听说你又在做着规划骗自己

2024-04-03 02:58
文章标签 规划 听说

本文主要是介绍听说你又在做着规划骗自己,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

反省系列:

第一篇:你真的很忙吗?

第二篇:听说你又在做着规划骗自己

第三篇:我们都在成全别人眼中的自己


第二篇: 听说你又在做着规划骗自己

幸福,不是极致的巅峰快乐,因为有高峰一定会有低谷,幸福应该是情绪的一条直线,对内心各种追问的最终停息。

 

每逢年初,大多数人都会写粘膜总结和新年计划。我会问自己,过去一年的任务完成得怎样,新年我又要做什么呢?因为“喜大好功”,年初给自己设置的一系列目标,到了年末就会加剧自己的沮丧。14年年初设定的那些人物和期许,到年末未遂,回望的部分里不免有深深地挫败和悔恨。

 

这几天,我对14年所有的工作做了回顾和反省,这些曾经让我期待满满的希望或许只能被新年的祝福掩埋,时过境迁,新的环境下的新计划又应运而生,这些目标夭折的挫败源于我无法平衡付出和期许——总以为自己努力的有很多,沉不住气的过于心急道道目标,却又吝啬耗费精力,同时又无法释怀期许出产的诱人收获,如此循环往复,矛盾正反馈。

其实,客观事实就在那里,只是不想看到。一个人能量是有限度的,对一件事,时间、精力、心力的投入与结果成正比。不先做选择和舍弃,你很难单独谈对某件事的收获。

 

在这背后是人的“任性”。人是情绪化,而非理性的,你想要一个东西就只顾表达我想要,而不是在客观基础上保持清醒地去选择,并且有所克制。就像去年年初我是这么想的,我想要尽力陪伴孩子,也想要自己的事业攻克瓶颈,想要成为朋友圈里时常带来贴心温暖的人,也想要把家里的饮食、保健、理财一切关系料理得妥当安稳……但你只要静下心来分配一下你的24小时,就知道这真是需要机器人才能做到的。

 

若再深入一步,就会看到对“自我限度”的拒绝承认,原因可能是对各种表面的名相、身份的执念。我那么想要成为好的妈妈、好的妻子,是因为我觉得自己不够好,是一定要成为“某人”,才觉得自我价值被证明。那种优秀的感觉,那种一切尽在掌握的控制感,为什么又是我想要牢牢抱住的人生状态?

 

规划也许真的是一种病。奋力想要成为“某人”,只是因为你对现在你“还不是某人”那种沮丧的反抗。规划得越用力,越是满篇的对自己不满。我羞愧地想起“女人要爱自己”,这话说烂了。至于如何爱自己,今天才领悟是一门课。事到临头,我才真正发现我还是不爱自己的,我只是在要求自己做什么,同时也要求自己爱自己,又不知道自己是谁要什么。

 

今年要看多少书、做几个项目,一点都不重要,是要找到一种生活方式,而这种生活方式是个性化的,只完全基于你内在心理动能的,让外在的节奏跟内心的动能保持同一个鼓点共振。

 

“自我的真相”是客观的,你要是做一件事不由衷,你无论怎么科学规划,你的节奏还是合不上那件事的节奏的。而你不选择承认真相的原因也很简单,就是一些所谓规划时的对比、分析,功利化的思维是趋利避害。这种生存策略,不过是远古人类因为大自然生存环境恶劣,而让头脑里做的短期选择。“自我的真相”在这里往往被称为“太理想化”,但只有放在长期效应的视野里,符合真实自我的节奏跟动能才是我们做好一件事的关键。

 

至于节奏感与克制,既然不能平衡自己的精力在各种事务当中的撕扯,但又止息不了任何事都想做好的完美病,所以我醉心于规划,且是负担不了的失败规划,从而总是体验沮丧感。有时候是惰性,有时候只是贪心,有时候又只是对优秀角色的虚荣执着。

 

爱自己,不是要最完美,而是爱真实自己内在的节奏感,生命自有一种轨道会自己运行,能要的就要,不要的就不要,做到几分是几分,不要有太多马上要效果的思想。最重要的是培养对快乐的路径依赖,才不会今天想睡懒觉而懈怠,不因为一点点新年的热闹烟花、别人的一点评价和眼光,而乱了内心的安宁。因为你知道什么是大快乐,自然不会对这些小放纵动心。

 

“人,可以很简单地活着。做你喜欢的事,其他交给时间,什么都不用想。像一滴水,只是下落,石头总有一天会穿,但水只是无心。理想有生命,是会自己长成自己的样子。关键是每天听到水滴的节奏。人可以不用规划,一切只在无心且用心而已。”

 

这篇关于听说你又在做着规划骗自己的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/871739

相关文章

大语言模型(LLMs)能够进行推理和规划吗?

