——这项任务要求投入时间、精力和金钱。塔楼生活也使他抛开了短期利益。恰如曼森·卡里所写的，频繁移居伯林根的行为，减少了他的诊疗工作，但要注意：“尽管有很多病人依赖荣格诊疗，他还是不惜抽身离开。”尽管优先考虑深度工作是一种负担，但对于他改变世界的目标却是至关重要的。
其实，如果探究一番远近历史中其他重要人物的生活，你会发现深度工作在他们身上是非常普遍的。比如 16 世纪的散文家米歇尔·德·蒙田（Michel de Montaigne）早在荣格之前就在远离自己法国城堡石墙的南塔楼区建起了一座私人图书馆，而马克·吐温（Mark Twain）的《汤姆·索亚历险记》大部分都在纽约库阿里农场的一间小屋里完成，当时他在那里消夏。吐温的书房离主要房屋区太远，以至于他的家人要吹号吸引他的注意力，召唤他去吃饭。
历史再向前推移，就可以看到剧作家、导演伍迪·艾伦（Woody Allen）了。在 1969～2013 年这 44 年的时间里，伍迪·艾伦编写并导演了 44 部电影，获得 23 项奥斯卡奖提名——对于电影艺术作品而言，这个比例高得惊人。在这段时期里，艾伦一直没有电脑，所有写作都不受电子设备的干扰，而是在一台德国奥林匹亚 SM3 型号的手动打字机上完成。此外和艾伦一样拒绝使用电脑的还有理论物理学家彼得·希格斯（Peter Higgs），他在几乎与世隔绝的环境下工作，在他获得诺贝尔奖的消息传出后，记者都找不到他。J.K.·罗琳（J.K. Rowling）确实会使用电脑，但是广为人知的是，她在写作《哈利·波特》小说期间会远离社交媒体，尽管这段时间恰逢科技迅猛发展，公众人物也多对此趋之若鹜。罗琳手下的工作人员最终还是在 2009 年秋天用她的名字开设了推特账户，当时她正在写作《偶发空缺》（The Casual Vacancy），开设账户之后的头一年半里，她只发布了一条推特消息：“这是我的实名账户，但恐怕我不会经常发声，因为当前纸笔仍是我的最爱。”
当然，深度工作不仅仅局限于历史人物和厌恶电脑之人。众所周知，微软首席执行官比尔·盖茨每年都要进行两次“思考周”，在这段时间里，他会远离世事（通常是在湖边小屋），只读书，思考大局。正是在 1995 年的一次思考周中，盖茨写下了著名的“互联网浪潮”（Internet Tidal Wave）备忘录，将微软的注意力转移到一家名为网景通讯（Netscape Communications）的新兴公司。另外很具有讽刺性的是，被称作网络朋克作家的尼尔·斯蒂芬森（Neal Stephenson）参与创造了流行的网络时代概念，我们却几乎无法通过电子通讯的方式联络到他——他的个人网站上没有提供电子邮箱地址，还贴出一篇文章，解释自己故意不使用社交媒体的原因。下面一段话是他曾经对此的解释：“如果我如此安排生活，能够得到很长的、连续的、不受人打扰的时间，我就能写作小说。反之，如果我备受打扰又会怎样？不会有一部传世的小说……而是会有许多封发给个人的电子邮件。”
在具有重大影响力的人物身上，深度工作的普遍存在现象很值得强调，因为这种现象与当代大多数知识工作者的行为形成了鲜明的对比，这个群体过快淡忘了深度工作的价值。
知识工作者之所以远离深度工作，原因显而易见——网络工具。网络工具是一个非常广的门类，包括电子邮箱和短信等通讯服务、推特和脸谱网等社交网络，以及 BuzzFeed 和 Reddit 等炫酷的娱乐信息网站。这些工具的兴起，辅以智能手机和可联网办公电脑的广泛使用，将大多数知识工作者的注意力肢解得支离破碎。2012 年，麦肯锡的一项调研发现，知识工作者平均每周有超过 60% 的工作是进行电子沟通和网络搜索，其他工作者们则有将近 30% 的时间只是用于阅读和回复电子邮件。
这种注意力支离破碎的状态不可能带来深度工作，深度工作要求长时间无干扰的思考。然而与此同时，现代知识工作者也并没有游手好闲。事实上，他们称自己和以前一样忙碌。这种矛盾是由何产生的？另外一种类型的努力可以很好地解释个中原由，这种努力恰与深度工作的理念相悖：浮浅工作（Shallow Work）：对认知要求不高的事务性任务，往往在受到干扰的情况下开展。此类工作通常不会为世界创造太多新价值，且容易复制。
换言之，在网络工具的时代，知识工作者越来越多地用浮浅工作——像人工网络路由器一样不断地收发电子邮件，不断被小事扰乱心神——替代了深度工作。诸如研究新的商务策略或撰写重要的经费申请报告等重大工作，本可很好地受益于深度思考，却也在受到干扰之后变得支离破碎，得不到很好的完成。
对深度工作更不利的是，越来越多的证据显示，向浮浅工作发展的趋势并不是很容易转变的。在极度浮浅的状态下度过足够的时间，将永久性降低自己深度工作的能力。“网络似乎剥夺了我专注和沉思的能力。”记者尼古拉斯·卡尔（Nicholas Carr）2008 年在《大西洋月刊》（Atlantic）上发表的一篇被广为引用的文章中坦言，“而且不只有我是这样。”卡尔由这个论点出发，写成了一本书，名为《浅薄：互联网如何毒化了我们的大脑》（The Shallows），后入围了普利策奖终选名单。为了写作《浅薄》一书，卡尔搬到一间小木屋里，强迫自己与世隔绝。
