按立正在这两段里的说法,三者中他更强调注意力和努力,而不是时间;若只问哪个最关键,他明确说“最重要”的是对 effort 的定义。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
时间最显眼,但结果更取决于注意力和努力
材料里的观点立正说,人能控制的是注意力、努力和时间,其中时间是最明显的因素,所以大家容易盯着时间1。他把“努力工作”常被理解成“在工作上花很多时间”当作例子,随后指出真正的工作结果未必来自更多时间,而来自投入了多少注意力和多少 effort1。这是他对三者关系的判断,不是对某个具体工作方法的实验结论。
他点名的“最重要”是 effort 的定义
材料里的观点在介绍这一期主题时,立正说控制注意力、努力和时间是“成事秘籍”,并紧接着说“最重要最重要的就是 effort 的定义”,表示视频里有详细展开2。因此,就现有片段能确认的排序而言,他没有把时间放在首位;他把 effort 怎么定义视为最关键的一环。注意,这句话是在概括整期内容,具体定义要看原视频展开,片段本身没有给出定义细节。
可以这样用:先看注意力投向,再问努力是否用对
AI推演把这两段合起来看,一个可操作的检查顺序是:先看自己的注意力实际落在哪里,再看投入的努力是否指向能产生结果的事,最后才看花了多少时间1,2。这是 AI 根据他的表述做的应用推演,不是他给出的固定步骤。若你正用“投入时长”衡量一件事,可以先记录一段时间内注意力被什么打断、努力花在哪个环节,再判断时间是不是瓶颈。
现有片段只说明他更强调 effort 的定义,没有展开该定义,也没有给出三者权重的完整论证;要准确理解“最重要”的含义,需看原视频中 effort 部分的详细说明。
出处
- 1我们只能控制好这三件事:attention, effort, time
直接说明时间最显眼、结果更取决于注意力和努力。
- 2普通人获得好运的完整方法(非玄学)
明确点出这一主题中“最重要”的是 effort 的定义。
追问2026年11月16日
attention 是什么?effort 又是什么?
按立正的说法,attention 和 effort 是你能控制的三件事中的两件;其中 effort 指愿意解决足够难的问题、吃足够多的苦、承受失败和别人的不理解。
effort 的核心是愿意为难题吃苦
材料里的观点立正把 effort 定义得很具体:愿意去解决足够难的问题,愿意为它吃足够多的苦,做很多让自己不舒服的事,并且承受足够多的失败,包括别人的不理解1。他据此区分“有 effort”和“没有 effort”的人:后者只愿意解决简单问题、不愿吃苦、不愿做不舒服的事,所以解决问题的能力天差地别1。这是立正本人的定义,不是通用学术定义。
attention 是你能控制的另一项投入
材料里的观点在立正的框架里,attention、effort、time 是人生能控制的三要素,重点是理解它们各是什么、如何提升2。他讲这三者时,把 attention 和 effort 并列成需要“控制”的投入,但没有在这段里单独给 attention 下定义2。所以目前能确认的是它在三要素中的位置,不能据此替它补一个精确含义。
两者都要落到高价值的事情上
立正在课程里提醒,人容易在低价值工作上过度投入,却在真正高回报的工作上投入不足,结果在价值悬殊的事情上花了差不多的时间、精力和注意力3。把这条和前面的定义连起来看(这是 AI 的综合):effort 决定你愿不愿意啃硬骨头,attention 决定你把这份投入放在哪里;两者都指向“别在低价值的事上耗掉”。
提供的片段里,立正没有单独给 attention 下定义,只说明它是三要素之一;effort 的定义来自他本人的表述,不是学界通行定义。
出处
- 1我们只能控制好这三件事:attention, effort, time
立正对 effort 最直接的定义:解决难题、吃苦、承受失败与不理解。
- 2普通人获得好运的完整方法(非玄学)
说明 attention、effort、time 是三要素,并强调 effort 的定义最重要。
- 3第12课|10%的工作是有意义的 —— 工作如何抓主线?
讲时间、精力、注意力如何被错配到低价值工作上。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- attention,effort,time分别是什么?
现有片段只说明立正把 attention、effort、time 当作人生能控制的三要素,并强调 attention 和 effort 常被误当成时间;但没给出三者的具体定义。
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。