meaningful-work-identification

name	meaningful-work-identification
description	当个人或团队需要从兴趣或日常工作中，识别并聚焦于能产生持久意义和满足感的核心活动时调用此模型

meaningful-work-identification

When to Use

当个人或团队需要从兴趣或日常工作中，识别并聚焦于能产生持久意义和满足感的核心活动时调用此模型。description

Core Logic

执行步骤

1. 兴趣选择

   • 输入: 个人广泛的兴趣、热情或关注领域列表。
   • 操作: 从中选择一个你当前“深感兴趣”的领域。这个兴趣应能激发你的持续好奇心和投入意愿。
   • 判断标准: 成功选定一个具体、可描述的领域或主题。
   • 常见误区: 选择他人认为“有意义”或“热门”但自己并无真实热情的方向；选择的领域过于宽泛（如“科技”），难以深入。

2. 无情剖析

   • 输入: 选定的兴趣领域。
   • 操作: 对该兴趣进行深度解构。分析其组成部分：相关的知识体系、技能要求、关键问题、历史脉络、不同流派或观点、与你个人经历或价值观的潜在连接点。
   • 判断标准: 产出结构化的分析笔记，将模糊的兴趣转化为可被理解和操作的构成要素。
   • 常见误区: 分析停留在表面，没有触及核心概念或矛盾；分析过程变得枯燥，失去了最初的热情。

3. 公开分享提炼

   • 输入: 经过剖析的兴趣领域分析结果。
   • 操作: 基于你的剖析，在公共场合（如博客、社交媒体、演讲、社群讨论）分享你的故事（你与它的个人连接）、价值观（你认为它为何重要）、愿景（你希望它如何发展或你希望在其中达到什么状态）以及与之相关的生命工作（你具体想从事的相关项目或创作）。分享过程是提炼和清晰化的过程。
   • 判断标准: 产出了面向公众的、连贯的分享内容（文字、视频、演讲等），清晰传达了你的故事、价值观、愿景和具体工作设想。
   • 常见误区: 因追求完美而不敢分享；分享内容与剖析结果脱节，流于表面感想；忽略“价值观”和“愿景”的提炼，只分享事实。

4. 吸引与连接同道

   • 输入: 你的公开分享内容及所体现的核心主张。
   • 操作: 观察和吸引那些对你的分享产生共鸣、提供支持或有价值反馈的个体。主动与这一小群人建立连接，形成基于共同兴趣和价值观的微型社群或协作网络。
   • 判断标准: 识别并连接了至少少数几位（3-5位）真正的支持者或同行者，与之建立了有意义的互动。
   • 常见误区: 追求粉丝数量而非连接质量；急于变现或索取，破坏信任；未能有效维护和发展这些连接。

5. 形成工匠生活方式

   • 输入: 你聚焦的意义方向（来自步骤3的提炼）以及你的支持者小圈子。
   • 操作: 将你在步骤3中定义的“生命工作”与这个小圈子结合，形成一种可持续的、注重技艺和意义创造的“工匠般”的工作与生活方式。这可能意味着共同创作、提供服务、建立品牌或简单的深度交流互助。利用自动化/AI（参见human-machine-role-clarification模型）处理其中的事务性部分。
   • 判断标准: 建立了一种相对稳定的模式，让你能持续地在所选领域进行深度工作、创造和分享，并获得精神或物质上的必要支持，同时事务性负担可控。
   • 常见误区: 生活方式不可持续，耗尽热情；过度商业化侵蚀了最初的“意义”核心；未能有效利用工具减轻负担。

输出格式要求

输出应为一份个人意义工作计划，包含：

1. 核心兴趣领域：明确陈述。
2. 剖析摘要：列出关键的构成要素、知识节点或个人连接点。
3. 意义主张：清晰表述你的故事、价值观、愿景和具体的生命工作项目。
4. 社群状态：描述已连接的支持者圈子特点及互动方式。
5. 生活方式蓝图：描述你计划如何以“工匠”模式持续进行这项意义工作，并指出计划用自动化/AI分担哪些部分。

Metadata

属性	值
领域	个人发展, 职业规划, 内容创作
类型	procedural (procedural)
置信度	80%
前置条件	拥有至少一个深感兴趣的方向或领域
来源	个人发展：把握变革的 36 个月 > 实用性与意义：人类与机器的分工