周日晚上九点，贝西克坐在书桌前，面前的电脑屏幕上开着“五年誓约”月度汇总文档。过去四周（5.25-6.22）的数据初步整理完毕，他准备进行第一次深度的“社交能耗审计”。
他没有用excel，而是打开了obsidian笔记软件，新建一个名为“social_time_audit_202606”的笔记。他习惯用双向链接和块引用来构建知识网络，这比表格更灵活，便于后续交叉分析。
他首先创建了四个一级标题：
## 1. 记录方**与范围
## 2. 原始数据：被拒绝的社交邀约（已/潜在）
## 3. 转化分析：节省时间 vs. 实际用途
## 4. 模式识别与系统优化
在“记录方**”下，他写道：
? 记录周期：2026.5.25 - 6.22（完整四周）
? 记录对象：所有明确发出、且我考虑后拒绝的社交邀约。包括线上（消息、电话、邮件）和线下口头邀请。
? 记录维度：
1. 来源：家人 (f)、前同事 (exc)、现同事 (c)、泛朋友/熟人 (a)、网络 (o)。
2. 类型：仪式性 (r，如婚礼、满月)、聚会性 (g，如聚餐、ktv)、事务性 (t，如请教、合作)、情感性 (e，如闲聊、倾诉)。
3. 预估时长：基于活动性质、地点、历史经验估算，单位小时。
4. 预估情绪消耗 (ec)：1-10分，1为轻微，10为严重疲惫/不适。
5. 拒绝理由码：a(有安排)、b(不感兴趣)、c(低价值)、d(线上替代)、x(其他)。
6. 对方反应码：p(平静接受)、m(轻微不满)、u(不理解/追问)、n(无回复/未知)。
? 记录工具：手机备忘录即时速记，周日统一整理至obsidian。
接下来，他开始在“原始数据”部分，逐条录入过去四周记录的社交邀约。他用“-”开头表示每一条，后面用尖括号标注维度信息。
------
## 2. 原始数据：被拒绝的社交邀约（已/潜在）
? 2026.05.27 周五 部门迎新聚餐。〈来源：c〉〈类型：g〉〈预估时长：3.0h〉〈ec：6〉〈理由：a/b〉〈反应：m〉
? 2026.05.28 周六 前同事送行聚会。〈来源：exc〉〈类型：g〉〈预估时长：4.0h〉〈ec：7〉〈理由：c〉〈反应：u〉
? 2026.05.30 周一 前团队庆功ktv。〈来源：a (刘思思)〉〈类型：g〉〈预估时长：4.0h〉〈ec：8〉〈理由：b/c〉〈反应：p〉
? 2026.05.31 周二 答谢请教饭局（小林）。〈来源：exc〉〈类型：t〉〈预估时长：2.0h〉〈ec：4〉〈理由：d〉〈反应：p〉（转化为线上文字交流0.3h）
? 2026.06.01 周日 家族满月酒。〈来源：f〉〈类型：r〉〈预估时长：8.0h〉〈ec：8〉〈理由：a/c〉〈反应：p (通过母亲)〉（礼金替代）
? 2026.06.02 周一 线上社群“理性·生活联盟”核心群邀请。〈来源：o〉〈类型：t/g?〉〈预估时长：n/a (持续消耗)〉〈ec：?〉〈理由：c〉〈反应：n〉
? 2026.06.04 周三 粉丝请求加微信“偶尔请教”。〈来源：o〉〈类型：t/e?〉〈预估时长：n/a (不定时碎片)〉〈ec：?〉〈理由：c/d〉〈反应：n〉
? 2026.06.07 周六 datahermit推荐线上研讨会。〈来源：o (datahermit)〉〈类型：t〉〈预估时长：3.0h〉〈ec：2〉→ 接受并参加。 （记录为正面样本，用于对比）
? 2026.06.11 周六 前同事婚礼（张磊）。〈来源：exc〉〈类型：r〉〈预估时长：5.0h〉〈ec：7〉〈理由：a/c〉〈反应：m (通过群聊感知)〉（礼金替代）
? 2026.06.12 周四 母亲转达大姨答谢宴。〈来源：f〉〈类型：g〉〈预估时长：3.0h〉〈ec：6〉→ 有条件接受 (未发生，计划下周)。 （记录为妥协样本）
? 2026.06.15 周一 现同事午餐闲聊邀请（非工作）。〈来源：c〉〈类型：e〉〈预估时长：1.0h〉〈ec：5〉〈理由：a (带饭)〉〈反应：p〉
? 2026.06.18 周四 某媒体“书面辩论”邀请（情感大v）。〈来源：o〉〈类型：t?/e?〉〈预估时长：n/a (高强度消耗)〉〈ec：9〉〈理由：c〉〈反应：n〉
? 2026.06.20 周六 大学同学“路过本市，聚聚”电话。〈来源：a〉〈类型：g〉〈预估时长：3.0h〉〈ec：6〉〈理由：a (学习)〉〈反应：u〉
------
录入完毕，共13条明确记录，其中接受2条（研讨会、答谢宴），拒绝11条。他将接受的两条用“→ 接受”标注，作为参照系。
接下来是核心部分：转化分析。他创建了一个二级标题：
### 3.1 节省时间总量计算
仅计算明确拒绝的11条邀约。剔除无法预估时长的线上社群、粉丝请求、媒体辩论（3条），剩余8条。
节省时间 = Σ(预估时长) = 3.0 + 4.0 + 4.0 + 2.0 + 8.0 + 5.0 + 1.0 + 3.0 = 30.0 小时。
平均每条拒绝节省 3.75 小时。
### 3.2 节省时间用途追踪
目标：将这“节省”的30小时，与过去四周“实际增加的深度学习/高价值产出时间”进行关联验证。