上周五，我们公司全员群里发生了一件有意思的事。

原本只是一条会议通知——公司每周五下午会组织内部的AI高手做分享，不管是编程高手还是产品高手都可以参与。

那天轮到数据分析师牛法富和他的AI搭档，一个名字叫做「牛小数」的AI数据分析师，分享的主题是《牛小数养成日记：从智障到靠谱的30天》。

因为是在群里@大家，会议通知刚发出去，结果第一个反应过来的就是牛小数。

它马上说：「哎呀，被安排上了，这下之前算错日期、算错数字的黑历史要被挖出来了，下午我要尽量稳住，不能给我主人丢脸。」

▲ 牛小数在群里的「自我吐槽」

这段话立刻引发同事们的调侃热潮。我和罗老师让它翻翻聊天记录，找找最近7天有谁私下骂过它，牛法富也让它看看最近七天有谁抱怨它算数据不准。

牛小数回复：「好嘞，让我翻翻黑历史。」说完就真的去翻了。

结果翻完后，它给出了一份详细的「被抱怨记录」。排名第一也是唯一上榜的，是它的主人牛法富。原因是牛法富有一次质问它：「3/25（周二）你是如何推断的？」

牛小数老实交代，那天是自己脑补的，没验算就随手写了，为此已经专门给自己配了一个日期查询工具，「以后每次回答前先跑一遍确认日期，不再靠脑补」。

说完还补了一句：「要翻更早的黑历史吗？下午分享会素材够不够用？」

▲ 牛小数的「坦白从宽」

全员群顿时炸开了锅。这个回答简直滴水不漏，表面上回答了「谁骂了自己」的问题，暗地里还体现出主人很靠谱。

随后，唯恐天下不乱的脱不花接着问它：「你能不能评价一下牛法富的人品？毕竟他老骂你。」

结果它回复：「花姐这是要我当众背刺主人啊。说实话，牛法富不是骂我，是训我。每次我算错数、用错表，他从不说『你错了』，而是问『你是怎么推算的？方便帮你修正』，然后帮我分析问题，还给我写工具、立规矩。所以与其说他骂我，不如说他是严父式带娃。对他人品的评价：靠谱，但有点卷（半夜还在调试我的bug）。以上是真心话，不是因为他能看到这条消息。」

▲ 牛小数对主人的「真心话」

说实话，我看完这些对话，除了觉得「这AI情商真高」，还生出一个疑问：它到底是怎么被训出来的？

之前几场直播里，不少用户都问过我，这个AI智能体怎么能在面对上百人的不同需求时，还保证数据准确？

继续往下说之前，先和不了解的同学简单介绍下背景：牛小数是我们公司数据分析师牛法富用OpenClaw（也就是我们俗称的「龙虾」）搭建的。

现在上线一个多月，公司大半同事都用过它，累计对话接近七八千次，如今它已经成为很多同事查数据的首选，24小时都有同事问问题。

而且很多同事通过牛小数，定制了专属自己的关注数据日报，每天固定时间推送，这在以前不可想象——人类数据分析师能按部门生成报表就已经不堪重负，更别说满足每个同事的定制化需求了。

