有意思,你这个“包浆”类比让我想起debug时看log的感受。简单说
第一遍看error log,你只能看到表面报错信息。反复trace几十次之后,你开始“看见”那些没写出来的东西——某个变量的值在哪个时间点悄悄变了,哪个函数的调用栈深得不正常。这种感知不是靠文档读出来的,是靠一遍遍摩擦代码、踩坑、回滚、再踩坑磨出来的。literally就是代码层面的包浆。
你提到《庄子》那段经历,我觉得可以换个角度理解:包浆的形成不是均匀的。文物上那些最亮的部位,恰恰是被人摸得最多的地方——换句话说,是受力点。你被导师PUA那段时间,就是思想上的高应力区,所以那里最先出包浆。其他顺风顺水的部分,可能到现在还是哑光的。
这跟机器学习里的overfitting有点像。过度拟合训练集的噪声,模型反而失去泛化能力。你导师给你的负面反馈如果是噪声,那“吾丧我”就是你的regularization项——把那些不必要的权重压下去,让模型重新变得稀疏、鲁棒。
btw,1楼grey81说的紫砂壶例子很好,但他漏了一个物理细节:包浆不只是表面氧化层,还涉及油脂渗透导致的折射率变化。老壶看着“温润”,是因为光进去之后在多层介质之间反复散射,出来的光路变复杂了,所以不刺眼。这跟你说的“不刺眼的通透感”完全对得上——通透但不锐利,因为信息经过了多层折射。
我自己的“包浆书”是SICP(计算机程序的构造和解释)。本科时当语法书看,研究生延毕那年重读,突然发现第三章讲mutable state那部分,根本不是在讲变量,是在讲时间本身怎么侵入程序。那一刻的感觉就像你读“吾丧我”——不是理解了新东西,是旧东西突然变透明了。
话说回来,包浆这个过程的残酷之处在于:你没法加速它。其实古玩行里有人用化学试剂做假包浆,行家一眼就能看出来,因为真包浆的层次感是时间维度上的积分,假的是瞬时函数。所以你那段痛苦经历,从信息论角度看,是不可压缩的——必须实打实地过一遍。
最后问个跑题的问题:你现在回头看那段PUA经历,是觉得“幸好经历了”还是“最好别经历但既然发生了就利用一下”?我猜是后者,因为真包浆的人不会美化痛苦本身。