网络工具促使我们从深度工作转向浮浅工作的观点并非新有。《浅薄》仅仅是近期一系列探究网络对我们大脑和工作习惯影响的书籍中最早的一部。后续的作品包括威廉·鲍尔斯（William Powers）的《哈姆雷特的黑莓》（Hamlet’s BlackBerry）、约翰·弗里曼（John Freeman）的《电邮的暴政》（The Tyranny of E-mail）和亚历克斯·索勇-金·庞（Alex Soojung-Kin Pang）的《分心成瘾》（The Distraction Addiction）——所有这些作品都或多或少地赞同网络工具使我们从必须专注完成的工作上分心，同时也降低了我们保持专注的能力。
鉴于现在已经有诸多证据，我在本书中不会再耗时证明此点。我希望我们能够认清网络工具对深度工作会产生负面影响。此外我还会回避此类转变所带来的长期社会影响等宏大的论题，因为此类论题往往会争辩无果。在这场论辩的一方是杰伦·拉尼尔（Jaron Lanier）和约翰·弗里曼等对科技持怀疑态度的人，他们认为很多此类工具至少在当前的状态下，会对社会造成损害。而另一方是克莱夫·汤普森（Clive Thompson）等对科技持乐观态度的人，他们认为这些工具当然会改变社会，但是会使我们的生活更好。比如谷歌或许会使我们的记忆力退化，但是因为我们此时能够搜索到任何想要知道的事情，所以不再需要好的记忆力。
我在这场哲学论辩中并不站在任何一方。我在此话题上的兴趣在于一种更实际和关乎个人利益的主题：向浮浅工作转变的工作文化（不管你认为从哲学意义上讲是好还是坏）使少数能够抵抗此种潮流、优先考虑深度工作的人享有极大的经济前景和个人发展机会。不久之前，来自弗吉尼亚的一个名为杰森·本（JasonBenn）的无聊年轻人就充分利用了这种机会。
人们经常会发现自己在大家的经济生活中并没有价值。杰森·本在开始一份金融咨询的工作后不久就认识到了这一点，他发现自己工作的绝大部分职责都可以靠一份 Excel 脚本自动“拼凑到一起”。
雇佣本的那家公司为涉及复杂交易的银行制作报告。（“这份工作很有趣，和听起来一样。”本在我们的一次采访中开玩笑说。）制作报告的过程需要花费数小时的时间，手动将数据输入到多张 Excel 表格中。刚入职时，本需要用上 6 个小时才能完成一份报告的表格填写（公司里最熟练的老员工则需要半小时左右的时间）。本不太能接受这样的状况。“公司教我的办法很笨拙，需要大量的手动劳动。”本回忆说。他知道 Excel 有一项叫作宏的功能，使用者可利用这项功能自动完成同类任务。本阅读了相关的文章，很快就制作出一张新的电子数据表，其中包含一些此类的宏，可以取代 6 小时的手动数据输入过程，基本只需点击一下便可完成。写作报告的过程本来要耗费他一个工作日的时间，现在只需不到半小时的时间。
本是个很聪明的人。他毕业于名牌大学（弗吉尼亚大学），获得经济学学位，和很多与他相似的人一样，他对自己的职业生涯雄心勃勃。没过多久他就意识到，如果自己主要的职业技能可以通过一个 Excel 宏解决，那么这些雄心壮志终会遭遇挫败。因此他决定，需要提升自己对这个世界的价值。经过一番研究，本得到一个结论：他向家人宣称，他将辞去人工电子数据表制作员的工作，成为一名程序员。然而，此类宏大的计划背后往往有一点漏洞：杰森·本根本不知道如何写代码。
作为一名计算机科学家，我可以确认显而易见的一点：计算机编程很难。大多数开发人员要经过 4 年的大学教育才能了解这个行业，开始第一份工作。而即便如此，想要得到最好的位置仍然需要面临激烈的竞争。杰森·本没有这样的时间。在那次关于 Excel 的顿悟之后，他辞去金融公司的工作，回家准备下一步工作。他的父母对他的计划很高兴，但是并不喜欢他在家里长期住下。本需要学会一项很难的技能，而且需要快速完成。
到此时，本遭遇了跟很多知识工作者同样的问题，无法在职业轨迹上有爆发式上升。学习电脑编程之类非常复杂的知识需要持续地专注于需要高认知度的任务——恰如驱使卡尔·荣格置身于苏黎世湖边的树林中的那种专注一般。换言之，这项任务是一种深度工作。然而，如我在之前所述，大多数知识工作者已经失去了深度工作的能力。本在这种潮流中也非例外。“我总是不停地上网，查看电邮；我根本停不下来，好似一种强迫症。”本讲述辞去金融工作之前那一段时间里自己的状态。为了强调自己深度工作的困难，本向我讲述了金融公司的上司让他完成的一个项目。“他们想要我写一份商业计划，”他解释说。本不知道如何写商业计划，于是决定先搜索并阅读 5 篇不同的现有计划，然后通过对比和比较，理清需要哪些内容。这是个好主意，但是本遇到一个问题：“我无法专注。”他现在承认，在这段时间里，有好多天几乎每一分钟（“98% 的时间”）都在上网。而商业计划项目，这个可以使他在职业生涯早期脱颖而出的机会，却被丢到了一旁。
辞职的时候，本已经很了解自己很难做到深度工作，因此当他决定学习编程的时候，他知道自己同时还要教会自己的大脑如何深入下去。他的方法很极端，却很有效。“我把自己锁到一间没有电脑的房间里：只有课本、笔记卡片和荧光笔。”他会在电脑编程课本上做标记，将学到的关键点记录到笔记卡片上，然后大声读出来练习。最初远离电子设备的日子很难熬，但本强迫自己坚持下去：他必须学会这些材料，要确保屋子里没有使他分心的东西。然而，随着时间的推移，他保持专注的能力逐渐增强，到后来经常能够每天在那个房间里与外界隔绝 5 个小时甚至更久，不分心地专注学习这些艰涩的新技能。“到最后我大约读了 18 本相关的书。”他回忆道。
