帕累托法则又称 80/20 法则，原指意大利 80% 的土地由 20% 的人口拥有，后被推广为：在大量复杂系统中，约 20% 的输入会产生约 80% 的输出。其底层并非"恰好 80/20"，而是结果在输入维度上呈幂律分布——少数因子被反馈循环、网络效应或复利不断放大，导致回报极度非线性。
非显然的洞察是：80/20 是可递归的——20% 的 20%（约 4%）通常贡献 64% 的结果。这意味着真正的"超级杠杆点"远比你想象的稀少；同时，长尾的 80% 并非"无用"，它们是系统的稳定底座与可选性来源，不能简单砍掉。识别关键 20% 的难点在于：人们倾向于按"努力感"而非"输出感"分配注意力。
实操方法：①每周做一次"输出审计"，把所有任务按结果而非耗时排序，找出真正驱动结果的 1-3 项；②对剩余 80% 采取"自动化、外包、降级、删除"四象限处理；③警惕"伪 20%"——那些看似重要但只满足你情绪的高频小事。
经典例子：微软发现 Windows 中 20% 的 Bug 导致 80% 的崩溃。集中修复这 20%，用户体验改善的边际效应远大于均匀修复。
场景 · BigCat：在 AI 工作流中，你可能维护着 30 多个提示词模板，但实际产出价值的往往只有 5-6 个。把这 5-6 个打磨到 S 级，并配上评测集与版本控制，远胜过把 30 个都做到 B 级。
本周你计划做 12 件事——三场客户沟通、两个投资尽调、孩子家长会、两篇行业研报、四个 AI Agent 调试。先问自己：哪 2-3 件做完会让"本周值得"？把它们放进上午的高能量窗口；其余的，敢不敢直接砍掉一半？
中文模板
你是一位效率教练。我的角色是 [你的角色]，当前目标是 [本周/本月目标]。
以下是我列出的全部任务清单：[任务1, 任务2, ...]。
请用帕累托法则帮我分析：
1) 识别可能贡献 80% 结果的 20% 任务，并说明理由；
2) 对其余任务，给出"自动化 / 外包 / 降级 / 删除"建议；
3) 指出我清单中可能是"伪 20%"的任务（看似重要、实则情绪驱动）。
English Template
Act as a productivity coach. My role is [your role], and my objective for [time window] is [goal].
Here is my full task list: [task1, task2, ...].
Apply the Pareto Principle to:
1) Identify the ~20% of tasks likely to drive 80% of the outcome, with reasoning;
2) Recommend automate / delegate / downgrade / delete for the rest;
3) Flag any "pseudo-20%" tasks that feel important but are emotion-driven.
帕金森定律由英国历史学家西里尔·诺斯古德·帕金森提出："工作总会自动膨胀，直至占满所有可用时间。"原始版本还包含组织学含义：官僚体系会自我繁殖，不论实际工作量如何。这背后是两重机制：心理上的"完美主义+拖延"组合，结构上的"无约束系统倾向于熵增"。
非显然的洞察是：截止日期不仅是约束，更是创造性催化剂。一个被压缩的时间盒迫使大脑跳过"穷举式思考"，直接进入"启发式决策"，这与神经科学中"认知预算紧张时前额叶切换到快速通道"一致。但极端压缩也会触发应激与质量塌陷，最优时长通常是"你直觉估计的 60-70%"。
实操方法：①给每个任务设"挑战截止时间"而非"舒适截止时间"；②采用"时间盒倒计时"——开始前可见的物理计时器比模糊的"两小时左右"有效得多；③定期做"如果只给一半时间，我会怎么做？"思维实验，强行暴露隐藏的低效环节。
经典例子：一个学生有一周写一篇 3000 字论文，往往拖到最后一晚熬夜完成；若老师改成两天交，质量并不一定下降，反而早交。
场景 · BigCat：训练一个 LLM 微调任务，团队估算"两周"。若强制改为"5 个工作日 MVP + 1 周打磨"，团队会被迫先选最小可用数据集、跳过非关键超参搜索，反而更早拿到反馈信号。
你准备写一份 AI 行业季度复盘，原计划"周末两天"。试试改为"周六上午 90 分钟，一气呵成出 v1"。把闹钟可见地放在桌上。你会发现，被砍掉的恰好是反复打磨的废话段落。
中文模板
我要完成的任务是：[任务描述]。我直觉估计需要 [X 小时/天]。
请基于帕金森定律：
1) 给出一个"挑战时间盒"（约 60-70%）和对应的可交付物清单；
2) 列出在压缩时间下应优先保留 / 主动放弃的环节；
3) 设计 3 个"如果只剩一半时间"的应急路径。
English Template
The task I need to complete is: [task description]. My intuitive estimate is [X hours/days].
Using Parkinson's Law, please:
1) Propose a "challenge time-box" at ~60-70% of my estimate, with concrete deliverables;
2) List what to keep vs. deliberately drop under compression;
3) Design three fallback paths assuming only half the time is available.
