五一在家的你，请收下这份高效能笔记法

财经

2024-05-03 00:05

又是一年五一假期。

今年的你，有什么安排呢？是选择去偶像的演唱会，还是准备去心仪的国家、地区畅玩，或是选择在家好好休息一番？

如果选择在家，那么，休息之余，也不妨稍微充充电、解决一些平常没时间处理的问题。比如，下面这些：

花了不少时间读书，但边读边忘，最后连重点内容都概括不出来；开会抓不住重点，理不清思路，做不好跟进；计划安排不合理，分不清轻重缓急；时间应用效率不高，复盘无序难有效……

记不住、搞不懂、用不上、做不好。做事总是事倍功半，真的好痛苦。

总之，效能很低。

那么，究竟怎么样才能摆脱上面的困境、提高自己在工作、学习中的效能？

学会对知识和信息进行筛选、整理、提炼、结构化，是一个不错的办法。

刚好，不久之前，刘润读书会的直播间，邀请到了笔记专家、新商业知识服务平台“笔记侠”创始人、第五代企业家倡导者、畅销书《高效能笔记法》的作者，柯洲老师。

对于如何运用笔记的形式，提高学习、工作中的效能，柯洲老师有不少思考和实践。他说：

通过高效能笔记法，人人都可以成为高效能的知识工作者。

高效能笔记，是什么？真的有用吗？

我把他在书中的思考，分享给你，希望能给你一点启发。

对信息、知识进行分级处理

在上学的时候，我们应该都见过这样的同学：

老师在讲台上讲得唾沫横飞，他却只顾蒙头抄老师的板书。每次去看他的笔记，会发现写的整整齐齐，老师说的每句话，基本都在上面。

但是，如果你问他们，这节课的重点是哪些、和之前的知识点有什么关联时，很多人却往往说不出个所以然。

由此，出现了一个怪现象：不少笔记记得极度认真，几乎把老师板书上的每一个字都记下来的同学，成绩却往往只是班级的中等水平。

相反，如果你去看成绩排名前列的学霸，会发现，他们的笔记，内容可能并不多。

但是，如果你向这些“学霸”请教，会发现，从这不多的内容中，他们几乎可以还原出老师所讲的重点。

至于原因，别看笔记字少，但是详略得当，结构分明。

在工作之后，类似的情况依然屡见不鲜。

有的同事，做会议纪要时，总是费时费力。因为他会把会议内容无巨细全记了下来，可结果，却被领导批评：怎么老是胡子眉毛一把抓，我都看不到重点。

还有的同事，最终的会议纪要只有几百字，好像很轻松。可结果呢，自己省事不说，还被领导夸赞：纪要挺简洁的，看着很舒服。

难道说，那些费心费力把会议一字不差记录下来的人，做的还错了？

这份认真的态度，当然没错。但是，他们的“努力”，没用在正确的地方：清晰地说明会议的主要内容。

那些被领导夸赞的同事，看似轻轻松松。其实，他把时间都花在了对会议内容的筛选、总结上了，方便让人一下子就看到会议的重点——时间、地点、参会人的关键发言。

其实，这不单纯是笔记方式的差异，更是做笔记时，底层思维的差异：概念思维。

概念思维，就是能够识别出那些表面上没有明显关联的事物之间，其内部联系和本质特征的能力。

听着有点绕口。举个例子，大家就能明白了。

家里有娃、需要辅导功课的父母，应该对这句话都不陌生：

不辅导母慈子孝，一辅导鸡飞狗跳。

为什么？

因为，对一些大人们早已习以为常的高级概念思维，小朋友并不具备理解能力。

就拿数学来说。当小朋友刚接触加减法时，他们普遍很难直接去理解这种抽象的概念。

但是，他们却天生会做一件事：类比。

很多老师都会利用小孩子的这一个特质，在教授加减法时，往往会拿出一些教具，比如水果、玩具、小木棍，等等。通过这些具象的事物，帮助小朋友来建立对加减法的认识。

但这个时候，往往会出现一些令家长“气晕”过去的事情。

比如，老师上课举了一个“5个香蕉+5个香蕉=10个香蕉”的例子。但是，同样的数字，如果只是把香蕉换成苹果，有的小朋友就反应不过来了。

说到底，这个阶段的小朋友，还是在把加减法依托在一个具象的事物上面，靠着一种感性认识来进行学习。

这个阶段获得的知识，就是1级的概念思维，叫做经验知识。

之后，经过一段时间的学习，绝大多数小朋友都能摆脱掉对这些具体教具的依赖。无论是苹果、香蕉、橘子，都不会影响他计算各种简单的加减法了。

到了这个阶段，他们已经开始超越了感性经验的部分，开始掌握了一些更基本的方法论，获得了2级的概念思维，也就是理性知识。

当读到更高年级，他们也会掌握更多的理性知识，比如加减法交换律、10进位，等等。

然而，这些理性知识，不代表它是最底层的规律。

就拿几何学来说，早在几千年前，人类就能利用几何学的理性知识，进行各种工程建设，比如建造了埃及大金字塔。但是，直到欧几里得的出现，才提出了几何学的5大公设，把理性知识进行了抽象总结。

这种抽象后所得出来的“放之四海皆准”的规律、公理、定律，就是3级的概念思维，也叫做绝对知识。

经验知识——理性知识——绝对知识，从具体到普遍，从经验到规律，共同组成了概念思维。这种层级化的思考方式，能让人清楚get到，要表达的内容是什么、是哪个层次的内容。