两个月的封闭学习后，本参加了难度很高的开发人员训练营（Dev Bootcamp）：一周 100 小时的网络应用程序短训班。（在搜索该项目相关信息时，本发现一名来自普林斯顿大学的博士生将 Dev 描述为“我这辈子做过的最难的事情”。）有了充分的准备和新打磨的深度工作能力，本表现得极为出色。“有些人没有做好准备。”他说，“他们不能做到专注。他们不能迅速学习。”与本一同参加这个短训班项目的学生中只有一半按时毕业。本不仅毕业了，而且还是班上成绩顶尖的学生。
深度工作有了成效。本很快就在旧金山一家科技创业公司找到了一份开发员的工作，这家公司拿到了 2500 万美元的风险投资。一年半之前，本辞去金融咨询的工作时，他一年收入为 4 万美元，电脑程序员的新工作则可以拿到 10 万美元。随着技能水平的提高，这个数字还可以持续增长，在硅谷市场上几乎没有上限。我最后一次和本交谈时，他已经在新岗位上做得有声有色。他成为深度工作的新拥趸，在办公室对面的街上找到一套公寓，这样早晨就能在其他人到来之前很早来到办公室，毫无干扰地工作。“运气好的时候，一天第一次会议之前，我能有四个小时无人打扰的工作时间。”他告诉我，“然后下午或许还能有三四个小时。而且我说的是真正的‘专注’：没有电子邮件，没有黑客新闻（Hacker News，在电脑技术人员中非常流行的网站），只做编程。”对于一个承认过去工作中有时 98% 的时间都用来上网的人来说，杰森·本的转变着实令人震惊。
杰森·本的故事突出了一点关键的经验：深度工作并非某种矫揉造作的怀旧情绪，也不是作家和 20 世纪早期哲学家独有的，而是在当今社会也很有价值的一种技能。
它之所以有价值，有两方面原因。第一种原因与学习相关。我们生活在信息经济时代，依赖于迅速更新的复杂体系。比如，本学过的一些电脑语言在 10 年前是不存在的，而且很可能再过 10 年也会过时。与之类似地，20 世纪 90 年代加入营销队伍的人或许根本不会想到今天需要掌握数字分析的能力。因此，想要在社会经济中保持价值，就必须掌握快速学习复杂技能的艺术。这项任务要求深度工作。如果你不培养这项能力，就很可能随着技术的更新而被淘汰。
深度学习有其价值的第二种原因是数字网络革命的影响力是双向的。如果你能创造出有用的东西，它的受众（比如雇主或用户）就可能是无限的，从而极大提升你所获的奖励。另一方面，如果产出的东西中规中矩，你就会陷入困难，因为你的受众很容易在网上找到更好的替代品。不论你是一名电脑程序员、作家、市场营销人员、咨询师还是企业家，你的处境都和想要超越弗洛伊德的荣格一样，又或是与想要在创业新贵公司中维持地位的杰森·本相似：想要成功，你就必须产出自己能力范围内最好的产品，而这项任务需要深度。
深度工作的必要性正在不断增长，这种趋势是新近出现的。在工业经济时代，只有小部分技术工人和专业人士需要深度工作，但是大多数工人不培养无干扰专注的能力也无大碍。他们靠做一些小玩意拿工资，他们所做的工作在数十年的时间里都不会有什么变化。但是随着信息经济时代的到来，越来越多的人成为知识工作者，深度工作就成为核心货币，虽然大多数人并没有意识到这个现实。
换言之，深度工作并非一种无用的传统技能，而是任何想要在竞争激烈的全球化信息经济时代——无法跟随时代潮流发展的人将被这个时代生吞活剥——立足的人都应该掌握的核心技能。真正的奖励不会留给那些熟练使用脸谱网的人（这是一项浮浅任务，很容易复制），而是留给那些能够构建创新的分散式体系，使这项服务能够运转的人（毫无疑问是一种深度任务，很难复制）。深度工作非常重要，我们或许应该用商业作家埃里克·巴克（Eric Barker）的说法，将其称作“21 世纪的超级力量”。
我们已经探究过两条思路，一种是深度工作的日益稀少，另一种是其日益提升的价值。可以将二者结合成一种理念，这种理念为本书的一切内容提供了基础：深度工作假设（The Deep Work Hypothesis）：深度工作的能力日益稀少，而几乎同时，其在社会经济中的价值也日益提升。因此，能够培养这项技能，并将其内化为工作生活之核心的人，将会取得成功。
本书有两个目标，分两部分进行阐述。第一个目标在第一部分实现，旨在让你相信深度工作假设的真实性。第二个目标在第二部分实现，旨在教会你如何利用这个机会，训练你的大脑，转变你的工作习惯，使其成为你的职业生活的核心。然而，在深入探究这些细节之前，我要花点时间解释一下我是如何成为深度工作拥趸的。
我用过去 10 年的时间培养了自己专注于难题的能力。想要理解这种兴趣的起源，有一点或许会有所帮助。我是一名理论计算机科学家，在举世闻名的麻省理工计算理论小组（Theory of Computation Group）完成了博士学业，而在计算理论小组中，保持专注是关键的职业技能。
这些年里，我所在的研究生办公室恰在一名麦克阿瑟天才奖（MacArthur“Genius Grant”）获得者办公室的走廊尽头，这个人在还没到法定喝酒的年龄就被麻省理工大学聘为教授。这位理论学者经常会坐在公共区域，盯着白板上的标记看，四周围坐着一群访问学者，也安静地坐在那里，盯着白板看。这个过程可以持续几个小时。我去吃午饭，吃完午饭回来，他们还在盯着看。这位教授的踪迹很难寻到。他不上推特，如果他不认识你，一般也不会回你的电子邮件。去年他发表了 16 篇论文。
