本文来源：https://mp.weixin.qq.com/s/ozqvyhPl83Ub77npvLnEAg
若有版权问题，请来信告知：13951431913#139.com 或在右方提交评论。
前段时间，我发现一个很严重的问题。
我每天超高强度的用 AI 输出工作、生活上的所有内容，但是我却几乎没有任何输入。
没有输入这件事，对我来说，是会让我焦虑的一个问题，因为这个代表着我只是一味的释放价值，而没有持续进步。
所以我决定，必须有计划的重启我的学习计划。
目前已经持续了一周，给大家看看我学习的内容。以上的这些领域，基本上我已经达到可以和专业的人交谈的状态。
07-16: AI外贸中市场调研与客户开发的方法
07-15: 相关性与因果关系的思维关联分析
07-14: Anthropic Skills 核心经验
07-13: RAG 所有变体及其深入研究方向
07-12: 非理性决策的心理学成因
而且经过这段时间我越来越确定，
干活省的时间是线性的，省半小时就是半小时。学东西的速度是复利的，持续会带来个人的巨大进步。
而学习速度的差距，不在于有没有用 AI，而在学习有没有结构。所以我也整理了一套用 AI 闭环（采用 Claude、Codex、Workbuddy 等等都可以）的学习方法。这里一并整理好给大家。
这套方法的来源有两个：
一个是 X 博主 Rahul（@sairahul1）的帖子：用 Claude 十倍速学习任何知识。
Rahul 帖子里最重要的是这句：
大多数人只是随意提问，感觉在学习，一周后什么都不记得。因为真正的学习需要四个要素，一条路径，一次测试，一次压缩，一个反馈循环。
另一个就是 STORM 学习法，
这是斯坦福论文提出的，发在国际顶会 NAACL 上，干的就是一件事：
论文里说一份博士级调研，人工要 40 到 60 个小时读资料、理线索，它用检索加多视角提问，把这个过程压缩成几分钟。
效果大幅超过了传统方法。
这个核心的思路比较重要，我简述一下：
我们大多数情况下问 AI“给我讲讲 X”，得到的永远是大多数人的观点，最常见的框架，最表面的信息。
可一个领域真正的样子，从来不长在大多数人的观点里。而是，天天上手干活的实践者、读遍论文的学者、觉得主流方向全错了的怀疑者、盯着钱往哪流的经济学家、见过类似剧情怎么收场的历史学家。
这五种人看同一个东西，看到的根本不是同一个东西。
而这些视角的差异，才是学习的核心。
我最近的学习，根据自己的经验融合了以上两套方法，从学习的闭环逻辑整理了从学习、深化、记忆、回顾的整个流程。
一共十步，每步一段提示词，按顺序执行。
如果你也想尝试一下，欢迎参与学习小组～
现在开始。
第 1 步 · 五视角 STORM
跑完这一步，你会拿到五份完全不同的解读。
实践者告诉你学术界脱离实际的地方，怀疑者反手拆实践者的台，经济学家把大家不好意思说的利益关系摆到桌面上，历史学家告诉你，这个问题以前上演过，后来是怎么收场的。
第 2 步 · 矛盾图谱
五个视角拿到手，下一步是让它们互相质疑。
这一步大多数人会跳过，但它恰恰是浅调研和深调研的分水岭。
一个领域里比较深的认知，往往就藏在几拨人吵得最凶的那个点上，我发现他们为什么吵搞明白了，理解一下子就下去一层。
这一步跑完有两个特别值钱的产出。
所有视角都同意的东西，大概率是真的，连对手都承认的事，你可以放心用。
所有视角都没提的东西，很可能是整个领域的盲区，有时候这反而是最大的发现。
第 3 步 · 综合简报
然后把前面所有东西，收拢成一份能用的简报。
这份简报的好处是，它不是任何一个单一视角能写出来的。角度全，矛盾会明确出来，每条结论的可信度也标了。