而那些会做笔记的人，就是把概念思维的不同层级焊死在了大脑里。对于接收到的信息、知识，他们会有意识的进行分级处理，凸显出不同内容之间的逻辑关系，避免出现“东一榔头、西一棒槌”的情况。

那么，这种能力，能训练吗？

当然可以。

针对这个不少人都会遇到的难题，柯洲老师总结出了一个被他反复验证过的高效能笔记模型：

“道法术”模型。

“道法术”模型，让你的工作事半功倍

不要被这个名字唬住。

还记不记得，你在中学时学古诗词的时候，老师经常会让你概括一个东西：中心思想。

接下来，你还要向老师说明，你是怎么概括出来这个中心思想的？你的依据是什么？

当你回答这些问题的时候，你已经在不经意中，完成了一次“道法术”模型的搭建。

我们日常获取信息和知识的载体，无论是一篇文章、一本书、一次沟通、一堂课，还是一次会议，都会有一个中心思想。这个中心思想，就是“道”。

有了核心思想，就要找各种论点、分论点，对它进行支持、论证。它们，就是“法”。

每个方法论下面，往往还会有详细的案例作为论据。这些论据，就是“术”。

假设，你要给一个从不知道“地球是圆的”这个科学真理的人，普及这个理论。那么，你会怎么做？

最简单的方法，就是扔给他几个具体的例子，比如：

在地球上，人无论往哪个方向走，最终都能回到起点。这不就说明地球是圆的吗？
麦哲伦绕地球航行了一圈，最后回到了起点。如果地球是平的，他们可能就会掉下去，或者永远也回不来。但他们确实回来了，这是不是意味着地球是圆圆的？
最后，我们还有那些从太空中拍摄的地球照片和影像。从上面我们能直观看到，地球是圆的。

这几个例子都很有道理。但是，它们都是散的。说不定过了两天，对方就全忘了。

或许，我们可以按照“道法术”模型的框架，对答案进行一下优化：

首先，你可以提出表达的中心思想（道）：在古代，人类对地球形状有着各种想象，比如“天圆地方”、“地球是平的”。但在今天，几乎所有人对地球形状的讨论已经达成了共识：地球是圆的。

凭什么这么说？

之后，你可以按照一定的论点（法），给出你的论据（术）：

日常经验（法）：环球航行，证明了地球是一个连续的表面，船只可以绕地球一周并返回起点，这只有在地球是圆形的情况下才可能实现（术）。
天文观测（法）：在日食和月食期间，地球、月球和太阳之间的相对位置关系，以及阴影的形状和运动，都与地球的圆形有关（术）。
地球引力（法）：地球的引力场和地壳的厚度分布，都表明地球是一个椭球体（术）。
卫星图像（法）：从太空中拍摄的地球图像清晰地显示了地球的圆形轮廓（术）。

这就是一种按照“道法术”模型分层展开的论述方式。逻辑清楚，对方一定会印象深刻。

其实，这种思维方式，在许多要求严谨的工作中，是普遍存在的。比如，医生在给病人诊断、开药时，往往就会按照这个逻辑表达：

根据检查结果，你有xx症状，它是由xx引起的……——道
根据上述判断，你得的应该是xx病，你应该采取什么疗法。——法
我建议你如果采用某个疗法，应该服用xx药物，因为……——术

这么向患者说明，医生不会出现遗漏，患者也能很清楚知道自己的问题在哪。

上面列的这些，其实都只是非常小的例子。但是，为什么这么表达，效果会更好？

这和人类大脑的思考逻辑有关。人类思考的时候，倾向于对所获取的信息进行自动关联分类，而很容易忽略没有逻辑关联的信息。

那么，通过加强不同层级之间的逻辑关联，就能让包括写作、沟通、表达、演讲、知识管理在内的各种知识型工作，变得事半功倍。

让AI，更好地协助你的工作

而且，对于知识型工作来说，因为AI的出现，掌握“道法术”这种结构分明的表达逻辑，未来也开始变得更加重要了。

为什么这么说？

因为，相比于人脑对于复杂信息源的判定和筛选能力，AI更适合处理高度结构化的信息。对于不够清晰、比较混沌的信息输入，AI的容错度，要比人脑低很多。

比如，你和朋友之间，大概率发生过类似的聊天：

朋友：我前两天去电影院看了一个电影，那个男主角是个科学家，反派是个超级怪兽，最后他们打起来了，场面特别精彩。推荐你也去看看。
你：啊？你说的是哪部电影，我怎么听得糊里糊涂？
朋友：就是那个啊，那个男主角，之前好像还离过两次婚，当时还挺轰动的，你忘了？
你（恍然大悟）：哦，是他呀。我知道你说的电影了，前两天我还刷到过它的预告片呢。我周末去看看。

你想想看，这种充满了“哑谜”的对话，是不是在我们的生活中普遍存在？

原因不难理解，因为你和你的朋友、同事、家人之间，很多时候都处在一种相对比较类似的信息环境中。很多时候，一些“隐性信息”会有一种“心有灵犀”的传递。所以，对话的时候，即使有些表达比较模糊，但多说两句，也能猜个七七八八，并不太影响相互之间的交流。

可是，你能想象，你和AI之间发生类似的对话吗？

我是无法想象。

目前AI的训练机制，决定了它只能被输入结构化较强的信息，输入的信息越具体、越有逻辑性，结果就越好。