在我当学生的那几年里，周围一直弥漫着这种极度专注的氛围。毫不奇怪，我也很快培养出类似的深度专注能力。令我的朋友和诸多合作出书的出版商懊恼的是，我从来没有脸谱网或推特账户，除了博客之外未曾用过任何其他社交媒体。我不上网，新闻多从送到家里的《华盛顿邮报》（Washington Post）和美国国家公共电台（NPR，National Public Radio）获取。另外想要找到我的人也很难如愿：我的作者网站里没有提供私人电子邮箱地址，而且直到 2012 年我才有了第一部智能手机。（我怀孕的妻子给我下了最后通牒：“儿子出生之前，你一定要买一部可以用的手机。”）
另一方面，我对深度工作的执着也得到了回报。大学毕业之后 10 年的时间里，我出版了 4 本书，获得了一个博士学位，发表同行评审学术文章的频率也很高，还受聘于乔治城大学（Georgetown University），成为终身教授。虽然有这么多的成就，但我在工作日很少会工作到下午五六点钟。
我之所以能将工作压缩到如此短的时间内，是因为我投入了巨大的精力，竭力精简生活中浮浅的内容，同时确保充分利用由此节省的时间。我每天的工作都围绕着精心挑选的深度工作展开，确实无法避免的浮浅活动则拆分成小块，在日程的间隙完成。每天三四个小时，每周五天没有任何打扰、精心安排的专注工作，带来了很多极有价值的产出。
我对深度工作的投入在职业之外也带来了益处。从我下班回家至第二天早晨新工作日开始的这段时间，我几乎不碰电脑（只有写博客这个例外，我喜欢在孩子上床睡觉之后写写博客）。这种全然与世隔绝的能力，与隔一会查看一下工作邮件或频繁查阅社交网站等更惯常的做法相对，使我能够在晚上与妻子和两个儿子相伴，虽然是两个孩子的父亲，很忙碌，但还是能阅读数量惊人的书籍。更宽泛一点讲，远离生活中的干扰，缓和了似乎在日益侵蚀人们日常生活的紧张心智能量。我觉得无聊是很舒适的，它是一项可以转化出丰厚回报的技能，特别是在慵懒的华盛顿特区的夏日夜晚，听着电台直播华盛顿国民队的比赛的时候。
对本书最恰当的描述莫过于尝试规范和解释我为何偏爱深度而非浮浅，并细化帮助我将之付诸实践的策略种类。我将这些想法诉诸文字，有一部分原因在于引导你们围绕深度工作重塑生活，但这并非全部目的。我之所以要解构和阐释这些想法的另一个原因，在于进一步提升我自己的实践水平。对深度工作假设的接纳帮我取得了成功，但是我坚信自己还没有充分开发全部的潜能。当你按照本书的观念和规则辛苦努力并最终取得成功时，请相信我也在按同样的方法前进——毫不留情地砍掉浮浅的内容，不遗余力地强化深度。（在本书的结论中，你将看到我的努力成果。）
卡尔·荣格想要实现心理学的变革时，他在树林中建起一处隐居所。荣格的伯林根塔楼为他提供了保持深度思考的场所，他在这里将技能加以应用，产出了具有惊人独创性的成果，以至改变了世界。在后文中，我将努力说服你们加入我，共同努力构建我们自己的伯林根塔楼；培养在日益浮躁的世界里创造真实价值的能力；认识到数代人中最富有成效和举足轻重的人物所认可的真理——深度的生活才是优质生活。第一部分理 论第 1 章深度工作是有价值的
随着 2012 年总统选举日的临近，《纽约时报》网站流量达到了高峰。出现流量高峰在全美国关注的重要时刻是很常见的，但是这一次情况有些不同。这些流量中有极大部分（有些记者称超过 70%）流向诸多板块中的一个点。不是头版突发新闻故事，也不是报社普利策奖获得者的评论专栏，而是一个从棒球数据极客转行的竞选预测员的博客，这个人名叫内特·西尔弗（Nate Silver）。不到一年之后，娱乐与体育节目电视网（ESPN）和美国广播公司新闻网（ABC News）将西尔弗从《纽约时报》挖走（《纽约时报》也尝试挽留他，承诺为他安排 12 名作家当助理），从而完成了一项重大交易。他们许可西尔弗做任何报道，从体育、天气预报到网络新闻领域，甚至令人难以置信地，还有奥斯卡颁奖典礼电视直播。尽管舆论对于西尔弗一手打造的模型方法论之严谨性仍有争议，但是极少有人否认，2012 年这位 35 岁的数据奇才是我们经济中的赢家。
另外一位赢家是大卫·海涅迈尔·汉森（David Heinemeier ①Hansson），他是一名电脑程序明星，创造了 ruby on rails网站开发框架，为当前网络上最流行的网站提供了基础，其中包括推特和 ②Hulu等。汉森是颇有影响力的开发公司 Basecamp（2014 年之前名为 37signals）的合伙人。汉森没有在公开场合谈及自己在 Basecamp 的利润分成等级，也未曾提及自己的其他收入来源，但是我们可以认定其收入很丰厚，足够他在芝加哥、马里布（Malibu）和西班牙马贝拉（Marbella）之间穿梭，同时在赛车比赛中有不俗表现。
我们的第三位也是最后一位经济生活赢家是约翰·杜尔（John Doerr），他是闻名于世的硅谷风投公司凯鹏华盈（Kleiner Perkins Caufield & Byers）的普通合伙人。杜尔协助融资了多家引领科技变革的核心企业，包括推特、谷歌、亚马逊、网景公司和太阳微系统公司（Sun Microsystems）等。这些投资的回报都是天文数字，在我写作本书时，杜尔的个人净资产超过 30 亿美元。
