「我们可以慢一点、稳一点，也可以快一点、乱一点。我们选又快又乱。」
2023 年 1 月初，Shopify 首席运营官卡兹·内贾提安给员工发了这句话。接着，一个程序挨个钻进每个人的日历，把所有三人以上的例会删光。按公司自己的估算，删掉将近 1 万场会，超过 7.65 万个小时。两周之内，谁也不许加回去。周三重新恢复为无会日。
一个月后，内贾提安在美国国家公共电台的采访里转述了一位工程师的话：很久以来第一次，能干自己当初被招进来要干的活，整天写代码。
删掉多少场会，好数。那些空出来的周三变成了什么，就没那么好看清了。
一张空工作台
空出来的时间，用在难事上、不受打扰，才算深度工作。
卡尔·纽波特是计算机科学教授，也是畅销书作者。2012 年 11 月，他在博客上给这个想法起了名字。他写道，深度工作是「认知上吃力的活动，调动我们受过的训练，产出稀有而有价值的成果，并推着我们的能力不断提高」。与之相对的浅层工作，是「几乎任何人稍加训练就能完成」的事：回邮件，安排杂务，摆弄社交媒体。他认为，浅层工作诱人，是因为它容易，于是让人觉得很有成效，而且人们喜欢那种你来我往。
2016 年，他在《深度工作》一书里把它推成一个更大的论断，他自己网站上的概括是：不受干扰地专注的能力，正变得越来越有价值。
清空的日历是一张空工作台。少不了它，可它自己什么也做不出来。纽波特的建议落在接下来那一步。他写道，深度工作耗费精力，别指望从浅层工作直接滑进去，要有个仪式把自己渡过去。他在那篇博文里写了自己的：关掉电脑，关掉顶灯只留台灯，煮一杯咖啡，在门上挂「请勿打扰」的牌子。
护住的时间也会漂走。在 1999 年发表的一项研究里，研究者莱斯利·珀洛帮一支软件团队每周护住三个上午。一年后，团队的奖励方式没变，这个做法也就散了，创客日程与经理日程里讲过这件事。
是论证，不是研究结论
纽波特的说法是一种论证，写在随笔和面向大众的书里。底下能托住它的研究，范围要窄得多。
任务切换确实有可测的代价：索菲·勒罗伊关于注意力残留的实验发现，丢下一件没做完的事去做下一件，下一件会做得更差。但代价不一定表现为产出变差。2008 年，格洛丽亚·马克等人在实验室里请 48 人（多数是德国大学生）扮演人力资源经理回复一堆邮件，一位「上司」大约每两分钟打断他们一次。扣除打断本身花的时间，被打断的人处理邮件用时更短，质量上没有发现显著差异。代价落在压力上：才过 20 分钟，他们就报告压力、挫败感、时间紧迫感和费力程度都更高。
按纽波特的定义，回复例行邮件是浅层工作，所以这项研究并没有直接检验他的论断。它说明的是：在例行的活儿上，打断可以被消化掉，只是代价让人感受得到，从产出上却看不出来。至于深度工作在整个经济里是不是越来越值钱，那是更大的论断，这类实验室研究回答不了。
Shopify 自己的数字也有同样的缺口。彭博社 2023 年 7 月报道，Shopify 员工人均开会时间在当年头五个月比上年同期少了 14%；内贾提安说，这对今年完成项目数预计增加 18% 有帮助。那是预计，而且出自做出这项改变的公司。
自己填满的周三
假设你是数据分析师，团队刚定下周三不开会。第一个周三到中午，你清掉了四十条消息，整理了一块看板。没人打扰你，可难事也一件没做。
下一个周二晚上，你写下周三上午要啃的那一个问题：流失模型为什么会高估年付客户。你把聊天软件关到中午。午饭前，你有了一页笔记，还有一个按预期失败的测试。那些消息，十二点一刻还在那儿等你。
当助手替你做了难的部分
纽波特的定义还有后半句，很容易被略过：推着能力不断提高。Anthropic 2026 年的一项研究，测的就是 AI 助手对这一部分有什么影响。
52 名软件工程师，以初级为主，每周都用 Python，但从没用过一个叫 Trio 的库，要用它做出两个功能。其中一部分人随机分到侧边栏里的 AI 助手，只要开口，它就能给出正确代码。做完以后，所有人就刚用过的概念做一次小测。
用 AI 的一组大约快了两分钟，这个差别在统计上不显著。小测上，他们平均得分 50%，自己动手写的一组平均 67%。差距最大的是调试题。研究者推测，自己写的人遇到的错误更多，又是自己解决的，于是从卡壳里学到了东西。主要拿概念问题去问助手、或者让它解释的人，比把写代码整个交出去的人得分高；不过作者说，这只是关联，不是因果。
局限也要说清：样本小，小测紧接着任务做，测的设置也和 Claude Code 这类智能体工具不同，作者预计后者对学习的影响会更明显。
下次借助手学一个新工具时，可以在其中一块上只让它解释、不让它直接给成品代码，然后不靠它写下一块，看能不能跑通、过不过测试。多试几个任务再下结论，一个任务说明不了多少。
2023 年初，Shopify 的某个地方，一位工程师整天都在写代码。日历能告诉你那些时间空出来了；它们被用来做了什么，只有那份活儿能说明。