你到底在优化什么
多数人不缺努力，缺的是搞清楚自己到底在优化什么。
执行力很强但原地踏步
有些人执行力很强但还是原地踏步，有些人看着慢，时间一长反而走得远。光看执行质量解释不了这种差距。
常见的归因都站不住。不是方法问题：努力的人往往技巧更好。不是投入问题：他们花的时间更多。不是资源问题：他们手里的牌可能更好。
方向错了，执行力越强偏得越远。
生活中多数让人卡住的问题，不是执行问题，是目标函数的问题。
用优化的视角看决策
把生活看成一个优化系统，不是因为这是唯一正确的视角，是因为它能让决策方向变得明确、可讨论。
不管你有没有写下来，有没有意识到，你的每个决策都在优化某样东西。
最简单的版本是单变量：最大化薪水、最大化 GPA、最大化面试通过率。简单，可测量，短视。
现实复杂得多：职业决策要平衡薪水、成长空间、地点、工作强度、签证、风险。语言学习要权衡实用性、兴趣、职业价值、成本。权衡无处不在，多数人靠直觉在处理，从没明确写出过自己的函数。
真正成熟的决策者用的是条件函数：
1 | def f(context): |
他们没有一个固定不变的目标函数，有的是随状态切换的判断逻辑。
多数人优化的是继承来的默认值
多数人从没主动选过自己在优化什么，用的都是继承来的默认值。
学生阶段优化考试成绩，工作阶段优化头衔，焦虑阶段优化安全感。这些不是你设计的函数，是文化、父母、社会期望塞给你的默认值。
这些默认函数有共同特征：不稳定、不一致、不产生复利。你在它们之间来回切换，同时以为自己在做长期规划。
我自己回头看也是这样。前几年在优化简历好看，后来才意识到简历好看和真正的能力积累是两回事。
关键的第一步不是写出完美的函数，是把你正在优化的东西摆到台面上来。
四个诊断信号
以下信号不预测未来，它们是运行时日志。出现的时候，系统通常已经偏了一段时间。
轨迹断裂。 每个阶段都很努力，但轨迹连不上。三年做一件事，切到完全不相关的方向，再切一次。你以为在积累，其实在换游戏。
努力不产生复利。 持续投入，但成果孤立。每个成就跟前一个没有关系，没有在已有基础上叠加。局部很用力，全局没进展。
选项越来越窄。 目标在实现，但路越走越窄。在一条狭窄的路上越来越深入，但那条路的外部价值在下降。在一个正在失去相关性的领域里深耕。
这些信号不区分原因：函数一开始就错了、函数过期了（曾经对但环境变了）、还是多个函数在打架。它们只是告诉你，有什么东西没对齐。
方法跟着函数走
方法很少自己出问题。多数时候，方法失效是因为它服务的那个函数已经不在了。
目标函数一变，之前的方法自动失去意义。不是方法错了，是它在为一个已经不存在的目标优化。
多数人没意识到这一点。函数已经变了，方法还在原地。方法不会自动更新，但目标函数往往已经悄悄变了。
学习的例子：函数是"通过考试"，最优策略是刷题。函数变成"长期理解"，刷题的权重就该降了，系统性学习的权重该升。方法没变错，是函数变了。
投资的例子：函数是"短期回报"，频繁交易是合理的。函数变成"30 年生存加复利"，策略就该转向指数基金、分散化、风险控制。大多数交易技巧变得无关紧要。
职业的例子：函数是"最大化头衔"，走路径 A。函数变成"可转移技能加全球机会"，路径完全不同。
真正的洞察不是"方法会随函数失效"（这是定义），是人们没意识到函数已经变了，还在用旧函数下的方法往前冲。
方法失效不是失败，是重写成本。当你重写函数，就得接受之前的大部分优化变成次优。这是进化的代价。
什么时候该重写函数
目标函数需要长期稳定，但在被证伪时必须能重写。不是频繁变化，不是持续自我否定，是基于证据的重写。
三种触发条件。
轨迹长期不连续。 每隔几年换一个方向，以为在积累，但轨迹连不上。说明函数跟你真正的长期目标没对齐。
局部最优但无法放大。 在自己的领域越来越强，但外部价值在下降。局部优化到了顶，全局走不出去。函数太窄，或者领域本身在失去相关性。
突然暴露出风险。 函数里没包含风险维度，系统快要崩了。函数不完整。
有些函数不是错的，是过期了。过去的环境下它是对的，但没跟着环境更新。"我曾经靠这个成功"不等于函数现在还对。
重写有成本，之前的方法大部分变成次优。这是必要的代价。
把你的函数写出来
这不是一套完整方法，只是一个起点：让你的函数可见一次。
把你当前在优化的东西写下来。然后检查三件事：
五年后这个函数还重要吗？它包含风险管理吗？产出的结果能互相叠加吗？
写出函数不是目的，让它可见才是。多数人优化的是继承来的默认值，这个练习把它从隐式变成可见。不完美，但可见。
执行问题和函数问题要分开
执行不够导致结果差，那是执行问题。执行越好反而离长期目标越远，那是函数问题。两者的解法完全不同：执行问题需要纪律和系统，函数问题需要重写。
跟踪结果不等于优化函数。很多人一直在量指标，但从没审视过指标背后的函数。
这里说的"错误"不是道德判断，只是指当前函数产生不了你预期的长期轨迹：跟你自己说的目标不对齐。
如果函数跟身份绑定了，重写成本会高很多。这个话题更复杂，这篇不展开。
最后一句
你不会上升到努力水平，你会沿着目标函数的梯度移动。
多数人从没主动选过自己在优化什么，用的都是继承来的默认值，然后花几年甚至十几年去优化它。