大语言模型(LLMs),基本上是经过强化训练的 n-gram 模型,它们在网络规模的语言语料库(实际上,可以说是我们文明的知识库)上进行了训练,展现出了一种超乎预期的语言行为,引发了我们的广泛关注。从训练和操作的角度来看,LLMs 可以被认为是一种巨大的、非真实的记忆库,相当于为我们所有人提供了一个外部的系统 1(见图 1)。然而,它们表面上的多功能性让许多研究者好奇,这些模型是否也能在通常需要系

IPD推行成功的核心要素(十一)技术规划与平台规划促进公司战略成功

随着外部大环境的影响,各企业仅有良好的愿望是不够的。预测并顺应新兴市场和技术的变化,变危机为转机,不断推出强大的产品才是一个公司持续繁荣的根本保障。而高效的产品开发往往是基于某些关键技术,针对市场推出的一个或几个产品系列,这些产品系列通常共用一些产品平台,共用一种或者几种关键技术。当一家企业进入了平稳发展期,已经建立了较为完善的管理制度和产品开发流程,但是依然认为竞争对手是那样强大,那样不可战胜。

鹅算法(GOOSE Algorithm,GOOSE)求解复杂城市地形下无人机避障三维航迹规划,可以修改障碍物及起始点(Matlab代码)

一、鹅算法 鹅优化算法(GOOSE Algorithm,GOOSE)从鹅的休息和觅食行为获得灵感,当鹅听到任何奇怪的声音或动作时,它们会发出响亮的声音来唤醒群中的个体,并保证它们的安全。 参考文献 [1]Hamad R K, Rashid T A. GOOSE algorithm: a powerful optimization tool for real-world engineering

自动驾驶规划中使用 OSQP 进行二次规划 代码原理详细解读

目录 1 问题描述 什么是稀疏矩阵 CSC 形式 QP Path Planning 问题 1. Cost function 1.1 The first term: 1.2 The second term: 1.3 The thrid term: 1.4 The forth term: 对 Qx''' 矩阵公式的验证 整体 Q 矩阵(就是 P 矩阵,二次项的权重矩阵)

动态规划DP--斐波那契数、爬楼梯、使用最小花费爬楼梯等示例代码

动态规划DP 文章目录 动态规划DP509. 斐波那契数70. 爬楼梯746. 使用最小花费爬楼梯62. 不同路径63. 不同路径II343.整数拆分 509. 斐波那契数 509. 斐波那契数 斐波那契数 (通常用 F(n) 表示)形成的序列称为 斐波那契数列 。该数列由 0 和 1 开始,后面的每一项数字都是前面两项数字的和。也就是: F(0) = 0,F(1) =

「动态规划」如何解决单词拆分问题?

139. 单词拆分https://leetcode.cn/problems/word-break/description/ 给你一个字符串s和一个字符串列表wordDict作为字典。如果可以利用字典中出现的一个或多个单词拼接出s则返回true。注意:不要求字典中出现的单词全部都使用,并且字典中的单词可以重复使用。 输入:s = "leetcode",wordDict = ["leet", "c

如何用动态规划解决0-1背包问题(C语言实现)

对于一组不同重量、不可分割的物品,我们需要选择一些装入背包,在满足背包最大重量限制前提下,背包中物品总重量的最大值是多少?假设此时是5个物品,2,2,4,6,3,然后背包最大承载两是9. 假如我们使用回溯算法解决该问题, 代码如下 int maxW = 0; //最大重量int n = 5; //物品数目int w = 9; // 背包最大重量int weight[] = {2,2,4,

构建家庭NAS之二:TrueNAS Scale规划、安装与配置

首先声明一下,我用的版本是TrueNAS SCALE 24.04.1.1(目前的最新版本),其它版本的界面和操作方式或有不同。我安装使用过程中网上的一些教程里的操作方式和这个版本不一样,造成了一些困扰。 TrueNAS SCALE的最低硬件需求: 双核64位CPU8 GB内存(推荐16GB)16 GB SSD 系统盘2个相同容量的数据盘(其实1个盘也可以,后面细讲)不需要硬件RAID卡 存储

宇哥强调!7月份必须开始强化阶段(附规划)

七月开始强化不晚,但是要开始了! 张宇老师说:七月,也就是暑假是大家学习的最佳时机,这个时候要大量的做题! 如果你是三月份开始备考的,那么到了七月份,基础应该复习的差不多了,现在刚好是六月中旬,马上就要七月份了。也该开始准备强化复习了,但是进入强化之前,我建议大家对基础进行一个收尾工作,因为毕竟前面学的知识点是很久以前的了,不复习一下,很容易就忘掉了。 给大家准备了一个list,可以按照这个

Apollo9.0 PNC源码学习之Planning模块(一)—— 规划概览

0 前言 规划本质就是搜索问题,数学角度来看就是寻找函数最优解 规划模块复杂的就是相关的逻辑处理和过程计算 对于规划的三维问题,目前解决方案:降维+迭代 将SLT问题分解为ST和SL二维优化问题:在一个维度优化之后,再另一个维度再进行优化,最后整合成三维的轨迹。 虽然降维后分开求解再合并的解并不是高维下的最优解,但是已经足够使用 Apollo9.0的planning代码框架 pl