用自制App戒掉刷屏,我竟然迷上了学数学

CS学生自写Bunkr应用,用10分钟硬锁和俯卧撑解锁对抗刷屏,意外爱上数学。
一位CS专业学生因刷屏成瘾,且发现市面屏蔽工具太易绕过,于是自行开发了应用 Bunkr - done scrolling。其核心机制是:屏蔽应用后前10分钟硬锁不可退出,之后需完成拍照或做俯卧撑等任务才能解锁。这一设计基于「持续投入10分钟会进入专注状态」的认知,并用体力任务提高分心成本。作者用「以火攻火」形容该策略,最终意外对学数学产生类似上瘾的投入感。产品最初只为自己开发,因效果好而发布,核心价值在于提高分心的即时成本而非依赖意志力。
你有没有算过,一天里有多少次无意识地解锁手机,点开那个熟悉的图标,然后半小时就消失了?Reddit上一位CS专业的学生分享了他对抗刷屏成瘾的另类解法——自己写一个App来锁住自己。结果出人意料:他不仅摆脱了手机依赖,还“上瘾”般地爱上了学数学。

从「买实体锁」到「写代码锁自己」
这位同学最初买了一个叫 Brick 的硬件设备来阻断手机应用,效果不错,但他从来不带去学校——多带一个东西太麻烦。于是他在 App Store 里找替代品,发现大多数应用屏蔽工具“太容易绕过”。他很清楚自己的性格:“我是个很懒的人,如果很容易退出,我一定会退出。”
既然退出门槛低是问题所在,那就把门槛抬高。作为计算机专业的学生,他决定自己动手,开发了名为 Bunkr - done scrolling 的应用。这个决定本身就暗含一个有趣的逻辑:一个容易分心的人,反而最清楚什么样的机制能真正困住自己。
核心机制:10分钟硬锁 + 任务解锁
Bunkr 的运作方式并不复杂,但有一个关键设计:一旦你选择屏蔽某些应用,前10分钟内是硬锁定状态,完全无法恢复访问。10分钟之后,你仍然不能直接拿回应用,而是需要完成一个“任务”才能解锁——比如拍一张马克杯的照片,或者他个人最喜欢的:做15秒俯卧撑。
为什么是10分钟?他在帖子中解释,自己读到过一个说法:当你在某件事上持续投入10分钟后,就会进入一种专注状态,通常不再容易分心。但这个机制还有第二层保险:对于像他这样的懒人,即使10分钟后开始分心,打开被屏蔽的应用时也会被要求做俯卧撑。相比之下,“继续学习”反而是更省力的选择。
用他的话说,这基本是“以火攻火”。听起来有点荒诞,但实际效果让他自己都感到惊讶——他开始沉迷于学数学。
行为设计中的「承诺机制」(commitment device)是理解 Bunkr 这类工具的理论背景。它指的是人们主动给自己设置限制,以对抗未来可能出现的短视冲动。经典例子包括把零食锁进柜子、提前把工资转入储蓄账户,以及 Odysseus 让水手把自己绑在桅杆上以抵御塞壬歌声。承诺机制有效的关键在于:决策发生在「冷静」状态,而约束力作用于「冲动」状态。Bunkr 的10分钟硬锁本质上就是一种数字化的承诺机制——用户在冷静时设定屏蔽规则,在冲动来袭时被规则挡住。
「10分钟进入专注状态」的说法在流行心理学中常被引用,与米哈里·契克森米哈赖提出的「心流」(flow)概念相关。心流指的是一种完全沉浸、忘我投入的状态,通常需要持续注意力的积累才能进入。虽然「10分钟」并非严格的科学阈值,但神经科学研究确实表明,注意力从一个任务切换到另一个任务需要时间成本(attention residue),而持续投入有助于减少这种切换损耗。不过,对于不同任务和个体,进入专注所需的时间差异很大,因此10分钟更多是一个实用启发式,而非普适规律。
为什么这个粗糙的产品反而有效
从产品设计角度看,Bunkr 没有精美的界面,也没有复杂的算法,但它精准地命中了行为改变中的几个关键点。
第一,提高即时退出成本。 市面上很多屏蔽工具允许用户一键关闭或输入密码跳过,而 Bunkr 用10分钟硬锁强行制造了一个“不可逆窗口”,打破了“立刻满足”的回路。
第二,用体力任务替代手指滑动。 做俯卧撑并不是为了健身,而是为了在冲动和行动之间插入一个不舒适的缓冲带。当解锁手机变得比继续学习更累时,理性选择自然倾斜。
第三,开发者本人就是目标用户。 他明确说自己“懒”,也承认这个产品最初只是为自己而做。这种从自身痛点出发的构建方式,往往比通用型产品更能捕捉到真实的行为摩擦点。
**「提高即时退出成本」**在行为经济学中对应「摩擦」(friction)的设计思路。理查德·塞勒和卡斯·桑斯坦在《助推》中提出,微小的环境摩擦可以显著改变行为选择。例如,把健康食品放在视线高度、把垃圾食品藏起来,就能影响饮食决策。Bunkr 通过硬锁和体力任务,在「打开手机」和「继续学习」之间人为制造了不对称的摩擦:分心变难,专注变易。这种方法不依赖用户的意志力或自我控制,而是通过改变选择架构来引导行为,因此对自认「懒」或意志力薄弱的人尤其有效。
一个CS学生的意外收获
这个故事的结局超出了最初的预期。他原本只是想解决刷屏问题,却发现自己对数学学习产生了类似“上瘾”的投入感。这背后可能有一个被低估的机制:当环境阻断足够强,学习行为本身会逐渐获得正向反馈。
当然,这不是一个放之四海皆准的方案。对有些人来说,10分钟硬锁可能太激进;对另一些人,做俯卧撑反而会成为新的逃避形式。但他分享的初衷很朴素——把作品发出来,听听别人的想法。如果你也曾在“刷一会儿就学习”的循环里反复挣扎,这个粗糙却有效的思路,或许值得借鉴:与其依赖意志力,不如设计一个让分心变得比专注更费劲的环境。
相关推荐

零成本搭建AI超级员工系统:智能体自动工作流全解析
深度拆解B站演示的AI超级员工系统:Agent智能体编排、数字人口播、地图与企业获客、24小时智能客服及法务模块全覆盖。分析零成本开户背后的商业逻辑与合规风险,帮助创业者判断这套AI数字员工系统的真实投产比。

Chatbot与AI Agent的本质区别:从对话到执行的跨越
Chatbot和AI Agent有什么区别?本文基于Learn Tech频道的MCP系列讲解,用订机票、笔记摘要等实例说明:Chatbot只给答案,Agent通过思考-行动-观察循环真正完成任务,并拆解模型、工具、记忆、目标四大部件及MCP的桥梁作用,同时讨论Agent的适用边界与权限风险。

免费GitHub仓库:342小时AI课程,从数学到MCP服务器
一个免费GitHub仓库提供342小时AI课程,包含523节课、20个阶段,覆盖数学基础到Agent构建和MCP服务器。支持目标驱动学习,每节课产出可留存的prompt、skill或agent,已有近10万人开始学习。