来源：抖音 @WaytoAGI
学习困境：学不会的原因
信息过载时，学习的主要障碍是选择过多。不同来源的书籍、课程、视频和文章让人难以筛选，学习者常把资料存入收藏夹后就不再阅读。传统学习方式有几个具体问题：
- 缺乏路径：多数教程从高级概念开始，新手不知道先学什么。
- 重点模糊：试图掌握所有细节，精力分散，核心内容反而没抓住。
- 虚假懂感：看视频、读文章这类被动输入让人产生“已经理解”的错觉，实际输出时才发现没掌握。
- 反馈缺失：缺少即时、精准的测试来定位知识盲区。
AI工具（如Claude）可以承担导师角色，引导学习者解决上述问题。具体做法分六步：
第一步：搭建学习阶梯（看清地图）
新手常常不知道下一步做什么。与其直接问“怎么学Python”，可以要求AI拆解学习目标。
操作逻辑： 让AI把一个复杂技能（如Python编程）分成5个学习等级，每一级列出：
- 核心知识点
- 常见错误
- 进入下一级的标准
价值分析： 这样得到一份学习地图，按顺序升级即可。它明确了起点和每级要求，避免盲目跳跃。
第二步：锁定关键20%（二八定律）
很多领域中，大约20%的核心内容支撑80%的实际应用。全面学习效率不高。
操作逻辑： 设定时间预算（例如20小时），让AI找出这段时间内最重要的20%内容，排成10次、每次2小时的学习计划，包含练习、资源和复盘。
价值分析： 这要求集中精力，把任务切成小块，每次只处理2小时，降低启动难度。同时，有限时间用在最关键内容上，提高投入产出比。
第三步：苏格拉底式追问（测试真实水平）
许多学习者只输入不输出，看视频觉得明白，合上书本却想不起来。被动接收掩盖了认知中的缺陷。
操作逻辑： 让AI扮演考官，指令是：“一次只问我一个问题，由简入难。回答后给我打分，如果我答错或解释不清，请重新解释相关知识点，直到我能独立答对。”
价值分析： 这种做法通过即时反馈定位知识断层，打破“虚假懂感”。“出题—作答—纠偏”的循环迫使大脑主动提取信息（Active Recall），比独自苦读十次更有效。
第四步：生成一页速查表（压缩知识）
人脑适合记忆结构和关键词，不擅长记长文章。考前突击复习之所以有用，是因为短时间内压缩了大量信息。
操作逻辑： 学完一个单元后，让AI生成“一页纸速查表”，包含：
- 一句话定义
- 最重要的概念
- 几个真实案例
- 常见错误
- 使用前检查清单
- 5个快速自测问题
价值分析： 制作速查表的过程本身就是复习，强迫把信息结构化、精简。这张表既可用于后续复习，也能检验自己是否理清逻辑。
第五步：噪音中筛选信号（资源过滤）
网络资源质量不一，普通学习者难以鉴别。很多收藏的教程不适合当前阶段，或者质量较差。
操作逻辑： 把收集到的资源链接或列表交给AI，让它：
- 筛选出最值得看的5个资源。
- 标注每个资源的适用人群、难度和用法。
- 制定一份7天学习路径，去掉无效选项。
价值分析： AI起到过滤器作用，节省试错时间，把注意力引向高质量内容。学习效率由单位时间内有效信息的吸收量决定。
第六步：费曼技巧（逼自己讲明白）
如果不能用简单语言解释一个概念，就说明理解不够。这可以作为检验理解程度的标准。
操作逻辑： 用孩子能听懂的语言向AI复述概念。让AI扮演挑剔的听众，指出讲解中的漏洞、混淆点或可能没理解的高级术语。根据反馈重新组织语言再讲一遍。
价值分析： 这个方法暴露“知识的诅咒”：以为自己懂了，实际只记住了术语。向AI模拟的“小白”讲解，能快速发现认知盲区，把不清晰的概念讲明白。
总结：构建完整的AI辅助学习系统
六个步骤组合成一个学习闭环：
- 规划层：搭建阶梯、锁定20%核心，确定方向。
- 执行层：考官追问、速查表压缩，加强记忆和掌握。
- 优化层：资源过滤、费曼技巧，提高效率和内化。
这个闭环使AI能够规划、测试、反馈和迭代，成为学习中的导师角色。