为什么西尔弗、汉森和杜尔能取得这样的成就？这个问题有两种答案。第一种是微观层面，关注个人性格和策略对此三人成功的帮助。第二种答案是宏观的，关注点较少落在个人身上，而更多在于他们所代表的工作类型。尽管对这个核心问题的两种阐释都很重要，但是宏观的回答与本书探讨的内容关系更密切，因为它们能够更好地反映出当前经济回报最高的是哪些领域。
要从宏观角度探究个中原因，我们首先要谈及两个麻省理工的经济学家，埃里克·布林约尔松（Erik Brynjolfsson）和安德鲁·麦卡菲（Andrew McAfee）。二者在 2011 年出版的重要著作《与机器赛跑》（Race Against the Machine）中讲述了一个令人叹服的案例：在当今时代涌现出的各种力量中，恰是数字科技的崛起使我们的劳动力市场以一种未曾预想的方式发生改变。“我们正处于大重组最初的阵痛期。”布林约尔松和麦卡菲在他们的著作开端如此解释，“我们的科技日新月异，但是我们的很多技能和组织却严重落后。”对于很多工人而言，这种落后是坏消息。随着智能机器的不断改进，机器与人之间能力的差异逐渐缩小，雇主越来越多地选择聘用“新机器”而不是“新人类”。而只有人类可以做的工作也遭遇了问题，通讯和写作工具的发展使远程工作史无前例地方便，促使公司将关键岗位外包给行业中的翘楚，本地人才的失业率便会极高。
然而，这个冷酷的现实并没有渗透所有角落。布林约尔松和麦卡菲强调，这次大重组并没有碾压所有工作，而是将其分化。尽管在新经济形势下，越来越多的人因为技能可通过机械自动化实现或易于外包而遭遇挫败，但是还有一些人不仅能够存活，还变得比以往更有价值（也因此得到更多的回报）。提出这种经济双峰轨迹理念的并非只有布林约尔松和麦卡菲。比如，2013 年乔治梅森大学经济学家泰勒·考恩（Tyler Cowen）出版了《平均时代的终结》（Average Is Over）一书，反映了数字分化这一主题。但是布林约尔松和麦卡菲的分析之所以特别有用，是因为他们更进一步，识别出了拥有三种特点的人群，这三类人在智能机器时代处于获利的一方，收获极大的利益。毫无疑问，西尔弗、汉森和杜尔恰恰属于这三类人。我们来逐一分析每一类型的人，从而更好地理解他们为什么突然变得如此有价值。高级技术工人
布林约尔松和麦卡菲将以内特·西尔弗为代表的一类人称作“高级技术”工人。机器人和声控技术的发展使很多低技术要求的岗位实现了自动化，但是这两位经济学家强调：“诸如数据可视化、分析、高速通讯和快速原型设计等技术对抽象和数据导向型推理有了更高的要求，因此也提升了这些工作的价值。”换言之，那些有神奇工作能力，能够使用愈发复杂的机器创造出有价值成果的人将会成功。泰勒·考恩用更加坦率的方式总结了这种现实：“关键问题在于，你是否擅长使用智能机器？”
当然，内特·西尔弗擅长将数据嵌入到更大的数据库中，然后抽取数据存入他那神秘的蒙特卡洛模拟（Monte Carlo simulations）中，这恰恰是高级技术工人的一个缩影。智能机器并非西尔弗成功的障碍，而是他成功的前提。超级明星
王牌程序员大卫·海涅迈尔·汉森代表着布林约尔松和麦卡菲预测将在新经济中取得成功的第二类人：“超级明星。”高速数据网络和电子邮件、视频会议软件等协作工具摧毁了知识工作的很多领域。比如，现在如果能够聘用汉森那样全球最优秀的程序员用一小段时间完成手头的项目，就没有必要再安排办公空间、支付薪酬福利去聘用全职的程序员了。在这种情况下，你很可能支付更少的钱得到更好的结果，而汉森每年也可以服务更多的客户，变得更有价值。
你的办公室在艾奥瓦州的得梅因（Des Moines），而汉森或许远在西班牙的马贝拉远程工作，这其实对你的公司而言并没有什么影响，因为随着通讯和协作科技的发展，整个协同过程几乎可以无缝连接。（然而，这对于那些生活在得梅因、技能略差并需要稳定工资收入的程序员而言就有关系了。）这种趋势在越来越多的领域都开始流行，在这些领域中科技使高效的远程工作成为可能——咨询、市场营销、写作和设计，等等。一旦人才市场可以全球共享，那么在市场顶端的人将会取得成功，而余下的人则会遭遇困境。
经济学家舍温·罗森（Sherwin Rosen）在 1981 年发表的一篇开创性论文中解出了这种“胜者通吃”市场背后的数学理论。他最核心的见解是明确地将才能（贴上标签、清晰可见的，在公式中用变量 q 表示）定义为一种“不完全替代”因素，罗森就此做出如下解释：“连续听一系列中等水平的歌手唱歌并不能累加成一场无与伦比的演出。”换言之，才能并非一种商品，你不可以通过大批购买，然后累积起来达到一定的水准，只有成为最优秀的才会有额外奖励。因此，如果你身处一个市场，消费者可以找到任何表演者，每个人的 q 值都是清晰的，那么消费者就会选择最好的。即使最优秀的才能相比技能阶梯下一级的才能仅有稍许优势，超级明星仍然会赢得大块市场。
在 20 世纪 80 年代，罗森研究这种现象的时候，他的关注重点在电影明星和音乐家，在这些领域有清晰的市场——比如音乐商店和电影剧院，观众可以接触到各种表演者，在做出购买选择之前准确地评估他们的才能。通讯和协作科技的迅猛发展使过去很多地方性市场转变成类似的全球化集市。一家寻找电脑程序员或公共关系咨询的小公司现在可以利用全球化人才市场达到目的，恰如音像店的出现使小镇的音乐迷可以抛弃本地音乐家去购买全球最棒乐队的专辑。换言之，超级明星效应在当今社会的应用远远超过罗森 30 年前所能预测的范围。在我们的社会经济中，越来越多的个体要与行业中的超级明星竞争。所有者
