凌晨六点，闹钟响了第三遍。你盯着天花板，知道自己该去跑步，昨晚甚至把运动服摆在了床边。但身体像被焊在床上，手指划掉闹钟，翻身继续睡。十分钟后，愧疚感涌上来——又一次。
我们太熟悉这个剧本了。错过目标、打破 streak、放弃那个"真心想做的事"，然后归罪于自己：意志力不够，自律太差，天生懒。但过去十年，我在研究和数千小时的教练对话里反复看到同一个模式——问题根本不在你，而在你运行的那套系统，从一开始就没被设计成能产出你想要的结果。
有个常被归于戴明的话：每个系统都被完美设计成它所得的结果。工厂如此，算法如此，你也如此。如果改变难以坚持，说明那一刻你的输入没对齐。你的算法运行了，产出了一个可预测的结果，只是不是你想要的那个。
大多数行为改变建议都在忽略个性化。它塞给你和别人一样的剧本，从不检查这些东西是否真的对得上你系统漏水的具体位置。我想帮你填补的，正是这个缺口——不是另一个万能习惯公式，而是一种诊断你自己系统的方法。
主流行为模型把决策当成静态输入的产物。想象一项研究里一千人尝试增加运动量，你给他们干预，平均来看活动量上升了。好！但放大到个体——有人改变很大，有人很小，有人纹丝不动，还有人反而动得更少。同样的输入，不同的输出，平均数却说有效。
这意味着平均数藏起了调节因素。博士后期间，我用一种叫多层建模的分析方法，能同时看到两件事：第一，人与人之间有差异，这是大多数研究关注的；第二，同一个人也会因时间、地点、同行者、自身状态而不同。你可能比伴侣平均更有动力散步，但比起自己的平均值，你每天的动力也在波动。睡眠、压力、情绪、天气、早餐时的对话，都在那个精确时刻喂进你的算法。
想想谷歌地图怎么工作。它不只知道你的目的地，还知道你此刻在哪、每条路线的实时路况、当前条件下哪条最快。它不给所有人同样的方向，而是根据你的起点、时机和障碍给出专属路线。中途条件变了，它重新计算。那不是简单程序，你也不是。你是一个个性化的、自适应的系统。
行为科学正在缓慢逼近一个真正的问题：哪种干预，对这个人，在这个情境，在这个时刻有效。