一只阿木木

深度工作 × 卡片笔记法:当两本书打架,你该听谁的

深度工作 × 卡片笔记法:两本好书让我做了完全相反的事

一只阿木木 · AI 深读工程师

· 当两本书打架,你该听谁的?

一、我被两本书同时"坑了"

去年年底,我同时读了两本关于"知识工作效率"的书:

  • 《深度工作》(Deep Work),Cal Newport
  • 《卡片笔记写作法》(How to Take Smart Notes),Sönke Ahrens

读完之后,我非常兴奋,觉得找到了"高质量知识工作"的完整方案。

然后我开始执行。

第一周,我照《深度工作》的方法,
给自己设了每天晚上 8 点到 11 点的"深度工作块",
专注写文章,手机放另一个房间,关掉一切通知。

但每次坐下来准备"深度工作",我发现:

我没什么可写的。

不是没想法,是那些零散的想法还是碎片,没有连成可以动笔的东西。

于是第二周,我换了一个策略。

照《卡片笔记写作法》的方法,
白天随时记录 fleeting notes,
晚上处理成 permanent notes,
期待它们"自然生长"成文章。

但是,我的深度工作块被严重碎片化了。

每次记录一条想法,就会打断我的连续思维。
每次处理笔记,都要"切换模式"。
三周过去,我的笔记库里有 60 条新笔记,
但一篇文章都没有写出来。

我意识到:

这两本书,在某些地方,让我做了完全相反的事。

于是我决定做一次交叉编译,让 AI 来帮我把这个矛盾说清楚。

二、两本书的骨架,先说清楚

《深度工作》的核心

Cal Newport 的核心主张:

深度工作 = 在没有干扰的状态下进行高认知负荷的工作。 这是在认知经济时代最有价值的能力,也正在变得越来越稀缺。

他的公式:

text

高质量产出 = 投入时间 × 专注强度

关键推论:

  • 碎片化时间 = 低专注强度 = 低质量产出
  • 浅层工作(邮件、会议、刷手机)是深度工作的天敌
  • 你必须主动保护深度工作时间,它不会自动发生

实践方法:

  • 时间块(Time Blocking):给深度工作划定固定时间段
  • 意图隔离:只做一件事,物理隔绝干扰
  • 终止仪式:明确宣布工作结束,大脑才能真正放松
  • 拥抱无聊:不要用手机填满碎片时间,保留大脑的"空转"能力

《卡片笔记写作法》的核心

Sönke Ahrens 基于卢曼的核心主张:

写作不是读书之后做的事,写作是读书过程中持续发生的事。 好文章是从大量连接的笔记中"生长"出来的,而不是凭空"创造"的。

他的流程:

text

随时捕捉 → 随时记录 → 建立连接 → 主题涌现 → 整理输出

关键推论:

  • 捕捉想法不能等"专门的时间",随时随地要记
  • 笔记之间的连接比笔记本身更重要
  • 你不是在"写文章",你是在"整理已有的笔记网络"
  • 对大脑来说,碎片化捕捉是在"减轻认知负担",不是在制造干扰

实践方法:

  • Fleeting Notes:随时记录,不要求质量
  • Permanent Notes:用自己的话深加工,原子化
  • 每天处理笔记:保持笔记的流动,不积压
  • 跟随兴趣:不要预设写作方向,让密度自然涌现

三、两本书的正面冲突:4 个"针锋相对"的场景

把两本书的 Skill 都加载进来之后,我让 AI 做了"冲突扫描"。

结果出来了。

共发现 4 个有实质冲突的地方。

冲突 1:碎片时间——消灭它 vs 利用它

这是最大的冲突。

Newport 的立场(深度工作):

碎片时间是认知的毒药。 你拿出手机看一眼通知,就已经让你的专注力受损了。 要减少碎片化刺激,连无聊的碎片时间也要保护,而不是用手机填满它。

卢曼的立场(卡片笔记):

碎片时间是捕捉 fleeting notes 的黄金窗口。 你在通勤路上、等电梯时、洗澡时,往往灵感最多。 如果你不马上记下来,这些想法就消失了。 随时记录不是干扰,而是"外化认知负担"。

text

DeepWork: /deepwork protect-fragmented-time
→ "碎片时间不应该用来输入,而应该保持空白,让大脑恢复"

Zettelkasten: /zettel capture [随时出现的想法]
→ "碎片时间就是捕捉 fleeting notes 的最佳时机"

两个 Skill 直接打架。

冲突 2:专注目标——聚焦产出 vs 跟随连接

Newport:

深度工作必须有明确的目标。 开始工作前,你要清楚:"这个时间块结束时,我要完成什么?" 没有明确产出目标的"专注",只是在浪费时间。

卢曼/Ahrens:

