共计 2085 个字符，预计需要花费 6 分钟才能阅读完成。
hi,
欢迎打开第 006 期超级马里奥。日子过的真快，2022 年半年已经过去了，工作时间越久，越难察觉到时间的流逝了。
读完今天的内容，需要 6 分钟：
- Luck Surface Area
- 为何听过很多道理，却依然过不好这一生
- 积累个人知识资产的意义和方法
Luck Surface Area
Luck Surface Area（幸运表面积）是 Jason Roberts 提出的一个概念，表示一个人生命中遇到好运的数量。好运通常是不可知的，比如突然有公司要雇佣你，突然有投资人想投资你等。
怎么增加自己的幸运表面积呢？Jason 提出了一个公式：Luck = Doing * Telling，Doing 即正在做的事，Telling 即知晓这些事的人数。你做的事越多，知道的人越多，那么你的幸运表面积就越大，如下图所示：
显而易见，在公众媒体和场合公布自己正在做的事能有效增加幸运表面积，比如在 Twitter、微博等发布自己的项目相关内容，增加曝光率。增加幸运表面积的目标不是变得出名，而是让好运更容易找到我们。
Aaron Francis 在 Publishing your work increases your luck 中进一步阐述了如何增加幸运表面积：
- 一些拥有丰富技能的人会低估自己所做事的价值，认为这些事并不值得分享。此时你可以看看所在领域的人们正在分享的事情，这些事情你是否能完成呢？是否你能做的更多呢？如果是的话，你应该尝试展示你所做的事。
- 一些人想做一些事，但并没有真的行动。此时你可以将平时工作和生活中了解的概念、学习的课程、遇到的问题、有趣的事情等都记录在草稿本上，这样持续一个月后，你将有很多想分享的事情。
- 一些人因为害羞而不想/敢发布自己的事情。大声宣称“我做了一些我认为很酷的事”并不是吹嘘，人们渴望学习，人们希望成为你旅程中的一员。
幸运表面积的公式看起来很简单，但真做起来可能并没有那么简单，因为你要真的行动起来。
为何听过很多道理，却依然过不好这一生
电影《后会无期》里有句台词：“听过很多道理，依然过不好这一生”，很形象的说出了很多人的感觉。前两天看到知乎上一个不错的问答：有哪些读书学不来，却很重要的素质 ，可以从某个角度来解释这句台词。
答主说读书永远学不会“走出去行动”的能力：
读书的本质，仍然是一种「舒适区」，你是在观看别人的生活，始终没有参与其中。书中的悲欢离合，是主角的故事；书中的艰难决策，也是主角作出的。你始终只是一个观察者，永远体会不到面对困境的绝望和无力。
你读过了许多故事，自以为明白了许多道理，但你并不是真正明白，只是自己认为明白了而已。
很多人将读书当成了一种逃避，一碰到某个难题就找本书看，看完了就觉得自己懂了，认为这个难题已被自己解决了。要做到知行合一属实不易，”知“已经难到很多人了，更不用说”行“了。
如何做到”行“呢？以我的经验来说，除了树立明确的目标并向其他人公示外，还可以尝试微小化目标。比如我拖了一个多月的系列总结文章，原因就是一想到这个事就觉得工作量太大了，心里已经畏惧了，天天给自己找理由逃避。即使我已经将整个系列文章拆分成好几个模块，但仍是太大了。前两期提到了微行动时说到自己会在 twitter 上发布一些自己准备文章时的素材和想法。实践下来相比正式的文章而言，写推文的压力确实要小很多，不需要很多文字，还能即时的收到反馈。
积累个人知识资产的意义和方法
昨天听了产品沉思录的积累个人知识资产的意义和方法这期播客，里面提到每个人都有自己独特的知识资产，通过知识资产来换取社会资产（如人脉、信息渠道等）和金融资产，这个过程会源源不断的消耗自身的知识资产，如果不及时补充知识资产的话，可能 30 多岁后就没多少知识来变现另外两种资产了，所以我们需要不断积累来夯实知识资产。
少楠提到了自己获取个人知识资产的方法：
- 获取信息：不要纠结于工具（newsletter 还是头条、公众号等）而是专注于流程
- 整理思考：和已有的知识体系结合
- 输出想法：将想法通过播客或公众号等方式发出去以得到 feedback，粉丝只是副作用
- 寻找激励：找到一些把知识变成资金的手段，没有回报很难做到永续经营
哈哈，这里第三点”输出想法“和前面提到的增加”幸运表面积“是不是一样呐？
关于我的活动
做
使用第五期中纳瓦尔的读书方案，快速看完了大半本《深度工作》，效果还不错。
读
- The Good Thing About Hard Things: 大概意思是软件行业已接近成熟，对于下一个阶段的投资，Packy McCormick 的建设是选择 Hard Startups，具体来说分为两个方向：
- Hard Bits Startups：相比于软件行业，选择一些更难的技术领域，如 web3、AI/ML、APIs、VR/AR 和支持 Hard Atom Startups 的公司
- Hard Atom Startups：如生物学、气候学、空间学、医学等领域。
这两个方向的共同点都很难，没有成功的剧本用来参考，因此竞争并不激烈。
往期推荐：
每期内容都会同步到我的网站的 newsletter 页面，如果你喜欢我的文章，可以邮件订阅，或扫描关注下方的微信公众号来关注更新：