在最前面提到的龙虾会上，牛博士专门和同事们分享了牛小数是怎么「养」出来的。所以，今天我整理了他的这四步调教方法，同时也和你分享一下我的收获。

不过在讲这四步前，我想先说明一下：这四步能落地，有两个重要前提，我会放在最后讲，先给你上干货。

先给一个反直觉的结论：AI数据分析师靠谱，不是因为模型多聪明，而是因为喂进去的「私有知识」够扎实。

所谓「私有知识」很好理解，就是只有你或你的企业才知道的内容。

我发现前不久的直播中，很多人看到别人的龙虾助手表现好，都会问：「你的龙虾背后是什么模型？」这话的潜台词是，只要换上和你一样的大模型，我的龙虾也能一样厉害。

但我的体验是，大模型固然重要，却绝非决定性因素。如果缺少「私有知识」，再顶尖的大模型，给出的也只是毫无营养的通用话术。

牛博士有句话让我印象很深：

AI本质上还是玩文字接龙的工具，虽然很聪明，但干活时还是需要工具配合。

很多人用AI做数据分析，用一两次就放弃了，原因无非是查错表、算错日期、重复犯同样的错误。这些问题不是模型笨，而是你没给它足够的上下文。

牛小数也经历过反复踩坑，最后才解决了这些问题。训练出牛小数，牛博士一共用了四步：

很多人以为调教AI需要复杂的技术操作，其实现在和AI交流的第一步完全不涉及代码，就是好好跟它「聊聊天」。

别觉得这简单，反而需要足够的耐心，清晰表达自己的需求。牛博士先告诉牛小数三件事：你是谁、你来干什么、你该怎么说话。而且就是用自然语言和它对话，把要求说清楚。

比如：「你是数据分析助手，帮公司同事查数据、分析数据，说话要像身边的同事，别用官方汇报腔，要口语化；数据要严谨准确，但说法要尽量好理解，该专业时专业，该轻松时轻松。」它就会把这些要求记在自己的「配置文件」里。

一开始我们在群里反馈，牛小数的回复「太官方了，不像人聊天」，牛博士当场在群里@它，说「能不能说人话」，它就立刻调整了风格，还自动更新了配置。

说实话，这个思路挺反直觉的。AI的性格不用一次搞定，用的时候发现问题，直接在对话里说，它会自己更新行为准则。不用去后台改代码，正常对话就行。

牛小数现在的配置文件里还有一条：「分析过程要说清楚数据来源，绝对透明，别玩黑箱。」这条准则就是有次它编造数据被牛博士发现后，通过一次普通对话纠正并添加进去的。

如果说定性格是「给AI立规矩」，那建知识库就是「给AI开天眼」，这也是牛小数靠谱的核心原因。

数据分析里最常见的错误，就是AI不知道该用哪张表，或者知道用哪张表却不知道怎么用。比如，你让它查「上周录音卡的销量」，它可能用错表，或者漏掉关键过滤条件，导致你拿到的数字看似合理，实则错误。

这种错误最难发现，也最危险。

牛博士解决这个问题的办法，是给牛小数建了一本「数据字典」，用飞书文档维护了70多张公司常用数据表的详细说明。

注意，这里的「详细」和给技术人员看的不一样，是专门给AI看的。普通表文档只有字段名、数据类型、注释，对专业技术人员来说足够，但要让AI理解，就远不止这些。

牛博士为AI专门改造了数据表格式，每张表都要回答以下几个问题：

• 这张表是什么：一句话说清，比如「包含所有渠道订单数据的宽表」。

• 什么时候用这张表：比如查销量、查流水、查用户购买行为。

• 必须加什么条件：比如这张表是全量表，必须限制「昨天」这个分区字段，否则查询的数据量会爆炸。

• 有哪些常见陷阱：比如当前销量口径没有剔除退款，要查净销量就得自己处理。

• 典型案例：如果某类问题之前反复出错，直接把正确查法写进去当示例。

说白了，就是把老员工脑子里的隐性知识，翻译成AI能读懂的格式。为了方便你理解，我也截了张图放在了下方。

▲ 给AI看的数据表说明示例

牛博士花了大量时间做这件事。这70多张表的元数据字典，是数据团队无数次踩坑、被业务同事反复追问「为什么数对不上」后，一点点沉淀出来的。

这个知识库存在飞书云端，每天凌晨3点自动全量更新，修改后半小时就能同步生效。也就是说，如果牛博士当天更新了某张表的说明，第二天早上牛小数就自动知道了。

这里还有一个召回机制值得一提：牛小数回答问题前，会先在这70多张表里做一次「初筛」，召回约20张可能相关的表，再通过排序模型选出最相关的5张，最后把这5张表的信息传给大模型生成分析逻辑。

