Strip Artificial Complexity

---
name: strip-artificial-complexity
description: 当意识到自己因追求“完美方案”、“秘密知识”或过度理论化而拖延实质性行动时
---

# strip-artificial-complexity

## When to Use

当意识到自己因追求“完美方案”、“秘密知识”或过度理论化而拖延实质性行动时description

## Core Logic

# 执行步骤

1.  **识别复杂性信号**：审视当前任务，判断是否存在以下情况：
    *   **输入**：当前任务描述、已收集的信息、计划采取的行动。
    *   **操作**：自问：“我是否在寻找一个不存在的‘完美’方案？”“我是否在过度研究，试图掌握所有‘秘密’知识后才敢开始？”“我当前的计划是否比完成目标所需的基本步骤复杂得多？”
    *   **判断标准**：能明确列出至少一个将行动复杂化的具体想法或行为。
    *   **输出**：一份“人为复杂性”清单。
    *   **常见误区**：将必要的背景研究或合理规划误判为“人为复杂性”。

2.  **剥离复杂层**：针对识别的每一项复杂性，将其替换为最基本、最直接的行动原则。
    *   **输入**：“人为复杂性”清单。
    *   **操作**：对清单中的每一项，追问：“完成这件事最核心、不可省略的一步是什么？”或“行业内公认的、最有效的初级做法是什么？”将复杂的计划简化为基于此核心原则的单一、明确的下一步行动。
    *   **判断标准**：为每个被识别的复杂点，都定义了一个具体的、可立即执行的简单动作。
    *   **输出**：一个简化后的“核心行动步骤”清单。
    *   **常见误区**：简化过度，忽略了成功所必需的基础步骤（如发布产品前必要的质量检查）。

3.  **执行与迭代循环**：立即开始执行简化后的核心步骤，并建立“行动-反馈-调整”的循环。
    *   **输入**：“核心行动步骤”清单。
    *   **操作**：
        a. 执行清单上的第一个或最优先的步骤。
        b. 完成后，收集结果和反馈（无论是成功、失败还是数据）。
        c. 基于反馈，仅对后续步骤进行必要的最小化调整。
        d. 重复 a-c 步骤，持续推动任务进展。
    *   **判断标准**：任务取得了可衡量的进展（如完成了初版、获得了用户反馈、解决了具体问题）。
    *   **输出**：任务进展成果与实时反馈数据。
    *   **常见误区**：在获得一次反馈后，又陷入为“优化”而设计复杂新方案的老路，中断了持续执行的循环。

# 输出格式要求

向用户清晰呈现：
1.  **识别出的复杂性**：列出发现的拖延性复杂想法。
2.  **简化后的核心行动**：将每个复杂点转化为一个具体的下一步行动。
3.  **启动指令**：明确建议用户立即开始执行哪一个最简单的行动。

## Metadata

| 属性 | 值 |
|------|-----|
| 领域 | 个人成长 |
| 类型 | procedural (procedural) |
| 置信度 | 90% |
| 前置条件 | 已明确需要完成的目标或任务 |
| 来源 | 习惯 4：创造人为的复杂性 |