不好惹的女人,反而更受欢迎 不好惹的女人,反而更受欢迎不好惹的女人,反而更受欢迎

不好惹的女人,反而更受欢迎

【点击上方蓝字关注

「不山大叔」

每晚九点推送

|谢可慧

-01-

大表在我们圈子里是出了名的不好惹。

其实,时至今日,我们依然觉得她身上有一股凌冽,但成为了朋友之后,我们就知道,和这样的人成为好朋友,只会觉得有安全感。

她的身上,有一种陌生人无法靠近的距离感。

她很少出去聚餐,圈子非常固定。别人踏进来不容易,她也很少跨出去。用她的话说,我没那么多空余时间,天天和朋友吃喝玩乐。

她非常介意别人碰她的东西。除了好朋友,只要有人不经过她的同意随意拿走她的一丁点东西,包括一张报纸,她都会拿回来,然后和她说,你有没有礼貌。有人和她对峙过,也有人问她,一张报纸你大惊小怪的,有必要吗?她说,今天拿走了一张报纸你不计较,以后等成了习惯,他会越来越不在乎你的存在,到时候拿走的,可能不仅仅是一张报纸了。

她不喜欢跟陌生人说话,也拒绝莫名其妙的搭讪。男女都是。从前我的一个男性朋友和她聊天,人家问了她五个问题,都是一问一答再无二话,我那男性朋友后来和我说,直到聊到了我,终于张口像个正常人说话了。她的神情里赫然写着“生人勿扰”。

有一次,我问她,你应该多笑笑,你不笑的样子,太酷了,别人真的靠不近呢!

她说,

如果一个人所有人都能靠近,那么就没有真正的朋友。我不可能和所有人都嬉皮笑脸,就像我不可能和所有人都冷若冰霜。

说完,我竟是一脸膜拜。

-02-

从前很希望自己笑语盈盈面对每一个人,甚至期望着自己的人来疯给大家带来“活泼、友好、善于交际”的良好印象,然后呢,才发现,年岁越长,越来越发现像大表这样的人,变得越来越受欢迎。

于是,圈子里,那句“那些看上去的老好人都不是好人,那些不好惹的人才是朋友”成为了真谛。

为什么?

因为不好惹的人,本身就会降低人友好的期望,于是稍有会意,便如获至宝。

因为不好惹的人,有天然的排外性,他们只对自己好的人忠诚。

因为不好惹的人,不喜欢把时间浪费在跟自己无关紧要的人身上,他们只会把时间给自己的朋友。

因为不好惹的人,对朋友的标准很高,进了她的圈子就是她的人,她让你感受到的,自然是别人所感受不到的热情。

所以,无可辩驳地,他们的朋友越来越多,而在朋友圈子里,也越来越受欢迎。

-03-

很多次有读者问我,为什么我那么好说话,却没人把我当回事;为什么我待每个人都很好,却没人把我当真朋友。

我说,

你的问题在于太刻意,也太贪心。

前些日子,碰到一个曾经的老师,和我对话的间隙,她说,你知不知道我曾经最痛恨你身上的哪一点。

我说,胆小。

她说,不是,是你永远想成为一个老好人。那些年有人丢你的衣服,你从来不说一句话,于是就有人敢翻你的铅笔盒,敢把你的书包丢地上;那些年,你几乎有求必应,于是你承包了班级里大半个学期门口的卫生工作,可是评奖的时候,没人提起你的名字;你看上去从不和人吵架,也很乖巧,可是,从没人把你当回事。

你有没有记得,有一次我把你喊进办公室,希望把那个欺负你的人告诉我,你却什么都不说。

你很不争气。然后,我差点没让你上课。

老师说完的时候,我忽然很感动。她或许从来不知道,那一天所做的一切,真的改变了一个孩子未来的许多年。

一个人真正的成熟是,终于抛弃掉了别人眼中最糟糕的样子,开始棱角分明地活着。或许她没有发现,我开始做了小小的改变,学会了和别人说不,也拒绝了很多不喜欢的事,当然,她都不知道。

你那么好说话,没人心疼你;而你不好惹,最后换来的是,你终归有心疼你的人。

-04-

我们太刻意去告诉别人你非得和我好,别忘了我的好,于是所有人觉得你好,但并不是和她最好的那一个。

我们太贪心所有人的眼光,于是忘记了生而为人,也该知道谁是知心人,而谁是泛泛之交;

聪明的人,有一个特点,就是冷热分明。

对待喜欢的人,一腔热情,让你感受到,她是真的喜欢你;

而面对陌生人,她总是一副彬彬有礼的距离感,你是否能再进一步,她永远在思忖。

-05-

每一个人都有属于自己的光芒,要学会聚光而不是散光。你的光芒越聚,你的能量越大。大概也是应了那句话,我的时间宝贵,要浪费在喜欢的人身上才是。

不好惹不是没教养,而是泾渭分明又彬彬有礼。

删繁就简和去粗取精是友情中的最高段位。而你终将知道,棱角分明的人,永远自带光环,光环之下,就是你最好朋友的五湖环绕。

来源:谢可慧:专栏作家,新浪微博:谢可慧的村庄,公众号:秋小愚。新书《干得漂亮是能力,活得漂亮是本事》已经上市。原标题:《为什么不好惹的人,反而更受欢迎》

,大叔

送你一张特别推送,祝

⇙大叔更多精彩,可点

阅读原文

版权申明: 本站文章来源于网络或网友自行上传,如果有侵权行为请联系站长及时删除。

赞 ( 1) 打赏

评论

9+4=

此站点使用Akismet来减少垃圾评论。 了解我们如何处理您的评论数据