.. Michael Wu 版权保留
:Authors: Michael Wu
:Version: 1.0
2026-Q1
*******
2026年1月
===========
运气背后的系统性因素
-----------------------
如何增加运气出现的概率
^^^^^^^^^^^^^^^^^^^^^^^^^
最近刷到一段关于“运气在成功中占比”的讨论，核心三句话很直白：低成本试错、让别人知道你需要什么、顺风局敢于梭哈。
我把它当成一套行动框架来理解。
低成本试错的意思不是随便赌，而是把每一次尝试拆小，控制损失，让学习发生得更快。
不确定性高的时候，路径本来就模糊，与其一次性押重，不如先做小实验，看反馈再调整。
样本量上来后，运气出现的次数也会变多，这是“把自己扔进概率池子里”的现实含义。
.. note::
平时过于固定的生活，可以适当的引入一些变量。比如说，每周读一本跨领域的书，参加个沙龙，甚至出去玩结交一些行业朋友，
这些都是增加运气出现机会的好方法。因为运气的出现是有概率的，只有增加了尝试的次数，才有可能遇到运气。
让别人知道你需要什么，本质是降低信息成本。
如果需求一直藏着，机会就很难精准落在自己身上。
公开表达、求助、协作，其实是在扩大自己可被匹配的范围。
顺风局敢于梭哈不是盲目加注，而是当连续反馈都指向同一方向时，把资源从探索转向利用。
长期停留在“试试看”的状态，会错过真正的高胜率窗口。
运气确实存在，但能不能接住、能接住多少，取决于你是否持续在场、是否敢在优势期集中资源。
同时也要记住风险边界：单次失败代价过高时，再高概率也不值得。
运气与成功的学术研究
^^^^^^^^^^^^^^^^^^^^^^^^^
关于“运气在成功中的占比”，学术脉络其实很长，核心脉络可以追到“累积优势”和“回报结构”这两条线。
60-70年代的研究开始描述“成功会带来更多成功”的统计过程：在科学评价体系里，声誉与资源往往会自我强化，
这被概括为“马太效应”，后来也被形式化成“累积优势”分布的理论框架。它提醒我们：早期的小优势可能被制度放大，
最终形成看起来像“能力差距”的结果，但本质是路径依赖和概率堆叠。
80年代经济学把这个现象放进市场结构里讨论，提出“超级明星经济学”：
当产品可以被大量复制、消费者偏好集中时，微小差距会被放大成极端收益，
这类市场天然更接近“赢家通吃”。在这种结构里，运气的作用会被放大，而不是被削弱。
90年代网络科学进一步给出机制层面的解释：偏好连接会让已有连接更多的节点获得更多新连接，
最终形成少数枢纽占据绝大多数注意力的“尺度无关网络”。这和现实世界里的曝光、流量、合作机会几乎是同构的。
进入近些年的建模研究，有学者用非常简单的代理模型展示：当人才近似正态分布、机会是随机事件时，
成功分布会呈现强烈的幂律，而顶尖成功者往往并非最有天赋的人，而是“足够有天赋 + 更幸运”的组合。
这类结果的意义不在于否定能力，而在于提醒我们：仅凭结果评价能力是危险的，
也容易导致资源分配上的误判。
这些研究连起来看，给出一个更“工程化”的结论：运气并非偶发小扰动，
而是被市场结构、评价体系与网络机制放大后的系统性因素。
因此，与其纠结“运气占比到底多大”，不如把它当成需要管理的变量：
用试错扩大样本量，用外显需求提升信息流，用加注把资源投入高胜率阶段。
.. note::
- 累积优势：早期小优势会被放大，路径依赖很强
- 回报结构：越接近赢家通吃，运气权重越大
- 机制解释：偏好连接让注意力与资源呈幂律分布
- 行动策略：低成本试错 + 需求外显 + 顺风加注
参考资料
^^^^^^^^^^
- Merton, R. K. (1988). The Matthew Effect in Science. Cumulative Advantage and the Symbolism of Intellectual Property. `Sartoniana `_
- Price, D. de Solla (1976). A general theory of bibliometric and other cumulative advantage processes. `JASIS (EconPapers) `_
- Rosen, S. (1981). The Economics of Superstars. `American Economic Review (EconPapers) `_
- Barabási, A.-L., Albert, R. (1999). Emergence of scaling in random networks. `Science (arXiv) `_
- Pluchino, A., Biondo, A. E., Rapisarda, A. (2018). Talent vs Luck: the role of randomness in success and failure. `arXiv `_
- Frank, R. H. (2016). How Winner-Take-All Markets Magnify Luck’s Role. `Success and Luck (De Gruyter) `_
- The Matthew effect for cohorts of economists (2013). `Journal of Informetrics (ScienceDirect) `_
状态洁癖与执行力
----------------
很多人执行力差，不是因为目标不清晰，也不是方法不够多，而是被一种隐性的“状态洁癖”卡住了：
总想等到状态好、心情顺、环境整齐、时间完整，再开始做事。
这个执念看起来理性，实际上会持续抬高行动门槛，把“开始”变成一件越来越困难的事。
高手和普通人的核心差距，往往不在认知层，而在启动机制。
普通人习惯“先有状态，再行动”；高手是“先行动，再有状态”。
行动会触发大脑的启动效应，注意力和投入感会在过程里逐步上升。
拖延则相反，拖得越久，大脑越会制造“我现在状态不行”的理由，最后把逃避包装成“等我准备好”。
从机制上看，“状态”很多时候不是前提，而是结果。
你越把它当成前提，它越像海市蜃楼；你越用行动去验证，它越容易出现。
所以执行力的关键不是找到完美状态，而是建立“低情绪波动下也能启动”的行为系统。
第一种破解方式是立死规矩：到点就干，不谈状态。
把关键动作绑定到时间和场景，比如“每天 8:30 打开项目文档并写 15 分钟”。
这类规则的价值在于，把决策从当下情绪中抽离，减少“做不做”的内耗。
当你连续执行一段时间后，会明显发现：状态并没有想象中重要，行动本身才是状态的生成器。
第二种破解方式是把任务拆到极致，主动降低启动阈值。
不要写“开始学习”，而写“打开目录，读第一页前两段”；不要写“开始健身”，而写“换衣服，做 10 个深蹲”。
任务拆得越具体、越可见、越可立即完成，大脑越不容易抗拒。
当第一个最小动作完成后，惯性会推动你做第二个、第三个动作，这就是执行力真正的杠杆点。
进一步说，真正可持续的执行力底层是“先交付，后优化”。
先用最小动作把事情从 0 推到 1，再在推进中修正路径，而不是在原地追求完美起步。
你不需要一开始就有满格动力、完整方案和最佳节奏，只需要让事情从静止变成运动。
当“微启动 - 微反馈 - 微强化”的闭环形成后，行动会越来越自动化，焦虑会下降，长期复利会把人与人拉开。
.. note::
执行力反直觉清单：
- 不等状态，先做最小动作
- 不求完整，先交付可运行版本
- 不靠情绪，靠固定触发点（时间/地点/动作）
- 不做大计划，先做下一步清单
可直接落地的 7 天训练法：
- 第 1-2 天：只训练“准点开始”，任务时长可短，不追求质量
- 第 3-4 天：每个任务强制拆成 3 个最小动作，完成第一个就算启动成功
- 第 5-6 天：每天记录一次“开始前状态”和“开始后 15 分钟状态”，验证行动制造状态
- 第 7 天：复盘本周最有效的触发器，固化为下周固定规则
PS: 这个尝试了用 codex 进行一部分总结，效果确实不错。