5.0 KiB
5.0 KiB
学习方法论
一套以"地基-框架-填充-固化"为主线的认知建造工程。 核心隐喻：学习 ≈ 盖房子，不是堆砌知识点，而是有结构地生长。
一、三个根本问题
学习要依次解决三个问题：学什么 → 怎么学 → 怎么固化。
1. 学什么：靠缘分
- 强行学不感兴趣的东西，认知吸收率极低。
- 最好的触发器：工作、学习、生活中遇到的新奇的、迷惑的、有意识想搞懂的东西。
- 这种"自带问题情境"的学习动机，远比"应该学什么"的清单更有效。
2. 怎么学：长在地基上
- 新知识必须生长在已有知识的地基上，地基通常是你比较熟悉的领域。
- 地基不是一成不变的：新知识偶尔会反向更新地基，因为原来的地基可能不够扎实或不够正确。
- 所以理想状态是：地基和新知识一起成长。
- ⚠️ 警惕：很多人学新东西时死守旧框架，结果新知识变成飘在表面的标签，没有真正接入认知系统。
3. 怎么固化：靠输出和反复
- 看懂 ≠ 掌握。必须经过外显化输出 + 提取练习，才能真正固化。
二、具体执行路径
步骤 1：搭建领域框架
- 目的：先有一个粗糙但能链接到地基的整体地图，而不是直接钻进细节。
- 方法：搜索综述、读一本经典书的目录和前言、问 AI 要一份"领域全貌"。
- 关键：这个框架必须是你能用生活经验想象出来的，能够挂接到已有地基上。如果完全想象不了，说明地基不够，需要先补地基。
步骤 2：大胆输出半成品认知
- 在和 AI 讨论之前，先按自己的理解输出一遍，哪怕不完整、不准确。
- 本质：把隐性认知外显化。错误的输出比沉默有信息量得多——错在哪里，直接暴露了地基的裂缝在哪里。
- 不要怕错。怕错就永远停留在"看起来懂了"的幻觉里。
步骤 3：与 AI 讨论、纠错、补齐
- 把半成品扔给 AI，让它纠正错误、补全空白、提出反例。
- 在讨论中不断迭代自己的认知。
- 这一步可能跨多个会话，允许节奏自由。
步骤 4：沉淀为 md 文档
- 讨论到一个阶段后，形成 md 文档作为阶段性成果。
- md 不是流水账，而是重新组织过的、自己的语言写的认知结晶。
- 文档命名建议带编号（如
00-原点.md、01-本机IPC.md），便于建立体系。
步骤 5：反复阅读 + AI 出题考试
- 多看几遍沉淀的 md。
- 让 AI 出题考试，把成果固定住。
- 题目类型不要只考事实，要考应用和反例：
- 事实题："X 的定义是什么"
- 应用题："给你一个场景，判断它属于 X 还是 Y，理由是什么"
- 反例题："什么情况下这个框架不成立"
- 应用题和反例题能检测你的框架在边界情况下是否还成立。
步骤 6：迭代
- 重复步骤 1-5，直到熟悉掌握当前模块。
- 然后进入下一个模块，继续在同一地基上生长。
三、进阶：多框架交叉验证
掌握一个框架后，换一本别的书重读这个领域。
- 此时你已经有了一个稳固的体系，看其他书会很快、很轻松。
- 不同视角能矫正你以前的知识体系，补上原框架看不见的盲区。
- 这是从"掌握"到"通透"的分水岭。
⚠️ 警惕：框架污染
不同书/作者的术语体系可能冲突，强行融合会让笔记变成大杂烩。
做法：在 md 中明确标注术语映射，例如：
这个概念在 A 书叫 X，在 B 书叫 Y，本质是同一个东西，本笔记采用 X。
这样既保留多视角，又维护自己体系的内部一致性。
四、方法论结构总览
学什么 ── 靠缘分（工作/生活中的真问题）
│
▼
怎么学 ── 长在地基上（新知识 ↔ 地基 双向更新）
│
▼
执行循环：
搭框架 → 输出半成品 → AI 纠错补齐 → 沉淀 md → 反复阅读+考试
│
▼
换框架重读（多视角矫正）
五、为什么这套方法有效（背后的认知原理）
| 步骤 | 对应的认知原理 |
|---|---|
| 长在地基上 | 建构主义学习：新知识必须挂接到已有图式 |
| 大胆输出半成品 | 外显化思维，暴露认知缺口 |
| 沉淀 md | 用自己的语言重组，深加工 |
| AI 出题考试 | Retrieval Practice（提取练习），效果远好于反复阅读 |
| 应用题/反例题 | 检测框架的边界与鲁棒性 |
| 多框架交叉 | 多视角降低单一框架的认知偏差 |
六、一句话总结
学习不是往脑子里灌东西，而是在已有地基上有结构地生长一座房子； 大胆输出、AI 纠错、沉淀文档、反复考试，然后换一本书再来一遍。