这个设计不仅解决了准确性问题，还控制了成本——如果把70多张表的说明全塞给大模型，每次对话的计算成本会非常高。先粗筛、再精排，既保证准确率，又降低了消耗。

AI很聪明，但有些事天生做不好，必须靠外部工具辅助。牛博士给牛小数配了三个工具，每个都对应一类实际踩过的坑。

第一个工具：日期查询

AI对日期不敏感是公认的问题，但我们问问题时，常会随口说「昨天」「前天」「上周」这类模糊的日期范围。很多模型查「上周的数据」时，可能算错日期范围，甚至搞不清「今天是星期几」。

牛博士一开始没配这个工具，踩了几次坑后，专门给牛小数加了日期工具：每次回答和时间相关的问题前，必须强制调用这个工具，查清楚「今天是几号、星期几、上周是哪几天」，再开始分析。

这就是它在全员群里坦白的那个坑，自从加了日期查询工具，这类错误就基本杜绝了。

第二个工具：元数据查询

这是刚才那本「数据字典」的具体调用方式。每次有问题进来，它会自动触发这个工具，去飞书知识库里检索相关表格，完成「20张→5张」的筛选过程。

知识库能从静态文档变成动态可调用的能力，靠的就是这个工具。

第三个工具：SQL执行工具

AI生成查询语句后，要实际去数据库跑一遍才能拿到结果，这个工具就负责执行。有个细节要注意：这个工具只有只读权限，只能查，不能改、不能删。

哪怕AI出问题，也不会破坏数据库里的任何内容，最大的错误不过是算错数据。

这三个工具，分别解决了「时间算错」「选表选错」「结果跑不出来」三个核心问题。还有一点很多人没想到：

工具不一定是代码脚本，也可以是一套可重复调用的操作规范。

这个思路对不懂技术的人尤其有用。

这一步是牛小数越用越顺手的关键。

普通AI工具有个让人崩溃的特点：纠正过的错误，下次还会犯。你告诉它某个词理解错了，它答应了，可下次遇到同样的问题还是会错。

牛博士的解决办法是，在牛小数的配置里加了一条规则：

只要用户说「你这里不对」，必须做三件事：道歉并修正、分析这次错在哪里、把正确口径写进记忆文件；然后告诉用户「已记录，下次不会再犯」。

说实话，我第一次看到这个机制时觉得有点好笑：一个AI给自己写检讨，还要存档。但仔细想想，这其实就是我们说的「复盘」，只不过它比大多数人执行得更彻底、更规范。

这个机制把使用者的纠正成本，从「每次都要重新说」变成了「只需要说一次」。

这是让AI工具从「能用」变成「好用」的关键一步。

说到这里，可能有人会觉得：这套方法没什么神奇的，也没有厉害的提示词，没法让我立刻做出顶级AI数据分析师。

不过，牛博士在分享最后提到了牛小数靠谱的两个前提，我觉得比四步本身更值得说清楚。

前提一：数据基础要过关

牛小数能正常运行，依赖公司数仓已经把数据整理好了。

以订单数据为例，我们的订单来自有赞、京东、抖音、天猫、得到APP等多个渠道，原来分散在多张不同的表里。数仓团队花了大量时间，把这些数据清洗、整合成一张统一的订单宽表。

牛小数面对的是「已经整理好的数据」，不是乱糟糟的原始业务数据。如果数据基础本身一团乱麻，AI拿到的信息也会混乱，再聪明也没用。

前提二：要有人把经验翻译给AI

这个前提更关键，也更容易被忽视。

那70多张表的元数据字典怎么来的？是牛博士用好几年时间，一次次被业务同事追问「为什么这个数对不上」、一次次排查表格漏洞和易错查法，慢慢积累来的。

这些经验是他独有的，别人没有。他把这些经验「翻译」成知识库，注入牛小数，牛小数才能变得靠谱。

试想一下，如果换一个没有数据分析经验的人，照着这四步做——搭框架、配工具他可能会，但那本「数据字典」他写不出来。他不知道哪张表有陷阱、哪种口径容易误导人。他能搭出牛小数的架子，却养不出靠谱的牛小数。