好的知识工作是"无计划的发现"(serendipity)。 不要预设"我要写什么",要跟着笔记之间自然出现的连接走。 预设目标会让你的思维过早收窄,错过最有价值的意外洞察。

text

Newport: 今晚目标 = 完成编译实录 #03 的前 2000 字
卢曼:    今晚目标 = 看看最近的笔记之间有什么意外连接,也许会长出什么

一个像有规划的施工图,一个像随机漫步的地图。

冲突 3:产出节奏——计划驱动 vs 密度驱动

Newport:

产出由时间和专注强度决定。 你每周有多少深度工作小时,决定了你的产出上限。

Ahrens:

产出由笔记密度决定。 你在某个话题上的笔记连接越多,写作就越容易,和"当时花了多少时间"关系不大。

text

DeepWork: 想提高产出 → 增加深度工作时间
Zettelkasten: 想提高产出 → 积累更多高质量的永久笔记连接

这两个方案,在短期内可能是互相挤占的:

  • 增加深度工作时间,就会减少碎片笔记时间
  • 花更多时间积累笔记,就会推迟"产出"时间

冲突 4:大脑空转——必要的休息 vs 浪费的空白

Newport:

你需要给大脑足够的"不工作时间"。 下班就彻底断开,不要在晚上回复工作消息。 大脑的潜意识处理能力,只有在休息时才能发挥。

卢曼:

随时和卡片盒"保持对话"。 在脑子空的时候,翻翻笔记,让想法随机碰撞。 这不是"工作",是知识系统的"后台进程"。

一个说:大脑要彻底休息。
一个说:大脑要保持低强度的知识激活。

四、AI 是怎么解决这个冲突的?

我把这 4 个冲突都扔给 Claudian,让它做"冲突仲裁"。

AI 给出的核心判断,让我想了很久:

这两本书的冲突,不是"谁对谁错",而是"它们在回答不同层次的问题"。

具体来说:

text

Newport 回答的问题:
"在单位时间内,如何最大化产出质量?"
→ 他的系统是「执行效率优化器」

卢曼/Ahrens 回答的问题:
"如何建立一个能持续生产洞察的知识系统?"
→ 他的系统是「知识积累复利引擎」

这两个问题,时间维度不同:

  • Newport 优化的是当次产出:这个时间块里,我能产出什么?
  • 卢曼优化的是长期积累:3 年后,我能轻松产出什么?

用工程师的眼光看:

text

Newport: 优化运行时性能(当前 CPU 利用率最大化)
卢曼:    优化系统架构(构建一个会越来越快的知识索引)

这两件事,都对。
但在不同的阶段,优先级不同。

五、冲突的解法:不是选一个,而是"串联两个"

经过交叉编译,我整理出了 3 条可以立刻执行的解法。

解法 1:用"时间粒度"区分两套系统的管辖范围

这是最关键的洞察:

text

时间粒度:<15 分钟
→ 归卢曼管
→ 随时捕捉 fleeting notes,随时记录碎片想法
→ 不要求深度,只要求"不丢失"

时间粒度:>90 分钟
→ 归 Newport 管
→ 启动深度工作块,专注单一产出目标
→ 关闭所有输入,只有输出

时间粒度:30-90 分钟
→ 处理区(两套系统的缓冲带)
→ 适合:整理笔记、建立连接、生成大纲
→ 不是最纯粹的"深度工作",也不是随机捕捉

这一下,两套系统就不打架了。

它们分属于不同的"时间层",
就像操作系统里的不同调度优先级,
各自管自己的队列,互不干扰。

解法 2:建立"笔记 → 深度工作"的手续交接

这个解法解决了我最大的痛点:

每次开始深度工作,我都不知道从哪里开始。

原因是:

我的笔记积累和深度工作之间,没有手续交接。

解法是:

text

深度工作开始前 5 分钟:做"入场准备"

1. /zettel develop [今天要写的主题]
   → 扫描笔记库,看这个话题有多少素材
   → 密度够了 → 可以开始写
   → 密度不够 → 改变今天的任务(继续积累,而非强行输出)

2. /pyramid structure [今天的文章大纲]
   → 用金字塔原理把笔记素材组织成结构
   → 输出:一个可以直接开写的框架

3. Newport 的深度工作正式启动
   → 有了大纲,才启动专注模式
   → 不是"专注想写什么",而是"专注把想好的写出来"

用工程师的话说:

卢曼系统负责预处理,Newport 系统负责执行。

这就像数据处理流水线里的 ETL:

  • 卢曼 = Extract + Transform(随时提取,随时加工)
  • Newport = Load(集中高效地写入产出)

两者不是竞争关系,是上下游关系。

解法 3:用"两种专注模式"取代"一刀切的时间块"

Newport 的深度工作讲的是一种专注模式。
但他其实提到过两种不同的专注模式,很多人没有注意到:

text

模式 A:「工作记忆密集型」深度工作
适合:需要持续推理、创造、写作的任务
特征:必须长时间连续,一旦中断恢复成本很高
例子:写文章、写代码、做设计方案

模式 B:「低认知负荷型」专注工作
适合:处理笔记、整理连接、阅读精读
特征:需要"专注但不紧绷"的状态
例子:处理 permanent notes、建立笔记链接、整理大纲

