数字生活自救手记④:发完朋友圈,你刷新了几次?
发完一条朋友圈,你会忍不住反复看有几个赞吗?我们正在把"我是谁"这个大问题,外包给一串点赞数。这一期聊聊:当自我价值挂在别人的手指上,会发生什么。(7 期自救系列 · 第 4 期)
先承认一件小事——发完一条朋友圈或动态之后,你会不会忍不住,过几分钟就回来看一眼:有几个赞了?谁点的?有没有人评论?
那个小红点,能悄悄决定你半天的心情。这不丢人,几乎人人如此。今天想聊的,是它背后那件更大的事。
从"我思故我在"到"我被点赞故我在"
有句话,把这代人的处境说绝了。
哲学家笛卡尔说"我思故我在";到了我们这里,它先变成了"我连接,故我在",最后又悄悄滑成了——"我被点赞,故我在"。
我们把一个天大的问题:"我到底是谁、我值不值得",交给了一串会涨会跌的数字。
这串数字最厉害的地方,不是它真的能定义你,而是它来得太快了。刚发出去,几分钟之内就有反馈;反馈多一点,心里亮一下;少一点,又忍不住开始解释:是不是文案没写好,是不是照片不够好看,是不是大家其实并不在意我。一个原本只该表达的动作,就这样变成了一场小型审判。
一个把照片全删了的网红
讲个真实的人。
Essena O'Neill,澳大利亚姑娘,19 岁就有 50 万 Instagram 粉丝,眼看要靠代言赚大钱。可 2015 年,她突然把照片几乎全删了、退了网,还把剩下的照片一张张改掉说明,揭穿背后的真相:多少张是摆拍、是软广、是为了一个数字反复重拍出来的。
她留下一句话:"我是一个活生生的悖论——一边是有条件的自爱,一边是无休止的自恨。说到底,我的全部自我价值,都建立在别人的认可之上。"
还有人为了维持"完美人设",一件泳衣绝不拍第二次、鲜花每周换新,悄悄刷爆了信用卡,却停不下来。
这类故事容易被我们当成"网红才会这样"。可把尺度缩小一点,普通人也会中招:为了发一条看起来轻松的动态,反复挑图、修图、删掉重写;明明只是一次普通聚会,心里却先想着"这个角度能不能发";明明一开始只是想分享,最后却变成在等待别人证明"我这样很好"。
我们正在变成自己所"点赞"的东西
这不是"虚荣"两个字那么简单。
早在智能手机之前,艺术家安迪·沃霍尔就痴迷于不断复制自己的影像——他几乎"发明"了自拍。他相信:只要能把自己复制到足够多的地方,就能得到"无限的关注、无限的注目"。可复制出来的关注,换不来它承诺的那种亲密。
今天,我们每个人手里,都有了沃霍尔当年梦寐以求的工具。于是我们不知不觉,变成了自己所"点赞"的东西——你天天凝视谁、羡慕谁、想成为谁,你就慢慢长成那个样子。
历史学家布尔斯廷有个区分很好:"英雄"靠时间成就,常常在身后才被记住;"名人"靠曝光成就,靠不断被看见、被转发而活着——"时间造就英雄,却摧毁名人"。而社交媒体,是一台批量制造"名人感"的机器:它让我们每个人都尝到一点被围观的滋味,也让我们每个人都活在"不被看见,就不存在"的隐隐恐慌里。
所以真正需要警惕的,不是偶尔想被夸一下。人都需要被看见。危险在于,当"被看见"慢慢替代了"真的成为",我们就会越来越在意展示,越来越没耐心成长。前者马上有回报,后者很慢;前者适合截图,后者常常无人知晓。可一个人最稳的价值感,偏偏长在那些没人点赞、也仍然值得做的事情里。
今天,拆掉那根"即时反馈"的钩子
今天的小动作:
发完一条内容,就退出,别守着看数据。 更进一步,去设置里,把点赞、评论的即时提醒关掉——让别人的认可,不再随时来敲你的门。
再给自己加一个提问,发东西之前先问一句:我发这个,是想分享,还是想"被喜欢"? 只要想清楚了,那个小红点对你的控制,就会松一点。
如果你愿意再往前走半步,可以给自己设一个"延迟查看"规则:发完以后,至少半小时不回来查数据。半小时不长,但足够让你把主动权拿回来一点——我发出去了,表达完成了,接下来不是让一串数字牵着我跑。
一句话,送给今天的你:
你的价值,不该挂在别人的手指上——那根手指,今天点你,明天就去点别人了。
💬 聊聊
坦白局:发完朋友圈,你一般会回来看几次?
或者:你有没有为了"发出来好看",做过一件其实自己没那么想做的事?
数据与故事来源
- "我思故我在 → 我连接故我在 → 我被点赞故我在"、Essena O'Neill 退网自白、"完美人设"负债、沃霍尔"无限的关注":见/引自莱因克《你的手机正在改变你》。
- "英雄 vs 名人"及"时间造就英雄,却摧毁名人":莱因克书中引用 Daniel Boorstin《The Image》的观点。
如果这篇说中了你:
如果这篇也说中了你,可以分享给同样需要的人
也可以收藏,下次发圈前回来看一眼那个问题
这个 7 期系列会继续更新,适合慢慢把数字生活整理回来
本文为个人读书笔记,受 Tony Reinke《你的手机正在改变你》(12 Ways Your Phone Is Changing You)启发写成;笛卡尔、布尔斯廷等为公开引用的观点,数据与引用见上文「数据与故事来源」,推荐阅读原书。部分内容由 AI 辅助整理、人工审校。