在新经济形势下能够成功的最后一个群体是约翰·杜尔代表的一类人，他们是有资本可以投入新科技、促成大重组的人。从马克思以来，我们都能理解手握资本可以带来巨大的优势。然而在某些阶段手握资本，优势会更加明显。布林约尔松和麦卡菲指出，战后欧洲正是在错误的时间坐拥成堆现金的例子，迅猛的通货膨胀加上严苛的税收政策以惊人的速度抹平了旧资本。（我们或许将其称作“唐顿庄园效应”——“Downton Abbey Effect”。）
大重组时代与战后时期不同，是拥有资本的绝佳时机。想要了解个中原因，首先要回顾一下那个交易理论，它也是标准经济思维的核心组成部分，该理论认为金钱是通过资本投资和劳动力获得的，粗略讲来，回报将与投入成正比。数字科技的发展降低了很多行业对劳动力的需求，因而掌握智能机器之人的回报比例在提高。当今经济下，风投公司会向 Instagram 一类的公司投资，Instagram 最终卖出 10 亿美元，而雇员却仅仅 13 人。历史上有什么时候人们能以如此少的劳动力带来如此巨大的价值？劳动力投入如此之小，回流到智能机器拥有者——在此处是风投投资人——手中的财富却如此之巨，这种现象是史无前例的。难怪我在写作上一本书时采访的一位风投资本家不乏担忧地向我承认：“所有人都想要我的工作。”
我们来归纳一下目前所讲的思路：根据我的调研，当下的经济思维认为，史无前例的科技发展和影响力为我们的经济带来了巨大的重组。在这种新经济形势下，有三种人将获得特别的优势：可以利用智能机器把工作做得漂亮并具有创造性的，在所处行业中最优秀的，还有那些拥有资本的。在此要说明一点，布林约尔松、麦卡菲和考恩等经济学家所发现的大重组并非当前唯一重要的经济趋势，也并不是只有上述三个群体能够取得杰出的成就。但是本书的一个重要论点在于，尽管这些确实并非独有，但也是重要的，而这些群体——即便并非唯一的此类群体，也将取得成功。因此，如果你能成为其中任何一个群体的一员，你都会有出众的表现。如果不能，你或许也会有好的表现，但是你的地位会岌岌可危。
我们现在必须面对的问题已经很明晰：如何加入到这些成功者的群体中？冒着打消诸位不断高涨的热情的风险，我还是要先承认，我没有任何秘诀可以帮助你迅速积累财富，成为下一位约翰·杜尔。（如果我有这样的秘诀，也不太可能会在一本书中分享。）然而，进入另外两个赢家群体则是可实现的，这也是我们在下文中要解决的目标。如何在新经济形势下成为赢家
我发现有两类人注定会成功，而且我认为可以推广借鉴：一种是能够利用智能机器进行创造性工作的，一种是自己所在领域的个中翘楚。在数字鸿沟不断扩大的当下，有什么窍门能够为进入此类有利领域提供助力？我认为如下两种核心能力是关键。·迅速掌握复杂工具的能力·在工作质量和速度方面都达到精英层次的能力
我们先来探讨一下第一种能力。开始之前先要提醒一下，像推特和 iPhone 一类用户友好型的傻瓜科技已经把我们惯坏了。然而这些只能算作消费品，根本谈不上真正的工具：引导大重组的智能机器大多数都非常复杂，很难理解和掌握。
回想一下我们在前文中举例靠熟练掌握复杂科技而取得成功时提到的内特·西尔弗。如果我们深入发掘一下他使用的方法，就会发现生成数据驱动的选举结果预测并不像在搜索框中输入“谁将获得更多选票？”那么简单。实际上他汇集了一个大型民调结果数据库（从 250 个民意调查机构处获取的数千项民意调查结果），然后输入到 Stata 软件中（Stata 是一种很流行的数据分析系统，由一家名为 StataCorp 的公司研发）。此类工具并不容易掌握，比如，想要利用类似西尔弗使用的现代数据库工作，你就需要理解下面一类命令：CREATE VIEW cities AS SELECT name, population, altitude FROM capitals UNION SELECT name, population, altitude FROM non_capitals;
此类数据库汇编成一种语言，称作 SQL。你利用如上所列的命令与数据库中储存的信息进行交流。想要操控此类数据库是一项非常精深的工作。比如上面一条命令会创建一种“视图”：一种从现有多种表中选取汇集数据的虚拟数据库表，该表可成为标准表利用 SQL 核心进行基元处理。何时创建视图，如何熟练创建视图是个很微妙的问题，如果想要在现实世界的数据库中梳理出理性的结果，你需要理解和掌握的事情很多，上述便是其中一例。
我们还继续分析内特·西尔弗的例子，思考一下他依赖的另一项科技：Stata。这是一种非常强大的工具，不可能靠着本能随便动动脑就能学会。比如下面一段话描述的是这种软件最新版本的一些新特性：“Stata13 加入了很多新特性，比如处理效果、多层广义线性模型（GLM）、检验效能和样本数、广义结构方程模型（SEM），预测、效应值、项目管理器、长字符串和 BLOBs（二进制大对象）以及其他很多。”西尔弗利用此类复杂的软件（包含广义结构方程模型和 BlOBs）创建复杂的模型，内含各种互相联系的部分：比如自定义参数的多元线性回归，就可以在概率算式中用来做顾客权重参考，等等。③
这些细节旨在强调智能机器的复杂性是难以掌握的。因此，要想较好地运用这些机器，你就要培养出掌握复杂事物的能力。而且由于这些科技变化很快，掌握复杂事物的过程便永远不会结束：你必须能够快速完成，一次又一次。
