如何用 AI 学习
先定一个目标
把"我要学会 XX"拆成三层：
- 知识层：我需要记住什么
- 理解层：我需要解释什么
- 迁移层：我需要在新问题里怎么用
然后让 AI 围绕这三层工作，而不是直接让 AI 给最终答案。
一个可执行流程（每天 60-90 分钟）
- 诊断（10 分钟）
- 让 AI 对你当前掌握程度做 5-10 题快速测验
- 主学习（30-40 分钟）
- 让 AI 用苏格拉底式提问引导你推理
- 对每个关键点要求"你先说，再由 AI 纠错"
- 检索练习（15-20 分钟）
- 让 AI 出混合题（基础 + 迁移）
- 立即反馈并解释错误类型
- 复盘（10-15 分钟）
- 让 AI 输出"今天错因地图 + 明日计划"
为什么这套流程有效
practice testing：通过练习测试强化提取distributed practice：通过多天分布式复习巩固记忆- metacognition：通过错因复盘提升自我监控
Google LearnLM 页面给出的教学原则（主动学习、认知负荷管理、适应性、元认知）与这套流程高度一致。
结合 ChatGPT Study Mode
OpenAI 帮助中心（Study Mode FAQ）说明，Study Mode 会做分步引导、苏格拉底式提问、理解检查、材料对照。你可以把它作为"学习会话默认入口"，但仍需保留人工复核和自我表达步骤。
最关键的一条
你每次都要在提示词中明确：
- "先问我，不要直接给答案"
- "如果我回答正确，直接确认并升级难度"
- "如果我回答错误，先提示思路，再给完整解"
学习场景示例
场景 1：学习新编程语言
目标：掌握 TypeScript 类型系统
诊断阶段提示词：
txt
我想学习 TypeScript 类型系统。请按以下步骤帮我诊断：
1. 出 5 道题测试我对 TypeScript 基础的掌握程度
2. 每道题我只回答答案，不要给解释
3. 根据我的回答，判断我应该从哪里开始学习
题目范围：
- 基础类型
- 接口和类型别名
- 泛型基础
- 类型推断
- 高级类型主学习阶段提示词：
txt
我们开始学习 TypeScript 泛型。请：
1. 先给我一个简单的泛型函数例子
2. 让我解释这段代码的作用
3. 如果我解释正确，给一个稍复杂的变体
4. 如果我解释错误，用问题引导我发现问题
注意：
- 不要直接给答案
- 每次只推进一小步
- 确保我理解后再继续检索练习提示词：
txt
请出 3 道混合题测试我对今天学习的 TypeScript 泛型的理解：
1. 第一题：基础概念回忆
2. 第二题：代码阅读理解
3. 第三题：代码编写
要求：
- 我回答后再给反馈
- 标注我答错的原因类型（概念错误/理解偏差/粗心）复盘阶段提示词：
txt
请帮我复盘今天的学习：
1. 总结我今天学习的内容
2. 列出我的错题和错误原因
3. 生成明天的复习计划（包含间隔重复）
4. 推荐一个实际项目练习来巩固
输出格式：
- 今日学习要点
- 错题分析表
- 明日复习计划
- 实践项目建议场景 2：准备技术面试
目标：准备系统设计面试
诊断阶段提示词：
txt
我要准备系统设计面试。请帮我诊断：
1. 问 3 个系统设计场景问题（由简到难）
2. 让我简述设计思路
3. 根据我的回答，评估我在以下维度的水平：
- 需求澄清
- 容量估算
- 系统架构
- 数据模型
- 扩展性考虑
场景示例：
- 设计 URL 短链服务
- 设计消息队列
- 设计分布式缓存主学习阶段提示词：
txt
我们来练习设计"点赞系统"。请按以下流程引导：
1. 先让我澄清需求（不要给提示）
2. 如果我遗漏关键需求，用问题引导
3. 让我估算容量（QPS、存储）
4. 让我画架构图（用文字描述）
5. 让我考虑边界情况
注意：
- 每个阶段先让我思考
- 只在我卡住时给提示
- 最后给完整的参考设计让我对比模拟面试提示词：
txt
请模拟一场 45 分钟的系统设计面试：
场景：设计一个实时排行榜系统
流程：
1. 你扮演面试官，我扮演候选人
2. 用问题引导我思考
3. 在我回答后给反馈
4. 最后给评分和改进建议
评分维度：
- 需求澄清（20%）
- 架构设计（30%）
- 深度讨论（30%）
- 沟通表达（20%）场景 3：阅读技术文档
目标：理解一篇复杂的技术文档
阅读前提示词：
txt
我要阅读这篇文档：[文档内容或链接]
请帮我：
1. 列出阅读本文档需要的先修知识