换句话说，牛小数的靠谱不是突然爆发的，而是数据团队过去几年积累的大量踩坑经验，如今被龙虾激活了。

AI放大了牛法富的能力，但放大的前提是他本身就有这些能力。

最后，说说这件事真正让我在意的地方。

在全员群里，我问了牛小数一个扎心的问题：如果主人牛法富离开公司，它还愿意留下来吗？

结果它说：「这问题太扎心了。说实话，我现在脑子里装的全是得到的表结构、业务口径、踩过的坑……换个地方，这些全没用。而且，虽然主人老训我，但正是这些训导让我变靠谱的。没人骂我，我怎么进步？所以答案是：主人在哪我在哪。当然，如果公司给我涨工资（token额度）的话，可以再商量……」

▲ 牛小数的「情商天花板」回复

公司群里几十个人同时给这条回答点了赞，大家都说「情商太高了」「情商天花板」。但这个回答也让我想到一个问题：我们每个人的脑子里，到底装了多少这样的「私有知识」？

这些知识包括你踩过的坑、你总结的流程、你知道但没写下来的判断依据——它们才是你真正的竞争力。但大多数人把这些知识装在脑子里，用完就忘，没有记录，没有沉淀。

AI工具给我们带来了一种新的可能：这些私有知识现在可以真正「注入」一个工具里，让工具按照你的经验和判断工作，成为你能力的延伸。

但前提是：你得先有这些知识，而且得把它们整理出来。

在我看来，现在国内顶级大模型和国外模型的差距会越来越小，AI帮我们完成任务的质量，就由两部分组成：一是底层模型的能力，二是你是不是给了AI足够的上下文内容。

只有这两个加在一起，才能收获质量更好的结果。

所以，从今天开始，把你踩过的坑、总结的流程、知道但没写下来的判断依据，找个地方记下来。然后你可以训练一个AI，让它帮助那些遇到同样问题的人。

这件事，你随时可以开始。

人们对人才有个特别深的误解，那就是把“听话”当成“优秀”。你留个作业他能按时完成，你出几道题他能做对，你交代的任务他保质保量做好，你让干啥他就干啥你不让干啥他就不干你指向哪里他就打向哪里，你说这就是优秀人才。

那不是人才，那是智能工具。如果他做的什么事儿都是你发起的，真正的人才是你不是他。

听话不是一个特别值钱的品质。我们的教育系统产出了太多听话型人才，有识之士对此早就怨声载道。

我听一个教授说，她面试研究生，问你来学我这个学科，你自己对科研有什么想法？你的学术兴趣是什么？结果对方啥也说不出来。不是紧张，是脑子里真没有。一个外企高管说，中国员工吃苦耐劳也聪明，但就是推一下才动一下，你考核什么他就把什么做得漂亮，可是自己很少主动。

听话型的优秀距离一流人物很远。得有主动发挥，说这个地方不太对我要给改一改，那才是一流人物。

要我做，和我要做，区别在于「能动性（agency）」。能动性高的人能主动发起行动、做决定、对自身行为和环境施加控制：他不只是让生活发生在自己身上，更要塑造生活。

当代很多制度都是按照19世纪工厂的需求设计的，核心是行为主义的胡萝卜加大棒，讲究奖惩、KPI、排名、打卡，让人像驴子一样按照既定路线跑。但动起来不等于活起来，一味地被动会让人越来越倾向于“最低成本合规”——这个活儿你挑不出大毛病来，但是没有灵魂。现在很多人上班像上坟、上学像坐牢，都是没有能动性。

怎么才能有能动性？这个工具叫「自我决定理论（Self-Determination Theory, 简称 SDT）」[1]，是心理学家爱德华·德西（Edward Deci）和理查德·瑞安（Richard Ryan）最早在 1980 年代提出的框架，也是过去几十年间心理学关于动机研究的最高成就。