当然，这种迅速掌握复杂事物的能力并不仅仅是能熟练运用智能机器所必需的；基本上也是想要成为任何领域的超级明星的关键因素，即便是与科技关联性很小的领域。比如，想要成为一名世界级的瑜伽训练师，就要求你掌握愈发复杂的身体技能组合。再举一个例子，想要在某个特定的医学领域取得成功，就要求你能快速掌握相关程序的最新研究成果。用更简洁的语言总结这些观察结果就是：如果你无法学习，就无法成功。
现在思考之前所提的第二项核心能力：达到精英水平。如果你想成为领域中的翘楚，掌握相关技能是必需的，但并不够。之后你必须将潜能转化成人们珍视的实在成果。比如，很多程序员对编程都很在行，但是我此前举例的超级明星大卫·汉森能利用这种能力创造出 Ruby on Rails，正是这个项目为他带来了声誉。Ruby on Rails 要求汉森将他当前的技能推向极限，创造出实在的价值和成果。
这种产出的能力同时也适用于以掌握智能机器为目标的人。对于内特·西尔弗而言，学会如何掌控大型数据组和进行数据分析并不够；他还需要证明自己能够利用这种技能，从这些机器中提取大众关注的信息。西尔弗在棒球资料（Baseball Prospectus）工作期间与很多数据极客共事过，但是只有他努力将这些技能加以调整，用于全新的、更有利可图的选举预测领域。由此我们总结出想要加入当前经济形势下赢家群体的另一项要点：如果你不产出，就不会成功，不管你的技艺多么纯熟，天资多么聪颖。
我们已经列出两种在当今这个由科技分化的新世界里获得成功的能力，现在可以提一个显而易见的后续问题：如何才能培养出这些核心能力？讲到这里，我们便触及了本书的核心主题：上文阐述的两种核心能力依赖于你进行深度工作的能力。如果你没有掌握这项基本能力，想要学习艰涩的知识或达到精英水平就会很挣扎。
这些能力对于深度工作的依赖性并非即时显现的，这要求我们更深入地探究与学习、专注和生产力相关的科学。接下来的章节将做深入探究，使深度工作和经济成功之间的这种联系为你转变——从意料之外到无懈可击。深度工作帮助你迅速掌握困难的事物“让你的头脑成为透镜，汇聚专注之光；让你的灵魂完全投入到头脑中的主导之物上，尽情吸收思想。”
上述建议出自多米尼加（Dominican）修士、伦理哲学教授安东尼-达尔梅斯·塞汀朗吉思（Antonin-Dalmace Sertillanges），他在 20 世纪初期写作了一本很薄却非常有影响力的小册子，名为《知性生活》（The Intellectual Life）。塞汀朗吉思写作这本书，旨在引导那些在思想界求生存的人“培养和深化自己的头脑”。塞汀朗吉思在《知性生活》中充分认识到掌握复杂材料的必要性，帮助读者为这类挑战做好准备。因为这个原因，这本书恰好契合我们的诉求，有助于我们更好地理解人类如何快速掌握复杂（认知性）技能。
为了理解塞汀朗吉思的建议，我们先回顾早先引用的那一段话。在这些文字中（在《知性生活》中有多种形式的回应）塞汀朗吉思称想要提升对自己所在领域的理解，你就必须系统地处理相关主题，做到“汇聚专注之光”，以发现每一处深藏的真理。换言之，他教导读者：学习需要深度专注。这种观念已经使他领先于时代。塞汀朗吉思反思 20 世纪 20 年代的思想生活，发现了关乎如何掌握有认知要求任务的一点事实，而这点事实直到 70 年后才得到学术界的正式定义。
学术界真正将其规范化的过程始于 20 世纪 70 年代，心理学的一个分支——有时被人们称作表现心理学——开始系统地探究哪些因素区分了专家（在很多不同的领域）和其他人。到 90 年代初期，佛罗里达州立大学教授 K.安德斯·艾利克森（K. Anders Ericsson）汇总了所有这些思路，结合了不断累积的研究文献，形成一个清晰的答案，并给出一个很有冲击力的概念：刻意练习（Deliberate Practice）。
艾利克森在该主题上的开创性论文开篇有一个强有力的论断：“我们拒绝接受这些（专家与普通成年人之间的）差异是不可改变的……相反，我们认为专家与普通成年人之间的差异反映的是，为提升某一特定领域的表现穷其一生的刻意努力。”
美国文化尤其钟爱神童一类的故事情节（“你知道这对我来说多么简单吗？！”马特·达蒙在《心灵捕手》中扮演的角色迅速解出困扰世界顶级数学家的问题之后讲出这段广为人知的话）。艾利克森的研④究方向现在已经广为世人接受（有质疑），它动摇了这种神话。掌握有认知性要求的任务需要这种特定形式的训练，只有极少的天才是个例。（在这一点上塞汀朗吉思也同样超越了所处的时代，他在《知性生活》中称：“天才之人之所以伟大，只因决心投入一切，全力于一点。”艾利克森也难有更好的表述。）
此时摆在我们面前的问题，就是刻意练习到底有哪些要求。其核心要素通常如下：（1）你的注意力全情投入到某个你希望提升的技能或想要掌握的理念上；（2）你能得到反馈意见，这样你就可以调整自己的方法，保持注意力的投入有最佳产出。第一个要素对于我们的探讨尤为重要，因其强调了刻意练习不能在有干扰的情况下进行，要求在无干扰状态下保持专注。恰如艾利克森所强调的：“注意力涣散基本上与刻意练习要求的聚精会神是相对立的。”（强调的语气是我加入的）
