学习这本书的初衷

我是一名科研狗，日常大量时间花在了写论文、写项目申报书这些事情。常常会出现一个需求，需要把研究里的东西讲给导师、合作者、甚至是完全不懂这个领域的同学听。但是我的脑子有点笨：明明脑子里是有想要表达的东西的，但是一旦变成纸质和说出来的时候就散了，别人根本就听不明白。明明做了三个月的研究，汇报 PPT 写出来就是几页流水账，导师听完一句话也记不住；给师弟师妹解释一个方法，他们听完还是一脸问号。一开始我以为是"自己嘴笨"，读了几本沟通的书之后才意识到，大多数写不清楚的人问题不在嘴，而在脑子里的想法可能没被组织过，所以表达的时候抓不住主线。

这种"讲不清楚"在科研里代价不小：导师时间有限，开会 5 分钟抓不住重点 idea 就被 pass，项目申报书评审专家第一页看不到结论，后面写得再细也大概率被毙。所以金字塔原理这本书我自己一直想找机会读，但是一直犯懒，借着论坛的 “读书分享"板块希望逼自己一把读完。我读完后我的感受是：这本书解决的不是"写作技巧”，而是思考的结构。一旦脑子里有了"先有一个中心论点，再往下递三层"的金字塔，写作和表达就变成了"按结构填内容"，脑子里面需要思考的压力就没那么大。如果有大佬也曾遇到过这种 "明明脑子有货但讲不清楚"的情况 ，我自己觉得可能这本书能有帮助。

全书目录框架

首先整本书的结构是 4 个递进的层级，从表达 → 思考 → 解决问题 → 演示，每一篇都比上一篇从往上一层抽象——第 1 篇是写东西（邮件、周报、组会汇报），第 2 篇是想东西（让自己的判断站得住脚），第 3 篇是拆东西（研究问题怎么界定、怎么诊断），第 4 篇是画东西（PPT、配图、视觉化）。按这个顺序读下来是一套"把脑子里的东西变成别人脑里的东西"的完整链路。我以前看书总是跳着看，写论文时候再去看"演示"那部分完全接不上，按顺序读一遍明显顺很多。

全书的叙事的主线梳理

整本书在回答一个问题：为什么你脑子里的想法到了别人脑子里就走样了？作者给的答案很直接：因为你没有把它组织成金字塔，而金字塔之所以有效，是因为它契合大脑两个天然特性——大脑会自动归类（看见几个挨在一起的点就会想"它们是不是一类东西"），以及大脑一次只能处理 7 个左右（米勒 7±2 法则）。所以一个金字塔形的组织方式是这样的：先抛一个结论，接下来 3~5 条互相不重复、能覆盖全局的要点，每个要点下面再展开具体证据，读者接受起来"毫不费力"，本质上是因为这套结构和他大脑的处理方式天然契合。反过来，一旦你没用金字塔，写出来的东西就像一锅粥——读者不知道你要去哪儿、不知道这几句和那几句为什么放在一起、也不知道为什么是 5 条而不是 6 条。读到这里我才回过神——这本书讲的不是写作，是大脑怎么用。

第一篇：表达的逻辑

这一篇是最实用的，读完第二天我就能用在周报、邮件、组会汇报里，核心收获是三条：结论先行、归类分组、序言的 S-C-Q。结论先行最直接的体现是邮件：一封邮件的第一句话就该是结论，以前我总是"前情提要 + 详细叙述 + 末尾才说事儿"，结果导师经常根本没看中间就回了"这个你直接说"，换成结论先行后沟通效率是真的有肉眼可见的提升。归类分组加 MECE 对做综述、写 related work 特别有用，最常犯的毛病就是"东一榔头西一棒槌"，把现有研究按"理论 / 方法 / 应用"或者按问题场景分一下，立刻就清楚多了。序言的 S-C-Q 和写论文 Introduction 几乎是异曲同工——“我们已知 X、但目前的难题是 Y、所以我们要做 Z”，就是问题驱动型论文的故事线，再回头看导师让我改过的论文，差的真不是英语，是这个故事没讲圆。

第二篇：思考的逻辑

如果说第 1 篇是"怎么写"，第 2 篇就是"怎么想"——一句话概括就是让你的每一句话都是真且明确的。读到这一章我才意识到，我以前罗列方法时是在堆名词，“我考虑了大规模、长文本、领域自适应、提示学习……“这些只是并列标签，没有一句揭示"为什么它们是一类”，也就没有思想。第 7 章那个"库存报告"的例子我印象挺深：8 条客户投诉，归成 3 组（数据问题 / 格式问题 / 时效问题），然后抽象出"需要重新设计库存报告"这个结论，看完立刻就联想到自己——我之前罗列一堆方法时从来没问过自己"这几条的共同点到底是什么”。有个可以马上尝试的训练：在写作的时候，每次写完一段先问自己"这段的总结句是什么、是不是真的揭示了下面论据的共性"，如果总结不出来，可能就需要重新考虑整段内容的逻辑性了

第三篇：解决问题的逻辑

这一篇是科研工作者应该去反复读一边的，因为科研本身就是"界定问题 → 分析问题 → 给出方案"的循环，作者提了一个反直觉但很有用的框架——界定问题 = R1（现状）→ R2（目标）：你以为你在解决问题？不，你常常连"问题"都没界定清楚。我回想自己读博这几年踩的坑，很多时候导师说"这个问题再想想"就是 R1 和 R2 我自己都没说清：是"准确率上不去"，还是"准确率上不去 到 95% 同时 推理时间在 50ms 以内 同时 能跑在边缘设备上"？界定清楚了研究才有"完成"的定义，不然永远改下去。第 9 章的诊断框架对科研也很实用——遇到一个"性能不行"的问题不要一上来就乱试，先用 MECE 列出所有可能的原因（数据 / 模型 / 训练策略 / 后处理），逐个分支找证据，证据指向哪儿原因就在哪儿，这套思路就是学术里 ablation study 思路的元版本。

第四篇：演示的逻辑

这一篇讲的是怎么把金字塔具体的可视化呈现出来，包括了 PPT、论文配图、图表，我自己的收获有三层。第一层是每张 slide 只说一件事，我以前做组会 PPT 总是密密麻麻一张图塞 5 个点，结果导师反馈"看不清"，现在严格按"一片一意"做，slide 数量会变多但每张都看得懂，反而更省时。第二层是图表只回答 5 类问题之一——有哪些组成部分用饼图、数量之间如何比较用条形图、有何变化用折线图、各项如何分布用散点图、各项之间的相关性用多变量图，我以前做实验对比表经常用错图（比如用饼图比"准确率"），读完后才发现信息可视化选错的图比文字还容易让观众误解。第三层是图像比文字更快传递关系——这一条对论文 Figure 设计尤其有用，一张好的架构图省 2000 字，图 12-1 那个"流程图 vs 文字描述"的对比印象很深。

附录：实战手册

• 附录 1（无结构问题的解法）：适合真正研究型的探索问题（结构本身未知，需要科学法）。


• 附录 2（序言结构范例）：写论文/项目书的 Introduction / Background 时直接套模板——7 种典型问题几乎覆盖 90% 的场景。


• 附录 3（要点汇总）：做组会汇报前的"1 页复习清单"。