先校准,再加速:新岗位上的「行动偏好」该怎么用

查看原文 HN 讨论

文章摘要

作者 Joshua Tucker(HN 用户名 tuckerwales)刚从数字银行 Monzo 跳槽到 Engine by Starling,熟悉的焦虑感又回来了:进入新公司时,人几乎本能地想立刻证明自己值这个价,想马上卷起袖子把看不顺眼的东西全修一遍。这篇短文正是针对这种冲动写的。

他的核心论点是:「行动偏好」(bias toward action)只有在用对场合时才是超能力,脱离语境的行动只是噪音。他打了个贯穿全文的比方——在没看图纸之前就抡大锤,你很可能砸掉的是一堵承重墙(load-bearing wall)。所以问题不是要不要快,而是怎么把「行动偏好」重新定义成「打好语境地基之后再果断出手」,而不是「一上来就冲」。

他把新人的头几个月拆成三个阶段:

第一阶段:采集期。 倾听本身就是一种行动,前提是刻意为之——”在被动中保持主动”。具体做三件事:绘制地形图(识别关键干系人,先观察团队动力学再谈改动);追问「为什么」,也就是切斯特顿栅栏原则(Chesterton’s Fence)——在你搞清楚一道栅栏当初为什么被立起来之前,不要拆它,也不要批评那套遗留流程;以及收集数据——读历史文档、跟着同事影随作业、做纯粹以「发现」为目的的一对一。

第二阶段:综合期。 这是从收集信息到采取行动之间的桥梁,需要专门留出时间做分析性思考。连点成线:找出那些由业务不同角落的干系人各自独立提到的、反复出现的痛点。给机会分类:把低垂果实(快速、低风险的胜利)和需要长期战略的复杂系统性问题分开。

第三阶段:战略性加速。 现在可以放开手脚了。从小处着手且公开:先做一个能直接让别人工作更轻松的快速胜利,这能立刻积累政治资本。分享你的假设:在启动大项目前,写一页纸说明你打算做什么,拿出去征求反馈。换挡:把工作配比从「90% 倾听 + 10% 行动」逐步过渡到「20% 倾听 + 80% 行动」。

结尾他强调,这一切不是让你慢,而是确保当你真的出手时,推的是真正需要被推的那个东西。下次你身处新环境、忍不住想第一天就修好所有东西时:先喘口气,放下大锤,拿起图纸。真正的活儿等你准备好了还在那儿。

HN 评论精华

有意思的是,这篇 188 分的帖子下面 80 条评论里,讨论明显分裂成了两条完全独立的线:一条认真讨论新人策略,另一条从头到尾在吵这篇文章是不是 AI 写的。

关于文章本身的经验之谈:

关于「这是不是 AI 写的」的那半场架:

jgable 本来只是随口感慨很久没见到有人这么自然地用 “load-bearing” 这个词了,sillysaurusx 立刻回:自然吗?我一看就怀疑是 AI,因为现在每个人类都在躲这个词,生怕被当成 AI。simianwords 和 arnorhs 分别贴出 Pangram 和 GPTZero 的检测结果说 100% AI 生成。arnorhs 还猜是 Gemini,因为「写起来完全是 Gemini 的味道」,但他补充说自己仍然喜欢这篇文章、也认同其观点。

配图成了众矢之的。travisd 说那些 AI 生成的图是典型的 slop,扎眼到干扰阅读。jihadjihad 的吐槽最好笑:那张标着「LOAD-BEARING WALL!!!」的建筑图纸上有 “Dining Broom”、”Witchen” 这类不知所云的标签,他非常遗憾图里居然没有冒泡的大锅和尖顶帽。Anamon 指出切斯特顿栅栏那张图的说明写着栅栏已被移除,但图里的栅栏比第一格还宽——「都没人花一秒钟看一眼就直接从 slop 机器里发出来了」。作者 tuckerwales 亲自下场自嘲:「我手画的图会糟糕得多。」