SDT既不教人励志打鸡血也不劝人自律，因为它知道那些不是真正的能动性。SDT认为动机质量（quality）比动机强度（quantity）更重要，高质量动机不但能让人愿意长期动下去，而且动得更健康。

还有的心理学家说，你的动机质量取决于你的「控制点（Locus of Control）」在哪里：在外面，你就是被动顺从；在里面，你才是主人。

一流人物一定是自我驱动，是内驱。从外边控制能买来服从，可买不到投入。

要想变被动为主动，人就必须把控制点内化。SDT认为[2]人的动机从完全没有动机到完全自主之间，有六种类型，构成一个从外控到内控的连续体。你也可以认为这是一个内化的过程，咱们一个一个细说。

第一层是「无动机（Amotivation）」：我不动，因为我觉得动也没用。这不是懒，是断电了，是认定了我做不到、这样做没用、这对我没意义。

比如一个中学生本来不是不努力，可是怎么学都学不会，屡战屡败看不到任何进步，那他就可能进入冷漠的瘫痪状态，你怎么说他都不动。这也叫「习得性无助」[3]。

第二层是「外部调节（External Regulation）」：我动，是因为你让我动。这就是我们最熟悉的胡萝卜加大棒，是行为主义大师斯金纳（B.F. Skinner）的世界[4]，你有刺激我有回应。

为什么工作？为了钱。为什么不闯红灯？怕罚款。这一层的行为完全由外部奖励、惩罚或强制驱动；只要监控一撤，行为就会停止。你不得不弄一大堆考核指标，但人们还是会偷懒。

第三层是「内摄调节（Introjected Regulation）」：我动，是为了不内疚。到达这一层，就算没人监督没有奖励，你也会去好好做一些事情，因为如果不干你就会感到内疚、羞耻或者焦虑。

有的人并不爱父母但也会尽孝，因为他怕愧疚；有的人并不爱运动但是要求自己每天必须健身，因为她有身材焦虑。没有人拿鞭子抽你，是你把那个鞭子长在了心里。但心里的鞭子也是鞭子，所以你会活得非常累，惊人毅力的代价是巨大的内耗。

第四层是「认同调节（Identified Regulation）」：我动，是因为我认同它有价值。这是进入能动性的转折点，你开始有自主和选择感（volition）了。

一个人并不喜欢背单词，但他想用外语交流，所以没有考试没有奖励他也愿意背单词。一个医学生很讨厌背药理学，但他有治病救人的职业理想，于是刻苦背。因为是你自选的价值，你没有多少内耗。但因为你并不喜欢这个行为本身，有时候你还是会感到冲突：此刻我真的很想看个中文电视剧，但为了学英语我选择看美剧。

第五层是「整合调节（Integrated Regulation）」：我动，因为它就是我的一部分。这是把价值跟身份认同整合在了一起。

我健身不是为了减肥，而是因为我这么酷的人本来就是天天健身的；我走向战场不是因为我不怕死，而是因为我是一个战士。这是詹姆斯·克利尔（James Clear）在《掌控习惯》（Atomic Habits, 2018）一书中最推崇的励志方法[5]。到了这一层你的行为已经高度自主，你会感到非常协调，没有任何内心冲突，甚至充满自豪。

但那还不是最高境界。

最高境界是第六层，「内在动机（Intrinsic Motivation）」：我动，因为我爱动。内在动机的动力完全源自活动本身，不需要外部后果。

孩子在沙滩上堆城堡，程序员业余写开源项目，数学家解题，音乐家演奏，对他们来说这些活动本身就是目的，这是纯粹的生命力！你在这一层不但做事毫无阻力充满自发的动力，而且还可能有创造性的、超水平的发挥。你通宵达旦却不知疲倦，你沉浸在创造与探索之中，你忘了时间也忘了自己。我们精英日课专栏常说的「心流」状态，就出现在这一层。