时间块理论主张：不要写 to-do list，而要把任务直接预约进日历的具体时段。其核心是把"任务"转化为"约会"——一旦它有起点、终点、地点和能量等级，大脑就会从"还要做"切换到"正在做"的执行模式。Cal Newport 把它推向极端版本：每天每分钟都被预先分配。
非显然的洞察来自神经科学：人脑对"未完成任务"持有持续的认知负荷（Zeigarnik 效应），而把它写入日历的瞬间，大脑会暂时释放工作记忆——因为它信任未来的自己会在那个时间点接管。此外，时间块对抗"决策疲劳"：你不再每隔 15 分钟问一次"下一步做啥"，那部分前额叶预算被释放到任务本身。
实操方法：①区分"深度块"（90-120 分钟，无干扰）、"浅度块"（30-45 分钟，处理沟通/小事）、"过渡块"（15 分钟，复盘+切换）；②给每个块标注能量等级（高/中/低），匹配你昼夜节律的峰谷；③接受"块会失败"——预留 20% 缓冲块用于追赶，不要密铺。
经典例子：比尔·盖茨的"思考周"——一年两次把整整一周时间块化为"只读书+思考"，不接待任何人。结果是若干公司级战略转折点都在那两周内诞生。
场景 · BigCat：把"AI 学习"模糊地写在 to-do 上等于不做。改成：周二 6:30-8:00 = 深度块·读一篇 paper + 用 Claude 跑一次对照实验；周四 21:00-21:30 = 浅度块·整理本周提示词版本。
作为妈妈，你的高能量窗口可能是孩子上学后到中午的三小时。把这三小时锁死为"创造块"——只做需要前额叶峰值的事（写作、决策、AI 编排）。任何回消息、报销、家务，一律推到 14:00 后的浅度块。
中文模板
我的角色是 [角色]，明日要处理的任务包括：[任务列表]。
我的能量峰值时段是 [时段]，低谷时段是 [时段]，固定约束是 [接送孩子/会议/etc]。
请帮我设计明日的时间块表：
1) 标注每个块为深度/浅度/过渡，并匹配能量等级；
2) 至少保留一个 90 分钟以上的深度块；
3) 预留 20% 缓冲，并指出最可能崩盘的环节。
English Template
My role is [role]. Tomorrow I need to handle: [task list].
My peak energy window is [time]; my trough is [time]; fixed constraints are [school run / meetings / etc].
Design my time-block schedule with:
1) Each block tagged as deep / shallow / transition, matched to energy level;
2) At least one deep block of 90+ minutes;
3) A 20% buffer reserve, plus the most likely point of failure.
MVP（最小可行产品）由 Eric Ries 在《精益创业》中系统化提出。它不是"做一个简陋版本"，而是"以最小代价完成一次完整的'构建—测量—学习'循环"。关键词是"可行"——它必须真实暴露在用户/市场/反馈环境中，否则只是缩水版瀑布开发。
非显然的洞察是：MVP 的产出不是"产品"，而是"经过验证的认知"。许多人误把 MVP 做成"漂亮但用户少"的版本，错过其本质——它是降低不确定性的工具。第一性原理来看：在高不确定环境下，反馈频率决定进化速度，正如生物进化中代际越短的物种适应越快。MVP 把"研发-试错"代际从季度压到周，复利效应惊人。
实操方法：①写下"我最想验证的一个假设"——只一个；②设计验证它所需的最小动作（可能不是写代码，而是发问卷、做落地页、手工服务）；③预设"红绿线"：什么结果会让你 pivot、persevere 或 kill。MVP 不是终点，而是连接现实的第一根管道。
经典例子：Dropbox 早期没有先做云同步系统，而是发布一段 3 分钟的演示视频。视频带来的等候名单激增，验证了需求存在，再投入工程资源。
场景 · BigCat：你想做一个"AI 育儿教练"产品。MVP 不是 App，而是：用 Claude + 一份精心写的系统提示词，做成 Telegram bot，邀请 10 位妈妈用一周，收集对话日志和满意度。如果留存 <30%，假设需 pivot。
你想测试一个新的投资判断框架（结合第一性原理 + AI 行业趋势）。不要先写一份 50 页方法论。本周用它真实分析一家公司，写一页纸结论给信任的朋友看，问："你愿意基于这页纸做决策吗？"——这就是你的 MVP。
中文模板
我正在构思的项目/想法是：[项目描述]。
我最希望验证的核心假设是：[假设陈述]。
请用 MVP 思维帮我设计：
1) 一个本周内可以执行的最小验证动作（鼓励非代码形式）；
2) 我应该收集哪些定量+定性反馈信号；
3) 红/黄/绿三档结果，分别对应 kill / pivot / persevere。
English Template
The project/idea I am exploring is: [project description].
The single most important hypothesis I want to validate is: [hypothesis].
Using MVP thinking, design:
1) The smallest validation action executable within one week (non-code formats welcome);
2) The quantitative and qualitative signals I should collect;
3) Red / yellow / green outcome bands mapped to kill / pivot / persevere decisions.