作为心理学家，艾利克森和其他该领域的研究者对于刻意练习为何有效并不感兴趣，他们仅仅是辨识其为一种有效的行为。然而，在其间的 10 年里，神经科学家一直在探索促使人类在解决难题方面取得进步的科学原理。记者丹尼尔·科伊尔（Daniel Coyle）在他 2009 年出版的《一万小时天才理论》（The Talent Code）一书中调查发现，越来越多的科学家认为刻意练习有效的原因与髓磷脂相关，它是在神经元周围生长的一层脂肪组织，起到绝缘保护的作用，可保持神经元干净和正常运转。要理解髓磷脂在提升能力方面的作用，首先要记住，不管是智力还是体力方面的技能，最终都要追溯到大脑回路上。这种新的性能科学认为，如果相关神经元周围汇集了更多的髓磷脂，相应的大脑回路就能更轻松有效地运转，你在某方面的技能就会更强。想要在某方面有了不起的成就，就需要有更多髓磷脂的协助。
这种理解为刻意练习的有效性提供了神经学基础。专注于某一项特定技能，就会迫使某一特定大脑回路在隔离的区域不断地燃烧。反复利用同一大脑回路，就能促使少突细胞在这个回路的神经元周围包裹髓磷脂，从而有效地固化这种技能。因此，要想高度专注于当前任务，避免干扰非常重要，因为这是充分隔离相关神经回路、促进髓磷脂鞘形成的唯一途径。与之相对，如果你尝试在注意力涣散的情况下（或许脸谱网的推送消息还开着）学习一种复杂的新技能（比如 SQL 数据库管理），就会有太多的回路同时进行，你真正希望强化的神经元群只能得到偶尔的隔离。
距塞汀朗吉思第一次写出“让你的头脑成为透镜，汇聚专注之光”的文字之后，一个世纪过去了，我们已经将这种形而上的比喻发展为一种不那么富有诗意的少突细胞解释，这也引出一个必然的结论：想要迅速掌握困难的事物，你必须高度专注，不能有任何干扰。换言之，学习是一种深度工作行为。如果你很容易做到深度工作，就能轻松掌握愈发复杂的体系和技能，这些体系和技能是我们在经济生活中取得成功所必需的。如果你还是一个难以做到深度工作的人，要面对无处不在的干扰，就不应期待轻易掌握这些体系和技能。深度工作有助于精英级产出的实现
亚当·格兰特（Adam Grant）有着精英级的产出。我在 2013 年遇见格兰特的时候，他是获得宾夕法尼亚大学沃顿商学院最年轻的教授。一年之后，我开始写作本章时（也正在这时开始思考我自己的教职问题），他的头衔又发生了变化——沃顿商学院最年轻的正教授⑤（full professor）。
格兰特之所以能够在学术界迅速崭露头角，原因很简单：他有产出。2012 年，格兰特发表了 7 篇论文，全部发表于重要期刊。在他所属的领域（在这个领域，教授通常独立开展工作或进行小范围职业合作，但是很少有大批量的学生和博士后协助他们完成研究），这是个高到离谱的数量。2013 年，论文数为 5 篇。这个数量也高得离谱，但还是低于他此前的水准。然而，发表论文数量之所以下降也有其原因，因为这一年他出版了一本名为《沃顿商学院最受欢迎的成功课》（Give and Take）的书，将他在商业人际关系方面的研究推向大众。仅仅说这是一本成功的书已经是对其低估了。这本书最后登上《纽约时报》杂志封面，成为超级畅销书。2014 年，格兰特受聘成为正教授时，他已经发表了 60 多篇同行评审论著，外加这一本畅销书。
与格兰特会面后不久，我心里惦记着自己的学术生涯问题，忍不住问他是如何做到如此高产出的。所幸，他很愿意分享在这方面的心得。原来格兰特深入思考了如何实现精英级产出的机理。他给我发了一系列幻灯片，是他与同领域数位专家参加研讨会时使用的。研讨会聚焦于如何使学术工作达到最佳状态的数据导向观察。这些幻灯片中有详细的每季时间分配饼形图，与共同作者关系发展的流程图，还有一个推荐阅读书单，上面有 20 多本推荐阅读书籍。这些商学教授没有墨守成规地会将书本知识照章全收，而是偶尔冒出一个了不起的主意。他们将产出看作一种科学问题，需要系统化解决，而亚当·格兰特似乎已经达成了这个目标。
尽管格兰特的产出得益于多方面因素，但是有一种理念似乎在他的方法中占据了核心地位：在长时间无干扰的状态下，批量解决困难却重要的智力工作。格兰特在多层面展开这种批量工作模式。在一年的时间里，他将教学工作集中到秋季学期，期间可以将全部精力投入到好好教学上，保证学生能够找到他。（这种方法看起来是有效的，因为格兰特现在被沃顿商学院评为表现最优的教师，荣获多项教学奖励。）将教学工作集中在秋季之后，格兰特就可以在春夏两季将全部精力投入到研究工作中，处理工作的过程中少了很多干扰。
格兰特还经常在较短的时间段内批量分配精力。在专注于研究工作的学期内，他会在两种状态下转换，有些阶段会向学生和同事敞开大门，有些阶段则会与世隔绝，全情专注于某一项研究任务，不受任何干扰。（他通常将学术论文的写作分为三个独立的阶段：分析数据，写成完整的草稿，编辑草稿形成可出版的文章。）在这段可能持续三四天的时间里，他经常为电子邮箱设定不在办公室的自动回复，这样来信人就知道不会得到回应。“有时这种做法会令我的同事感到困惑。他们说：‘你没有离开办公室啊，我现在就看着你在办公室里！’”但是对于格兰特而言，完成手头的任务之前做到彻底与世隔绝是非常重要的。
我猜亚当·格兰特的工作时间比一般精英研究所里的教授（这些人通常都是工作狂）要少很多，但是他的产出还是比领域内几乎所有人都高。我认为他批量处理工作的方式有助于解释这种矛盾现象。尤其有效的是他将工作合并为密集而无干扰的脉冲，充分利用了下述生产力规律：高质量工作产出=时间×专注度
试读结束[说明：试读内容隐藏了图片]