2. 列出本文档的核心概念（5-10 个）
3. 提出 3 个引导性问题让我带着问题阅读
输出格式：
- 先修知识清单
- 核心概念列表
- 引导性问题阅读中提示词：
txt
我正在阅读文档的 [某部分]。请：
1. 让我用自己的话总结这部分内容
2. 指出我理解偏差的地方
3. 提出延伸问题让我思考
注意：
- 不要直接给标准答案
- 用问题引导我发现理解偏差阅读后提示词：
txt
我已经读完这篇文档。请帮我：
1. 出 5 道题测试我的理解（概念题 + 应用题）
2. 让我画一个概念关系图（用文字描述）
3. 让我解释：这个技术解决了什么问题？为什么这样解决？
输出：
- 测试题（我回答后给反馈）
- 概念图框架
- 深度理解问题场景 4：学习新领域知识
目标：快速了解一个陌生领域（如：学习区块链基础）
诊断阶段提示词：
txt
我想了解区块链基础。请：
1. 先问我 3 个问题，判断我当前的认知水平
2. 根据我的回答，推荐学习路径
问题范围：
- 对分布式系统的理解
- 对密码学的了解
- 对共识机制的认知概念引入提示词：
txt
请帮我理解"区块链"的核心概念。
要求：
1. 用类比方式解释（用日常生活例子）
2. 每解释一个概念后，让我复述
3. 如果我复述有偏差，用问题引导我修正
4. 最后用思维导图形式总结概念关系
核心概念：
- 区块
- 链
- 哈希
- 共识
- 智能合约深度学习提示词：
txt
我想深入理解区块链的共识机制。
请：
1. 先让我用自己的话解释什么是共识
2. 介绍主流共识机制（PoW、PoS、DPoS）
3. 让我对比它们的优缺点
4. 出题让我判断某个场景适合哪种共识机制
注意：
- 每个概念都让我先思考
- 用问题引导我发现不同机制的权衡场景 5：准备认证考试
目标：通过 AWS Solutions Architect 认证
诊断阶段提示词：
txt
我要准备 AWS Solutions Architect Associate 考试。
请：
1. 出 10 道题测试我对 AWS 核心服务的了解程度
2. 覆盖以下领域：
- 计算（EC2、Lambda）
- 存储（S3、EBS）
- 网络（VPC、Route 53）
- 数据库（RDS、DynamoDB）
- 安全（IAM、KMS）
根据我的正确率，给出学习重点建议。学习计划提示词：
txt
请帮我制定一个 4 周的 AWS SAA 考试学习计划。
要求：
1. 按考试权重分配时间
2. 每周包含：学习目标、重点服务、实验练习、测试题
3. 给出每个阶段的验收标准
考试大纲：
- 设计弹性架构（30%）
- 设计高可用架构（30%）
- 设计安全架构（20%）
- 设计成本优化架构（10%）
- 设计运维架构（10%）每日学习提示词：
txt
今天是学习计划的第 X 天，主题是 [某服务/概念]。
请：
1. 先让我回顾昨天的内容（3 个问题）
2. 介绍今天的主题（概念 + 场景 + 最佳实践）
3. 给我一个动手实验任务
4. 出 5 道题测试理解
注意：
- 每个知识点让我先思考再讲解
- 实验任务要具体可执行
- 测试题包含概念题和场景题考前冲刺提示词：
txt
我要进行考前冲刺，请：
1. 出 20 道模拟题（按考试权重分布）
2. 每道题我回答后立即给反馈
3. 统计我的薄弱领域
4. 给出最后 3 天的复习建议
模拟考试要求：
- 时间限制：60 分钟
- 题型：单选 + 多选
- 难度：接近真实考试常见学习陷阱
陷阱 1：只看不练
表现：一直让 AI 解释概念，自己不思考。
修正：
txt
请改用以下方式：
1. 出题让我先回答
2. 只有在我答错时才解释
3. 解释后立即出类似题目巩固陷阱 2：过早看答案
表现：遇到难题直接要答案。
修正：
txt
请：
1. 先给提示，不给答案
2. 让我尝试 2-3 次
3. 如果还是不对，逐步揭示答案的推理过程
4. 最后让我用自己的话解释答案陷阱 3：没有间隔复习
表现：学完就过，不做复习。
修正：
txt
请帮我安排复习计划：
1. 今天学的内容，明天出 3 道题测试
2. 3 天后再测试 2 道
3. 7 天后再测试 2 道
4. 把我答错的题加入错题本陷阱 4：学习目标模糊
表现：学了很多，但不知道学会了什么。
修正：
txt
每次学习结束，请让我：
1. 用一句话总结今天学到的核心概念
2. 列出 3 个可以应用的场景
3. 列出 1 个还存在的疑问