第6期 - 时间陷阱

这周有两件特别耗时间的事情，第一个是工作上的事，下个星期要开学，所以要提前准备各种资料，包括但不限于：

• 更新课件，去年的一些资料今年或许已经失效了
• 准备新生见面，得准备PPT
• 清理之前的所有事情，比如学术不端听证会等 这周我的时间被两件性质截然不同的事情瓜分，这也让我对“时间用在打工，就没时间来赚钱”这句话有了更深的体会。

工作的“重复性低效劳动”

第一件事是工作上的例行准备。下周就要开学了，我必须提前准备各种资料，耗费了大量的精力：

• 课件更新： 去年的一些资料今年可能已经失效，需要全面翻新。
• 新生见面会： 准备 PPT 和流程。
• 清理事宜： 处理完之前所有的收尾工作，比如学术不端听证会等。

这些事情消耗了我至少 80% 的精力，但它们对我自身的价值增长其实很低。这属于典型的重复性低效劳动：每年都是类似的事情，必须去做，可我除了增长一点熟练度，很难对外部世界产生积极影响。我的时间被锁在了这种低效的循环里。

价值的“高难度创造产出”

第二件事则与工作完全相反，它是一件可以给我增加价值的事情——我与“得到”合作录制了一门新课。从准备阶段到这周的正式上线，这一个月的时间里，我全身心投入，收获良多，但也尝尽了苦头。

我前后最少花了 10-15 个小时在课程上。光是内容的打磨就产出了好几个版本，而录制过程更是折磨。由于上线时间是硬性 DD L（死线），我只能极限压缩自己的时间。

特别是真人出镜环节，我用遍了手头的设备：手机、GoPro、大疆 Pocket 3，都没能彻底解决我的眼镜片反光问题。最终上了单反才解决，而其背后的时间成本令人咋舌：有效时长 3 分钟的内容，实际录制时间超过 4 个小时。

AI 课程背后的“普适性”挑战

这门课的内容是如何用 AI 来解决本地文件的批量处理问题。

痛点非常明确：绝大多数 AI 工具对文件上传数量和大小都有严格限制。如果我有一个包含 100 个文件的文件夹需要 AI 处理，我必须一个一个手动上传，效率极低。

我的解决方案是利用 Trae + Qwen 的组合方法，本质上是利用大模型自身能力，代替我们手动上传和处理，同时增加了可批次处理的数量。当然，对于特别私密或机密的文件，手动操作依旧是最稳妥的选择。

细节的陷阱与新手门槛

然而，在实现的过程中，我遇到了无数的“坑”：

文件格式转换： Word、Excel、PPT 不能直接被 AI 处理，必须经过转换。方法很多，但为了让所有学员都能掌握，我采用了最简单的方式：利用 AI Coding 来编写 Python 脚本处理。

跨系统环境差异： Windows 和 Mac 的 Python 环境不同。Mac 自带 Python，但 Windows 用户需要自行安装，这对彻底的新手来说是一道不小的门槛。

为了让课程具备普适性，我还必须解决一系列底层问题，例如：

如何正确安装 Node.js？

如何指导 Windows 用户获取管理员权限？

如何在命令行中确认操作文件夹的范围？

我是发自真心地觉得，一门课程想要真正做好，难度的确很高。你必须跳出自己的专业视角，去思考和解决“共性”问题，才能真正降低新手的学习门槛。

上线后的反馈与深度思考

课程上线后，结果可以说是苦乐参半。虽然头三天的浏览量非常少，但这门课收到的用户反馈数量非常多。这相当于有几千人正在给我找 Bug。

从主编口中得知，这确实是他们尝试的难度较高的课程之一。我对此深有同感。这种需要跟本地内容深度交互的课程，与在某个 AI 软件的沙盒环境中运行程序完全不同。

其难度和随机性极高：

• 用户的操作系统版本不同
• 用户的本地环境配置不同
• 脚本运行时权限和路径问题层出不穷

可以说，每次用户运行都像是一次不可控的现场测试。这让我更加深刻地体会到：高质量的价值创造往往伴随着高复杂度、高挑战性。虽然耗费了巨大的精力，但这种对复杂系统和普适性的深入思考和解决，才是真正能沉淀为自身能力和外部价值的东西，这远比在工作中做那些重复性的低效劳动更有意义。