如何写本自己领域的《React技术揭秘》
嗨，我卡颂～
很多朋友认识我是通过我写的《React技术揭秘》，这是一本自顶向下的React源码分析书，已经有5.9k star。
最近两年，不断有读者向我请教 —— 如何在自己的领域写本《React技术揭秘》。
这件事情「既难也简单」，简单在「只要建立正确的认知，写出来是迟早的事」，难点在于「如果只是想当然的理解为“攒一本书”，就会遇到很多卡点」。
本文我们来聊聊「如何写出自己领域的电子书」这件事儿。
难在哪？
上面聊到 —— 如果只是想当然的理解为“攒一本书”，就会遇到很多卡点。
什么叫「攒一本书」？举个例子，你对某一领域有很多实践经验，也想写一本电子书积累影响力。
于是你先参考其他同类书籍的大纲列了个目录，再细化到每个章节，最后根据章节主题往里面填内容。
这么做你大概率会遇到两个卡点：
- 自己熟悉的章节还好，但到了不熟悉的章节就很难下笔
- 即使最后艰难成书，但好像没什么人愿意看
为什么会遇到这样的问题？我问你：“攒一本书”是因还是果？
按照上述流程，“攒一本书”是因 —— 因为我想攒一本书。
但在另一种发心下，“攒一本书”可以是果 —— 因为我在该领域建立了体系知识，所以我将这套体系知识总结出来，果是这本电子书。
所以，如果你的发心错了（因果倒置），这件事儿就很难。
简单在哪？
如果你的发心是对的，那这件事只是长期积累后自然而然的结果。具体来说，写电子书这件事的本质是 —— 我在某一领域有长时间的积累，这些积累使我形成了自己独到的体系知识，我将这套体系知识以「方便读者理解」的结构展示出来，形成了一本电子书。
所以，「写出自己领域的电子书」往简单了说，就是建立某一领域从知识积累，到产生洞察，最后形成智慧的模型，再不断践行这套模型就行。
智慧从哪来？
要形成自己独特的领域智慧，可以参考「智慧涌现模型」：
让我来解释下这个模型的意义：
- 首先，数据是完全中立，不带任何信息的，所以是白色的圈。
比如各种行业数据、代码，他们本身不包含信息。
- 当有人对数据进行解读，会赋予数据信息的意义，所以是不同颜色的圈。
比如对行业数据同比、环比分析，获得趋势变化信息；阅读代码解读出其在上下文中的含义；这些都是信息。
- 当你阅读信息，从中获得的个性化理解，就是知识。由于是个性化理解，所以不同人从同一信息（同一个圆）中获得的知识可能不一样（变成不一样的形状），也就是我们说的
一千个人有一千个哈姆雷特。
注意，别人写的文章本质也是信息（而不是知识），只有你学习文章后形成自己的理解才是知识，知识是主观的。
比如大家都在看《React技术揭秘》，有的人学到了Hooks的实现原理；有的人学到了React的架构实现；有的人学到了怎么靠写书提升影响力......
- 当知识积累的足够多后，你会发现一些知识之间存在某些联系，这些「知识之间的联系」就是你独有的洞察
以我的一篇爆款技术文章预测2024年之后的前端开发模式（掘金12w+阅读，1.2k点赞、1.1k收藏）举例，这篇文章介绍了一种语言转换的4级抽象模型：
- 1～2级：从PM提的需求（自然语言）到
SCXML（State Chart XML）格式 - 2～3级：从
SCXML格式到xstate状态机代码 - 3～4级：从
xstate状态机代码到前端组件业务代码
之所以我会提出这套模型，是因为我先后学到了两个「看似无关」的知识：
xstate可以将前端业务抽象为清晰的状态机模型，能让业务逻辑变得非常透明，但缺点是写起来、改起来非常繁琐- 当前
AIGC还无法根据“自然语言描述的复杂需求”直接输出“完整的业务代码”，因为AIGC还无法准确理解“自然语言描述的复杂需求”
虽然他们看似无关，但我发现两者之间的联系 —— xstate状态机代码可以替代自然语言，用来准确描述需求。
受此启发，我产生了一个洞察 —— 可以用状态机作为自然语言与程序语言之间的桥梁。
这就是「从知识之间的联系中产生洞察」的一个例子。
- 当你对某一领域产生足够多洞察后，洞察会汇聚为你独特的领域智慧
我们大脑的神经元是网状结构，这意味着不管是知识、洞察还是智慧，在我们大脑中都不是以结构化的形式存储的，而是呈现为：
- 知识：点
- 洞察：点与点之间连接成的线
- 智慧：线与线之间形成的网
所以，「体系知识」的本质是将我们脑中的网状领域智慧以“方便受众理解”的形式结构化呈现出来。
总结
本文最重要的一个观点是：在「写一本电子书」这件事上，不要因果倒置 —— 积累领域知识是因，写书是果。而非“因为我想写一本书”。
对于「如何积累领域知识，产生洞察，进而形成智慧」，本文提供了一个「智慧涌现模型」。
限于篇幅原因，本文未提供具体的落地方式。如果你对这个话题感兴趣，可以持续关注下，我会就这个话题持续输出。