你不需要把每一本書讀完:我從 Naval Ravikant 的閱讀觀重新理解「讀書」

不必把每一本書讀完,也不必把每次閱讀變成績效考核。閱讀可以依目的選擇不同深度。

當閱讀變成一張待辦清單

想像一個熟悉的場景:書讀到一半,已經回答了我們原本的問題,卻因為還沒讀完,遲遲不肯放下。另一本真正好奇的書,就這樣繼續躺在待讀清單裡。

「買下來、讀完、勾選完成」很整齊,卻沒有回答另一件事:這次閱讀,究竟留下了什麼?

從 Naval Ravikant 的公開閱讀觀出發,我想討論的是:我們能不能依照閱讀的目的分配深度,而不是讓完讀率決定怎麼讀?

目的可以是理解一個概念、解決一個問題,也可以只是享受文字、跟隨故事,或讓自己休息。閱讀不必每次都交出一份成果。

啟發轉折:Naval Ravikant 的閱讀觀真正改變了我什麼?

Naval 對閱讀的公開談話,並不是一套正式的 reading system。比較像是一組反覆出現的偏好:保留 curiosity、重視 fundamentals、允許選擇性閱讀,也願意對極少數真正重要的作品投入反覆重讀的時間。

  • 先保住對閱讀的喜歡:2019 年的 Read What You Love Until You Love to Read 把重點放在培養自我教育能力與閱讀慾望:先從真正感興趣的內容開始,再逐步走向更深的基礎文本。
  • 理解比「我讀過」重要:2021 年談 Read the Best 100 Books Over and Over Again 時,Naval 甚至直接承認自己沒有把某些名著全部讀完,而是回到真正重要、也真正想理解的部分反覆研讀。
  • 閱讀深度可以不平均:2025 年的 Most Books Should Be Skimmed, A Few Should Be Devoured 更明確地區分 skim 與 deep reading;但同一段談話也承認,有時必須補歷史、反方觀點與整體結構,才能真正理解一套思想。
  • 讀與做應該互相餵養:2025 年的 If You Want to Learn, Do 把 learning 拉回 action:做事會產生新的問題、動機與 context,而這些又會反過來讓閱讀變得更有方向。

真正改變我的,不是「以後都不要把書讀完」。而是:不要再把完讀本身當成閱讀成功的定義。

編輯的觀點整合:閱讀深度分配模型

以下四個層次是本文整理的閱讀深度分配方式,不是 Naval 在上述來源中提出的正式框架,也不是經過成效驗證的閱讀方法。它提供的是一個選擇:依照當下目的、文本難度與前後依賴,決定哪裡可以快一點、哪裡值得停下來。

🔍

掃描(Scan)

快速檢視目錄、前言與結論。目的是建立對這本書的「地理認知」,知道它涵蓋了哪些範疇,並判斷是否值得進一步投入時間。

📖

略讀(Skim)

先抓小標題、圖表與段落主旨。遇到看似重複的案例,先確認後面的例子是否補充了新證據、不同條件或反例,再決定是否略過;不能因為讀懂第一個故事,就認定後面沒有價值。

✍️

研讀(Study)

遇到關鍵的邏輯推演或打破自己既有認知的新框架時,放慢速度,畫線、做筆記,並嘗試用自己的話重新表述(Feynman Technique)。

🧠

狼吞虎嚥(Devour)

極少數真正重要的作品。你願意投入更完整的閱讀、反覆重讀、比較與實作,直到其中的核心模型真的能進入自己的判斷,而不只是停在「我讀過」。

五個可選的閱讀檢查,不是新的績效考核

當我們帶著理解或應用的目的閱讀,可以從下面五個問題挑選有用的檢查。不必每本書都填滿五格,也不必為了證明閱讀有價值而交作業;小說、詩與休閒閱讀,可以保留它們自己的節奏。

檢驗指標 核心意義與實踐方式
1. 模型改變 (Model Change) 這本書是否改變了我看待世界的某個預設框架?有時候一本書真正留下來的,可能不是 300 頁細節,而是一個會持續改變後續判斷的模型。
2. 回憶提取 (Recall) 關上書本後,我是否能不用原句重建核心概念?這通常比「剛剛讀起來很順」更能暴露自己真正理解了什麼、還漏掉什麼。
3. 邊界意識 (Boundary Awareness) 我是否知道作者的理論在哪種情況下會「失效」?理解一個概念的極限與反例,比單純相信它更能展現批判性思維。
4. 跨域遷移 (Transfer) 我能否把核心機制帶到作者沒有討論過的新問題,而且知道哪些部分真的可遷移、哪些只是表面類比?
5. 現實應用 (Real-world Use) 當閱讀是為了解決問題,可以問:哪些理解值得拿去試一試?但實際行動不是所有閱讀的及格線。欣賞文字、跟隨故事、滿足好奇或獲得休息,本身也可以是閱讀的目的,不必立刻轉成可量化的產出。