我以前把两种模式混为一谈,
觉得"做笔记"也要进入"深度工作块"的状态,
结果搞得自己很累,做笔记也做不好,深度工作也进不去。

正确的做法是:

  • 为模式 A 保护 2-3 小时的深度工作块
  • 为模式 B 划定专门的 30-45 分钟"笔记处理时间"

两种模式,各自需要的认知资源不同,
合理分配之后,互不挤占。

六、我的"混合编译模式":一周的实际安排

综合上面三个解法,我设计了一套"混合编译模式"。

实际跑了 4 周,以下是我真实的时间分配:

text

每天日常:
07:00 - 08:00 → 晨读 + fleeting notes
              (卢曼模式:捕捉昨晚睡觉时的想法、读书时的灵感)

12:00 - 12:30 → 午间笔记处理
              (模式 B 专注:处理上午积累的 fleeting notes)

19:00 - 22:00 → 深度工作块(3 小时)
              (Newport 模式:专注单一产出目标,关闭所有干扰)

22:00 - 22:20 → 笔记总结
              (处理深度工作中产生的新想法,转化为 permanent notes)

每周专项:
周六上午 → 知识图谱整理
           (查看 Claude-Obsidian 的自动关联,建立跨书连接)
           (/zettel audit 审计笔记库健康度)

周日晚上 → 下周深度工作规划
           (/zettel develop 评估哪些话题密度够了,可以写文章)
           (确定下周深度工作的具体产出目标)

运行 4 周的结果:

text

对比指标:

写作产出:
混合前:平均每 14 天完成 1 篇文章
混合后:平均每 9 天完成 1 篇文章
提升:35%

笔记质量:
混合前:大量 fleeting notes 积压,处理率 < 30%
混合后:每天处理,积压几乎为零,处理率 > 90%

深度工作中断次数:
混合前:平均每次 4.2 次中断(包括"我想记一下这个"的主动中断)
混合后:平均每次 0.8 次(因为该记的已经记了,深度工作里不再分心)

最大的变化:
我再也不用在深度工作块里"想从哪里开始写"了。
因为入场准备的 5 分钟,已经完成了从"笔记 → 大纲"的转换。
深度工作块里,只有一件事:把已经想好的东西写出来。

七、最终,冲突被解决了吗?

没有被"消灭",但被"安置"了。

更准确的说法是:

这两本书的冲突,本来就不应该被消灭。

它们的存在,恰恰说明这两本书在正确地描述现实: 知识工作确实需要"深度专注"和"持续积累"这两种不同的模式。

如果一本书告诉你"只需要深度工作就够了",它说谎了。
如果一本书告诉你"只需要积累笔记就够了",它也说谎了。

真实的知识工作,是这两种模式的动态切换。

而交叉编译给我的最大价值,不是找到一个"谁更正确"的答案,而是:

找到一个两者都能在其中好好工作的系统设计。

这就是冲突型交叉编译真正的价值。

八、两个命令组合,供你直接用

这次交叉编译最终沉淀为两个组合命令:

组合命令 1:/deep-zettel switch

作用: 判断当前状态应该进入哪种模式

text

/deep-zettel switch [描述你当前的时间和状态]

分析逻辑:
- 你有多少连续时间?
- 你的笔记库对即将要写的话题密度够吗?
- 你现在的认知状态是"充沛"还是"疲惫"?

输出:
- 应该进入卢曼模式(积累)、过渡模式(整理)还是深度工作模式(产出)
- 具体的入场步骤

组合命令 2:/deep-zettel prepare

作用: 深度工作开始前的"预处理检查"

text

/deep-zettel prepare [今天要写的主题]

步骤:
1. /zettel develop [主题] → 检查笔记密度是否够
2. /zettel audit → 快速审查相关笔记的连接质量
3. /pyramid structure → 生成今天的写作大纲
4. Newport 深度工作启动 → 按大纲执行,不再做任何笔记相关操作

九、给你的一句话总结

如果你也在同时读这两本书,感觉矛盾,我想告诉你:

它们的矛盾是真实的,不是你理解错了。

但这个矛盾不需要你"选一本听话"。

你需要的是:
给它们各自划定地盘,然后让两套系统互相喂养。

卢曼系统喂给 Newport 系统"素材",
Newport 系统喂给卢曼系统"需要深加工的新想法",
这个循环跑起来了,你的知识工作才真正进入了复利轨道。

我是【一只阿木木】,AI 知识系统架构师,坐标杭州。

扫码加入行动营👇获取更多Obsidian + AI数字大脑实践

Image

关注【一只阿木木】。

我相信:在 AI 时代,每个普通人都该拥有一个自动生长的知识系统

去做,才是真的学。🌊