学习这件事

Mon, 01 Jun 2026 00:00:00 +0800

此篇致敬 Thoughts Memo《学会如何学习》，salute to 最伟大的互联网精神。这不是一篇反思文，而是一次复用。

迭代

学习是一个强个性化的终身过程。不必等到找到"正确方法"再出发——寻找能进化你学习方式的线索，去尝试，去犯错，重复这个过程本身就是在完善它。

学习模式本无高下，习得的内容会替我们说话。所以大胆尝试：深度结合 AI 也好，把知识抽象成不同模块也好，不要因为路径"非主流"就畏缩。最值得的上行风险，往往藏在别人觉得麻烦的地方。

内省

球感、语感、直觉——这些抽象在知识体系之外的东西，占据了学习中相当重要的部分。尊重自己内部的感知信号，它们往往比理性分析更早发现问题所在。

感到困惑或惊讶时，follow 这种情绪——它在指引你投入精力。
困惑和意外，正是对薄弱点的非理性感知在发光。
困惑时不要硬撑，向他人或 AI 求助。
如果觉得某个结论"似乎没什么适用边界"，往往是忽略了关键前提。
如果感知到"这东西空洞无用"，多半是在纸上谈兵——去实践，亲手弄懂它。
觉察那些"一头雾水、某个环节卡住"的感觉，找到那个 key。这是最重要的事。
觉察你对什么乐在其中，不断深挖，那里有充分的知识扩展和真实的乐趣。

二八法则

我们被庞大的信息流包裹，自媒体时代更甚。知识唾手可得，但质量参差不齐。高效学习的前提，是有能力取舍——识别出如何用 20% 的努力获取 80% 的核心价值。

遇到一个新知识点，不妨先问自己：

这里到底在讲什么？我的目标是什么？
我为什么要关心这个？
如果要从零推导，路径是什么？
哪里让我感到不快或困惑？

学会放弃同样是一种能力。不确定某个方向是否值得投入时，直接问 AI——比自己纠结半小时更高效，也更诚实。

教学相长

不把"教学"理解成狭义的站在讲台上，而是一种更抽象的行为模式——复用。

知识的流转路径大致如此：从不同来源获取信息，以语言为媒介吸收理解，转化为抽象的概念储存在神经元中；遇到合适场景时，再将这一过程逆向输出。这个长链路不可避免地会产生漏洞，而漏洞往往正是困惑和意外出现的时刻。

教学，是这一逆向工程最极致的体现。当你发现某件事对他人讲不清楚，那就是需要再次强化、重新复用的信号。这篇博客本身，也是复用的一部分。

向他人解释一个概念，是发现自己到底懂没懂的最快方式。

间隔重复

一个被严重低估的具体技巧。记忆信息最高效的方式，不是反复阅读，而是主动提取——反复接受测试。测试次数越多，遗忘所需的时间就越长，且复习间隔会指数级拉开，全程记忆保持稳固。

Anki 这类工具已经把这套机制做得很好用了。死记硬背名声不佳，但它有真实价值：确保重要知识能信手拈来，而不是每次都要去翻查。

把一个知识熟稔于心和需要去查找它之间的差距，远比看起来大——因为它消除了摩擦力。而摩擦力，是行动、创造和进步的重大障碍。

不过有一点要清醒：间隔重复不适合用来理解知识，它的理想用例是那些你已经有高层次理解的东西——用它来确保那些东西不会丢。

后记

当知识廉价到只需发出疑问便可收获，对知识的筛选、处理与加工能力，反而变得更加稀缺和珍贵。AI 时代对人的变革与分化，我一次次感受得到。

这是最好的时代，这是最坏的时代。

对于AI辅助学习的见解——AI错觉的拨乱

Sun, 31 May 2026 00:00:00 +0800

近日在学习CS61A，起初的学习是通过看视频课程，做对应lab，project，以求完善知识，但是很快发现视频太过于冗长，虽然保留了最生动的思维模式，可是对于想要快速获得领会其中知识的人来说，无疑是个煎熬，那么此时我便把目光转向了官方的教程文档，文档比起视频精简许多，文字的知识传播效率非常高（前提是你能充分理解）但文档的规整性迫使遣词造句非常复杂化，在学习进度的压迫下，我们无法慢慢啃骨头，所以就会引入ai的帮助。

AI、LLM、Agent 的区分

无论是博主本身还是身边的人都会出现基础的混淆：

AI：是一个泛称，任何能让机器表现的像智能的技术
LLM：本质类似函数，接受 token 序列，输出下一个 token 的概率分布，训练完成后权重被固定
Agent：在 LLM 下套了系统，包括工具调用、记忆、规划

在此之下还引入了另一个概念——Token：其实就是 LLM 处理文本所接受的最小单元，任何语言图片符号均会被转化成 token 输入给 LLM。

AI辅助的学习闭环陷阱

我通常使用 Claude 帮助，把一大段艰难晦涩的知识点喂给他，而后阅读他精简的版本，获得最好的理解，在此之后，我会让 Claude 输出讲解的 md 文件放在我固定的 vault 文件夹下。

但是整个逻辑在此闭环了，发现问题所在了吗？

从始至终，我的知识理解仅限一个环节，就是 ai 的讲解，我确认我理解，然后过。记忆的过程原本是跟着啃文档的长时间生跟发芽的，而现在呢，知识被解耦成易于理解的部分后，时间成本的投入降低，进而导致知识的留存度过低。

这件事不仅仅限于看课程，当做对应的 lab，project 时，遇到英文，或是不会的太常见了，现在就会进入求助 ai，ai 引导，简化知识，最后你负责填写了一些关键代码思路的空，感觉自己动了，实则当时间的维度被拉长到数天，甚至不用数个月，就会发现，这都是错觉。

解法

那应该怎么去解决这个问题呢？详见对学习的反思篇博客，再次简单的概述：

我觉得学习的逻辑线收束必定要有输出，无论是自己写一遍代码，或者是自己写一篇习得内容的博客，这本身就是对信息的强化。对于必要的值得记忆的信息，还应该借助 Anki 去按周期复习，才能获得最好的成效。

在 AI 时代无疑提供了很大的学习便利，但是所谓 AI 幻觉的产生，本质是对快速获取知识红利的追偿。

学习方法 on JasperSao的博客