重讀的藝術:改變的是讀者,不是書本

傳統的「Backlog → Read → Done」模式,很容易讓我們把讀過一次視為已經處理完畢。但當你的經驗、問題與先備知識改變之後,同一本書其實可能重新變得有用。

三年後你再次翻開同一本書,書本的文字沒有變,但「你」這個讀者已經完全不同了。你會在書中看到以前完全忽略的細節,讀出截然不同的意義。因此,更健康的閱讀循環應該是:遇到問題(Question) → 尋找答案並閱讀(Read) → 建立模型(Model) → 應用於現實(Use) → 接收現實反饋(Reality) → 帶著新體悟重讀經典(Re-read)。

強邊界聲明:不要把「略讀」變成萬靈丹

雖然 Naval 提倡大多數的書都可以略讀,但我們必須保持清晰的「邊界意識」。這套以獲取概念為主的靈活閱讀法,並不能無限上綱到所有的閱讀場景。

💡 先看閱讀目的:以下情境通常需要更完整地核對原文與前後脈絡;是否逐段精讀,仍取決於我們要完成什麼,而不是只由書籍類型決定:

1. 數學與嚴格證明:如果目標是掌握證明或演算法推導,跳過關鍵步驟很可能破壞後續理解。
2. 法律合約與技術規格書:這類文本要求高精確度;略過關鍵條款或 requirement 可能帶來真實風險。
3. 文學與敘事作品:如果目標包含語言、節奏、人物與整體閱讀經驗,摘要很難取代作品本身。
4. 完整的論證鏈條:有些哲學或理論文本高度依賴前後論證;跳著讀時,需要特別小心不要把局部主張從它的 argument chain 拆掉。

AI 時代的閱讀:取得摘要更便宜,不代表理解也變便宜

AI 可以協助整理閱讀材料、比較觀點與解釋概念,但使用摘要前,先確認它實際取得了什麼:原文、節錄,還是只有書名與二手介紹?只有書名,不足以確認它的回答忠實代表原書。重要引文、章節主張與作者立場,仍應回到原文核對。

但這同時放大了一個舊問題:隨時取得一個答案,和自己已經建立能遷移的理解,是兩件不同的事。

正如我在 第二大腦不是資料倉庫 與 AI 幫你做到,不代表你已經學會 裡反覆區分的:retrieval 與 assisted performance 可以外包很多,但 model formation、judgment、transfer、taste,以及知道自己哪裡不懂,仍然需要另外的證據。

所以我不把 AI 當成「不要讀書」的理由。我更願意把它當成 reading router:先幫我定位問題、比較來源、找反例;真正值得理解的地方,再回到原文、自己的重述與現實使用。

實踐篇:7 步實用閱讀法

綜合以上觀點,你可以嘗試用以下 7 個步驟來重新設計你的日常閱讀流程:

  • 1. 從一個具體的問題開始:不要只為了「把書讀完」而翻開它。先知道自己現在想理解什麼,通常會更容易判斷哪些章節值得深入。
  • 2. 先進行全局掃描:先看目錄、前言、結語與幾個關鍵章節,判斷這本書值得你投入多少時間。
  • 3. 勇敢地略讀與跳躍:在覺得囉嗦、重複或已知的地方果斷跳過,不要有任何罪惡感。
  • 4. 遇到高價值內容才下潛:當某個段落擊中你的痛點或提供全新視角時,切換到「研讀」模式,慢下來做筆記。
  • 5. 用自己的話寫下模型:關上書本,用一句話總結這個概念,並思考它如何與你既有的知識網相連。
  • 6. 尋找邊界與反例:思考這個觀點在哪種情境下會失效?避免成為盲目的信徒。
  • 7. 送回現實測試並擇優重讀:去實踐它。如果這個概念改變了你的生活,把這本書放回書桌上,幾年後再讀一次。

原始出處與邊界聲明

本文深受 Naval Ravikant 公開分享的閱讀理念啟發。為確保資訊來源的透明度,列出本文參考的核心文獻:

註解:文中所提出的「閱讀深度分配模型」與「五個閱讀指標」,是本文對 Naval 公開觀點的整理與延伸,並非《納瓦爾寶典》(The Almanack of Naval Ravikant)的直接節錄,也不代表適用於所有學科的普世法則。讀者應根據自身的閱讀目標進行調整。

我真正想停止優化的,是「完成感」

這套閱讀方式對我最有價值的地方,不是讓閱讀變得更輕鬆,而是把目標重新拉回:不是證明自己讀了多少,而是讓自己變得更會理解、判斷與行動。

一本書不需要被完整征服,才有資格改變你。有時候真正重要的,只是一段你會在不同人生階段反覆回來重讀的文字。

分享你的喜愛
子揚
子揚

曾子揚(Tzu-Yang Tseng / Alan),成大經濟系畢業,AI Product Builder。透過 Insightful Reading 探索 AI / computing、親密關係與學習,並把研究、產品實作、閱讀與寫作整理成清楚、可檢查、可使用的理解。

文章: 46