争论的核心发生在 massysett 和 scared_together 之间。massysett 认为指认「这是 AI 写的」没什么意思:AI 是工具,只在被要求时输出东西,而提问是需要技巧的。说「这是 AI 生成的」就像指着家具说「这是用电动工具做的」,或者指着程序说「这不是汇编写的,用了带 GC 的现代语言」。给我一整间电动工具房我也做不出家具,给我 Python 和一堆库我也写不出 Mercurial,给我任何 LLM 我也写不出这篇文章。scared_together 逐条反驳:在写博客而非编程的场景里,所谓「技巧」到底是什么?让 LLM 生成 100 篇关于入职不同方面的文章,你只需要付 token 钱。如果 HN 首页被 AI 生成的文章占满,这个站点的价值主张本身就被稀释了。

作者随后现身澄清:tuckerwales 说他是把文章口述进手机,再用模型转写并润色措辞,他认为这算是把 AI 当成传达自己原创想法的工具。scared_together 的回应意外地建设性:问题不在你个人,而在于「沟通应该被清理得专业」这个期待本身已经过时了——2010 年代之前,消除错别字、修正措辞、排版加配图都是「花了额外心思」的信号,但今天它只表示用了 AI。你说手绘图会糟糕得多,可如今每个可见平面上都有 AI 生成图,一张糟糕的手绘图反而会让你脱颖而出;哪怕你想发布清理过的版本,也可以同时附上原始音频。tuckerwales 表示这个社会性论点很有意思,也承认自己确实觉得「有人仅仅因为闻到 AI 味就对内容失去兴趣」这件事很值得玩味,会尝试不同的写作方式。

trueno 给出了本帖最完整的解释:即便语言是 AI 最强的能力,读者带着他们在其他领域被 AI 坑过的经验来读;更重要的是,你还要面对海量刻意伪造的文章、网络人格、诈骗、虚假信息和国家赞助的宣传——它们都用同一种文体。选择这种文体,就是选择与那些造成实际伤害的载体共享语言风格。读者没有义务每次都做「文学解剖」来确认想法是不是你自己的,这在这一切开始之前从来不是任何人的功课。AI 写作已经变成「这人根本没搞懂他刚发给我的那份 Claude 提案」的同义词。

另有一场小规模的翻车对话:eudamoniac 说「那我为什么不直接去 ChatGPT 里输入『新岗位上该如何平衡行动』然后读结果?」tuckerwales 回「因为有多年经验和思考、口述、转写、发布啊」,eudamoniac 追问「我怎么从那些 AI slop 配图和 AI 排版里分辨出这些?你说的都是只有你自己知道的事,在我知道你的履历之前,你得先在表面上显得值得一读」,tuckerwales 最后以「我不需要做任何事,你可以选择读或不读,祝你有个好日子」收场,被对方评为「你回了我的评论,却在没有回应我的观点的情况下傲慢退场」。

切斯特顿栅栏那条线也值得一读: emil-lp 完整引用了切斯特顿的原文。throw8484949ii 提出反例:很多时候追问恰恰是你的责任——如果某个东西法律地位不明又没有文档,那是重大红旗,往往牵涉腐败、毒品或人口贩运;你想在公共道路中间立一道门?拿文件出来,否则我报警。saghm 认为这恰恰就是原则的要点:责任就在于去问、去学,有时栅栏真的没用,你搞清楚之后就可以拆;有时它以你意想不到的方式有用;有时它是某个需要更久才能真正修好的问题的缓解措施——三种情况的正确做法完全不同。nswango 提出了对立概念「切斯特顿的抱脸虫」(Chesterton’s Facehugger):一发现就该立刻拆掉、不必追问来历的东西。被要求举实例时,他给的例子是:在源码库里发现明文密码,你不该假设放它进去的人有正当理由,你该假设他严重误判了。lazyasciiart 则吐槽切斯特顿显然没干过对流程安全性或准确性负责的工作:「所以 Marge 是手工算滞纳金再录进系统?没事,她……有一套方法?真的吗?」hinkley 补了一句很微妙的提醒:怎么问和该不该问同样重要——耳朵到处都是,问一句「家里有冰淇淋吗」就意味着所有人马上要么端一碗、要么不高兴。