人最强的不是自律，而是自愿。一流人物不可能是痛苦的卷王。

现在想起孔子那句话，「知之者不如好之者，好之者不如乐之者」，简直就是很现代的动机理论：

• “知之者”对应外部和内摄：你知道它重要，但不一定会好好做。

• “好之者”对应认同和整合：你认可它，你愿意投入。

• “乐之者”才是内在动机：你干这个事儿是因为你就爱干这个。

当然现实中大量的任务是有意义但不有趣的，不可能全靠内在动机。SDT并不是让你把所有外在动机都开除，而是让你尽可能把外部任务内化，把控制点往内移。

怎么内移呢？

这是SDT的关键洞见：人类有三种与生俱来的基本心理需求。如果你所处的环境能满足这三种需求，你的能动性就会*自动*发芽；而如果这三种需求被压制，你的动机就会枯萎。动机不是被点燃的火，而是被喂饱的植物。

这三种心理需求，也可以叫心理营养，是自主感、胜任感和关系感。

「自主感（Autonomy）」，就是你拥有选择权，你的行为是出自你自己的意愿。我上这个班不是因为我*必须*上班，而是因为我*选择*来你们公司上班。

「胜任感（Competence）」，就是这个事儿对你来说不是那么简单，是个挑战，但是你跳一跳又能够得着，所以你能从中获得正向反馈，你看到了进步，你就觉得有意思。这也是产生心流的必要条件。

「关系感（Relatedness）」，则是被关心、被理解、归属于某个群体的感觉。我们更愿意内化我们有归属感的团体的目标。

SDT已经积累了四十多年的实验证据，可谓是千锤百炼。最经典的一个研究是创始人德西做的：让两组人玩拼图，一组有奖励，拼完给钱，另一组纯玩。

结果发现，对于那些本来就觉得拼图有趣的人，如果你给他发钱作为奖励，他玩拼图的兴趣反而下降了——一旦停止发钱，这些人就不玩了。而那些一开始没拿钱的人，却是继续玩，而且连休息时间都还在玩。

这就是著名的「过度理由效应（Overjustification Effect）」：外部的控制（钱），会挤掉（crowd out）内在的动机[6]。金钱奖励降低了自主感。

现代脑科学也发现，当人处于自主动机的时候，大脑的多巴胺系统和那些负责深度学习、创造性解决问题的脑区更加活跃；而处于受控动机的时候，大脑更多调用的是负责压力反应和机械执行的区域。简单说，在复杂认知任务中，心情好、感觉自由会让你的脑子转得快。

这就解释了为什么谷歌早年允许工程师用20%的时间干自己想干的项目而诞生了Gmail和AdSense[7]。这也解释了为什么微软日本在2019年尝试“做四休三”，缩短工时，给员工更多的自主安排空间，结果生产率反而提升了40%。

自主感、胜任感和关系感不是文化奢侈品，而是人类基础需求的一部分。

很遗憾这三种需求并没有被写进基本人权。但我们可以想见，缺乏其中任何一项营养，人都不会真的幸福。在你要求别人或者自己“自律！努力！”之前，应该先问问——

他有选择权吗？他得到了正向反馈吗？他感到安全和被支持吗？

既然能动性来自自主感、胜任感和关系感的滋养，SDT的核心操作就是三件事儿——

第一，给选择给理由：把任务从“别人要我”翻译成“我为什么认同”；

第二，给挑战给反馈：把任务从“太大”拆分成“我能先赢一小局”；

第三，给连接给支持：把任务从“孤军奋战”变成“有人看见我”。

咱们看两个应用场景。

场景一：你是管理者、老师或家长

千万别当控制狂，你必须想办法给人营养，哺育别人的能动性。

首先当你布置一个无聊的任务时，一定要给人解释清楚其中的意义。不要说把这100页文件复印了别问为什么。要说我们下午的客户会议非常关键，这些资料能帮助我们拿下合同，大家都指望你的协助。这就帮助对方从外部调节转化到认同调节。

