今天給大家分享一個蝗蟲學習法，包括一個蝗蟲讀書法和一個蝗蟲寫作法。
蝗蟲學習法的核心精要是，只看數量，不看質量，只看數字，不看深度，只淡感覺，不談價值。
如果學習了蝗蟲讀書法，那在讀書的時候，只關注讀過的書的本數和字數，不談論對具體的書的吸收應用，不強調書與書的不同。量子波動速讀以及各類以右腦開發為賣點的影像閱讀法等，就屬於蝗蟲讀書法，可以讓人們在短時期內積累大量的“閱讀數量”。
如果學習了蝗蟲寫作法，那就是在寫作的時候，只專注寫作的字數，不談論寫出的文字的含金量與深度，不關注字詞句段篇章的差異。語音識別技術的出現，使蝗蟲寫作法成為現實，尤其是科大訊飛類產品的移動互聯網化，讓人們可以零成本通過說話的方式，短時間積累大量“文字”。
這種蝗蟲學習法有什麼優點？
蝗蟲學習法在早期對於學習者的好處是，通過數值的累積可以幫小白快速爆破開始行動的沉默期。通過簡單的數量相加，可以讓初學者產生信心，獲得成就感，相信自己可以做得更好，從而更願意加倍投入，這對於拯救廢柴來說，很有作用。
但是也不是沒有缺點：
如果習慣於純粹積累數量作為進步的標尺，就容易出現為了刷量而刷量的造假行為。這就像漫天蝗蟲一樣，看上去繁華，繁殖力強，其實是有危害的。對於我們的作品與產出，數量僅僅是一個方面，更重要的是質量、深度以及背後所蘊含的對於專業的投入。這些不是簡單的通過數字來衡量，而且把數量堆積上以後，邊際效應往往也是遞減的。
例1：拿我自己舉個例子。
我在最開始持續行動寫作的時候，就會統計今天是持續寫作的第X天，而且會統計自己寫了多少天，我一直統計到了1000天。而且在這個階段，我會在自我的介紹中，特意強調自己寫了多少天。如果你是在2016-2017年左右關注我的話，你可能會對“1000天持續寫作”或者類似的標籤留下印象。
對於初階的行動者，通過數量作為自己的行動里程碑，是很有驅動力而且很刺激的。不過，等我們持續到一定階段後，這些標榜就不是很重要了。但是這不是說明以後積累不重要，行動可以停止，而是說明我們的持續行動進入了一個新的階段，純粹的數量上的增加，已經不再是主要矛盾，沒有必要沉溺其中。所以你可以看我近兩年的文章，已經很少再說這些了。
關於這個問題，我在《持續行動》這本書裡有論述，有興趣可以看看。
例2：再以其他人舉個例子。
我有個朋友會有寫覆盤的習慣，最開始不太願意寫，字很少，於是我請他多寫一點。後面我看他字越寫越多，心裡還挺欣慰。再後面又發現他一週的覆盤能寫1萬字，但是質量還不如早期千字左右，裡面很多隻是在倒情緒垃圾，囉嗦冗長。
我就問，是不是在用語音轉文本的方式寫作。他說，你怎麼發現的。我說你快別用這個玩意覆盤了。他問為什麼。我說，覆盤是要用腦子認真寫，是需要想的。如果你用語音，為了把話完整地說出來，你會選擇講那些更容易反應出來的話，降低了文字的思考密度。而且如果一個人在正式寫作上訓練的少，在口語表達上的欠缺就會更明顯。看上卻省了打字的時間，但是卻讓你的思考不深入，還沉浸在字多的滿足上。
寫作上不要偷懶，該打字的時候要打字，因為書面語言與口頭語言還是不一樣。我們可以利用語音轉文本提高效率，但是要知道什麼時候能用，什麼時候不用，要知道工具背後有自己的侷限。
例3：以讀書為例。
如果你從來不讀書，那你蝗蟲一下，搞搞快速閱讀，快速刷量，其實挺好的。一個從來不看書，看到書就頭大的人，突然能變成一天讀一本，一年讀100本，這樣也算有進步。但是一定要知道，這只是過渡階段，需要進入新階段。
到了一個新階段，你就每天都會讀書，更在意質量，而不在意數量，你就會覺得一天一本有點傻。這個時候，你要知道，宣揚一年讀多少本書的，其實就是給新手準備，不再適用於你了。人嘛，是要進步的，如果你總是原地踏步的話，那樣就少了很多樂趣了。
所以這裡就有個矛盾，把你從不閱讀引上閱讀之路的人，可能是快速閱讀的導師。但是如果你要進步，遲早就會拋棄你的導師曾經教給你的，進入新的階段。如果你不願意進入新的階段，那就要原地踏步，這樣你又會覺得老師教給你的，是沒有什麼用的。
這個矛盾怎麼解決？實事求是，一起面對真相，老老實實讀書，就不會有問題了。
結論：
（1）新手可以通過蝗蟲學習法積攢信心，完成原始積累，完成持續行動的訓練。如果你是新手，不妨從蝗蟲開始，至少你積攢了數值。
（2）假如你追求持續進步，一旦度過初始期，新手馬上要進入刻意學習新階段，注重高質量增長，拋棄蝗蟲打法。這個時候你對數字就不再看重，你對其他人對於數字的宣揚，也不會那麼容易動心。
（3）老蝗蟲在幫助新蝗蟲成長的時候，要建立辯證思維，不僅要強調數量的重要性，也要用發展的眼光看問題，強調質量的重要意義。老蝗蟲要相信，如果要成長，成為蝗蟲不是最終的形態。還有老蝗蟲不要靠其他蝗蟲拉新蝗蟲入夥來賺錢，萬一遇到了雞呢。
（4）每個人的學習策略應該符合這個人的水平與發展階段，但是假如你要不斷進步，那遲早你應該脫離蝗蟲階段，這樣才符合學習的正常規律。
閱讀更多 Scalers 的文章
