自制力和拖延症

简介: 无意中看到了ted中关于一个拖延症的演讲,演讲者归纳了拖延症的一个根本原因:外界强制和截止时间。这两个如果缺少一个的话,某件事就有可能一直拖着。 比如上班时间强制为8.30,那当你早晨即便很不想起床,但是你想到8.30要到公司,那你自然得起床了,这就是外办强制。

无意中看到了ted中关于一个拖延症的演讲,演讲者归纳了拖延症的一个根本原因:外界强制和截止时间。这两个如果缺少一个的话,某件事就有可能一直拖着。

比如上班时间强制为8.30,那当你早晨即便很不想起床,但是你想到8.30要到公司,那你自然得起床了,这就是外办强制。然而对于像我这种自由工作者就比较难了。没有人规定我要在8.30上班,没有人规定我现在去写代码,或者去看书,那这么一种情形应该如何使用自己控制力来让自己抓紧干一些事性,而不是即时享乐呢?如果不这样,就会让自由拖垮。

起床这件事一直是我头疼的事,今天早晨我又起床之后,头脑发涨又去睡了个回笼觉,本来就到10点了,每次这样都非常操蛋。

目前针对于我来说,最有力的办法就是对某一个人承诺,然后让他检查我,也就是让一个人来不时的催我,显然这种方法不可行。因为没有人会催我干活,活是我自己干的,还有一种方式就是和在线团队每天签到,交流心得,写昨日心得。不过这样的方式是依赖别人的,这还不是一个最佳的办法。

有一种禁止自己晚上睡觉前玩手机的办法就是,你睡觉之前你把手机别放在你睡觉的卧室里!

禁止做某事的办法就是不要创建做某事的条件,而让做某事的办法就是,创造自己不做某事的严重后果。

那有没有一种自我检测的方式呢,要想长期坚持就得有自我约束。那我现在要制定一个行之有效的办法。那么现在就制定。

  • 每日计划和每日总结
    那到底计划和总结写到哪里呢,一种办法写到博客,另一种办法是写到日事清这款APP。后者是比较专业的工作计划类软件,前者可以得到自己的监督。为了得到公众的监督那我还是写到博客里吧。但是内容肯定是加密的。每天一篇计划的随笔会不会太水,是太水,可是所有计划写到一篇里更不现实。还有一种办法就是周计划,也就是一周写一个计划。
    以前总是写计划都不是按天的,而是一定时间内的,比如做XXX项目,读完XXXX书,我觉得这样的计划不周密,没有执行力。真正的计划应该是:今日做XXX项目的XXX功能、读XXX书的第XXX章第XXX节
  • 保障工作时间
    禁止工作时间打扰,手机勿扰模式,闹钟设置(早8点、中午14:10)
相关文章
|
2月前
|
人工智能 安全 Java
Spring Boot 中使用 Function 和异步线程池处理列表拆分任务并汇总结果
在Java开发中,处理大规模数据时常常需要将列表拆分为多个子列表进行异步处理并汇总结果。本文介绍如何在Spring Boot中使用Function和异步线程池实现高效且可维护的代码,涵盖结果封装、线程池配置、列表拆分处理及结果汇总等关键步骤。
111 0
|
10月前
|
存储 缓存 前端开发
SPA 单页面的优缺点
单页面应用(SPA)优点包括:用户体验流畅、无需刷新页面、减少服务器压力。缺点有:SEO优化困难、初始加载时间长、前端逻辑复杂。
|
11月前
|
安全 量子技术 数据安全/隐私保护
量子计算硬件:超导量子比特的最新进展
【10月更文挑战第30天】量子计算作为信息技术的前沿领域,超导量子比特作为其核心组件,近年来取得了显著进展。本文将探讨超导量子比特的原理、制造、性能提升及未来展望,展示其在量子计算中的重要作用和潜力。
|
开发框架 运维 应用服务中间件
阿里云轻量应用服务器82元和298元与云服务器99元和199元区别及选择参考
目前阿里云推出了几款价格比较实惠的轻量应用服务器和云服务器,轻量应用服务器有2核2G3M 50GB高效云盘,价格为82元1年;2核4G4M 60GB高效云盘,价格为298元1年;经济型e实例2核2G,40G ESSD Entry盘,3M带宽,价格为99元1年;通用算力型u1实例2核4G,80G ESSD Entry盘,5M带宽,价格为199元1年。本文将对这几款轻量应用服务器和云服务器进行对比和测评,分析其性能和适用场景,以供大家选择参考。
阿里云轻量应用服务器82元和298元与云服务器99元和199元区别及选择参考
|
存储 人工智能 测试技术
python自动化测试实战 —— CSDN的Web页面自动化测试
python自动化测试实战 —— CSDN的Web页面自动化测试
440 0
|
数据安全/隐私保护 索引
Kibana安装部署
Kibana安装部署
|
NoSQL Unix 开发工具
【深入解析git和gdb:版本控制与调试利器的终极指南】(上)
【深入解析git和gdb:版本控制与调试利器的终极指南】
271 0
|
移动开发 小程序 API
uniapp条件编译
uniapp条件编译
|
机器学习/深度学习 人工智能 开发框架
大模型为什么是深度学习的未来?
与传统机器学习相比,深度学习是从数据中学习,而大模型则是通过使用大量的模型来训练数据。深度学习可以处理任何类型的数据,例如图片、文本等等;但是这些数据很难用机器完成。大模型可以训练更多类别、多个级别的模型,因此可以处理更广泛的类型。另外:在使用大模型时,可能需要一个更全面或复杂的数学和数值计算的支持。深度学习算法不需要像大模型那样训练大量数量的模型来学习特征之间的联系。深度学习算法是基于神经元的,而大模型是利用大量参数训练神经网络。本文从大模型与深度学习方面入手,解决大模型是否是深度学习的未来的问题。
3587 0
大模型为什么是深度学习的未来?
|
弹性计算 负载均衡 容灾
阿里云服务器地域和可用区怎么选择?方法来了
阿里云服务器地域选择方法,什么是可用区?阿里云服务器可用区选择攻略,阿里云服务器地域和可用区选择攻略
2259 0
阿里云服务器地域和可用区怎么选择?方法来了