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。