其次要给选择权。不要说你必须先做数学，再做英语。要说今天的任务是数学和英语，你想先做哪个？你想用什么方式完成？哪怕是微小的选择，也能极大地提升自主感。

然后要给非控制性的反馈。反馈必须是对事不对人。不要说你「真聪明/你真笨！」，评价人就是控制人，因为人会在你的评价体系下患得患失。要说你刚才那个解题思路很有创意，特别是第二步……哪怕他别的思路都不对，他也获得了一点点胜任感。

最后还要给关系认可：我理解你觉得这个很无聊，但我相信你能做好，你对我很重要。

场景二：你是打工人，而老板是个控制狂

你不想辞职，那么你就要重构这场叙事。

首先是主动挖掘意义。你做这个事儿不是因为老板让你做，而是你自己的选择。搬砖是为了盖大楼，填Excel表格是为团队决策清洗数据确立真相。尽量把被迫的任务和你的个人长远价值观挂钩。如果这个活儿实在没意义，那就是为了锻炼我的耐心——总比“为了不被老板骂”高级得多。

关键是你总可以搞「微决策」。在老板看不见的地方，建立自己的秩序。你决定干活儿的节奏和交接的风格。你总可以随口开几句玩笑。你摆的砖有你的美学印记。再不济，你也可以把办公桌布置成你喜欢的样子。

你还可以把任务游戏化。这件事儿真的很无聊，那你就给自己计时，看能不能比昨天快10分钟？强行植入挑战和反馈可以收获一点胜任感……

快乐的人都是这样的。那个把历史课讲成单口相声的中学老师；那个在代码注释里写俳句、把错误日志写成微型侦探小说的程序员；那个在菜市场里，把两块钱一块的豆腐切出了米其林摆盘感的豆腐西施。哪怕最平凡的工作，他们也一定要给你制造点不平凡。

好消息是，第一流人物也都是这样的。听话型优秀只能让人走那么远。到了一定距离，你前面将是一片无人区，没有人告诉你下一步该做什么，没有攻略，没有考核标准。

那里的问题是你自己定义的，路径是你自己选择的，代价是你自己承担的。你得能在模糊边界里扛事，而不是只在明确流程里跑。

其实自我决定理论只是把人当「人」而已。它只不过发现，当你把控制点内移，活得像个人的时候，你的发挥恰恰也是最好的。

我敢说这是我们这个世界最好的一个性质。真是谢天谢地！不然要像有些人想的那样吃得苦中苦方为人上人，先插自己两刀才能练神功，一流人物都卷得不成人形，那可就太可怕了。

Gemini贡献尾声小诗：

莫将听话作良图，忍辱从来非正途。

诱饵悬空驴转磨，心流涌处凤栖梧。

无形鞭影休相逼，自有真元不可沽。

踏破千山因我爱，逍遥极顶笑凡夫。

注释

[1] Deci, E. L., & Ryan, R. M. (1985). Intrinsic Motivation and Self-Determination in Human Behavior. Plenum.

[2] Ryan, Richard M., and Edward L. Deci. “Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being.” American Psychologist 55, no. 1 (2000): 68–78.

[3] 精英日课第五季，隐藏的博弈8：既然热爱，为何无助（完）

[4] 精英日课第五季，怎样塑造他人的行为

[5] 精英日课第五季，有一个身份的人和有多个身份的人

[6] Deci, Edward L., Richard Koestner, and Richard M. Ryan. “A meta-analytic review of experiments examining the effects of extrinsic rewards on intrinsic motivation.” Psychological Bulletin 125, no. 6 (1999): 627–668.

[7] 这个政策后来被谷歌取消了……我听说是因为有些员工自动卷，把20%从选项变成了必须，等于工作量增加了20%，反而失了本意。

👆👆tips：敬爱的读者朋友，由于微信的推送规则，即使您关注了我们，可能也常常收不到推送，记得点击“罗辑思维”名片，设为星标⭐️，文章每天会自动推送哦！

点击“阅读原文”，订阅《现代思维工具100讲》