第 4 步 · 同行评审自检
下一步，很多人想不到：让 AI 给自己挑刺。
斯坦福团队自己也承认，STORM 有个已知短板，就是缺自我批判的环节，容易出现来源偏差、事实错配。
所以这里我增加了一步进行评审的过程。
前四步跑完，一个主题的图就开出来了。花的时间，大概也就是泡一壶茶的功夫。而它替你走过的，就是原来要在文献堆里泡几十个小时才理得出来的那些线索。
第 5 步 · 资源筛选
这时候就需要进行广度上的操作了。
资料收集。
这个我太熟了。收集、整理、吃灰，一气呵成！
收藏那一下是真快乐，感觉知识已经进脑子了。
必须解决这个问题。
Rahul 有一段提示词就是解决这个的。
他的说法我很认同：大多数学习者手里的资源早就够了，多到根本用不过来，时间全花在收集上，从来没真用过。
让它只给你 5 个，排好顺序，告诉你哪些是被高估的，再排一条一周走完的路。够了。
5 个能真用完就已经很不错了，收藏夹里那 500 个，就先让它们躺着吧。
到这儿，进门的事说完了。资源定了，基础有了，接下来才是这套闭环真正发力的地方：吃透它。
这里说一个我的认知：学新东西，最常见的问题就是跳级学。
基础没打牢就去啃高级材料，啃不动，觉得自己笨，放弃。其实多半就是顺序错了，跟聪明不聪明没多大关系。
教育心理学里有个概念我一直很喜欢，叫最近发展区，维果茨基提的。
大意是，一个人能学会的东西，永远长在“他已经会的”旁边一小步，你踮踮脚能够着的东西才学得会，隔太远的，看一百遍也就是个眼熟。
第 6 步 · 学习阶梯
这一步的作用就一个：让你永远知道自己站在第几级，下一步该到哪。
我自己的体会是，学东西最泄气的时候，往往就是不知道自己到哪儿了、还差多远的时候，有张阶梯在手里，这个问题就基本没了。
第 7 步 · 2 小时啃下核心 20%
阶梯排出来了，别急着从第一级慢慢爬。
大多数学科都有那么一小撮概念，撬动其他所有内容。先找到那 20%。
10 次课，每次都有练习、有资源、有复习题，最后还有一个能证明你真的会用的小项目。
2 小时当然学不完一个领域，这个计划的目标，就是把“能上手干活”的那部分先拿下。
到这儿为止，都还是舒服的部分。
接下来这一步，是最不舒服的，也是我觉得最重要的。
看书、看视频、听 AI 讲，这些输入型的动作有个共同的毛病：它们让你“感觉”自己懂了。
那种懂来得太顺了，顺到你根本不会去怀疑它，到底是真懂了还是只看了个热闹，得真考一下才知道。
第 8 步 · 考到我崩溃
这一步，我劝你挑个心情好的时候用。被它考到答不上来的滋味不太好受，但也只有那一下，你才知道自己之前的“懂”里，有多少是水分。
这背后其实是认知心理学里被验证过无数遍的一个效应，叫测试效应，英文叫 retrieval practice，检索练习。
我觉得很真实的是，从脑子里往外掏知识这个动作本身，比往脑子里塞知识，更能让知识记住。（费曼学习法也是这个逻辑）
你肯定有过考前抱佛脚、第二天反而记得特别牢的经历，就是这个机制，被这么考一遍，本身就是在学，不光是在测你到底会多少。
第 9 步 · 费曼循环
考出来的窟窿，用费曼循环补。
费曼那句话大家都听过：一个东西你没法讲给 12 岁的孩子听懂，你就还没真的懂它。
费曼技巧就四步：学习，教授，回顾，简化。学一遍，讲一遍，找出讲不清的地方回炉，再用更简单的话讲一遍。
这部分就不多解释了，必须认真执行的一步。
第 10 步 · 一页速查表
最后一步最轻，但我用的频率可能反而最高。
人的脑子，记结构比记段落牢。学完的东西不压缩，就跟没打包的行李一样，要用的时候，满地找。
面试前、开会前、要给别人讲之前，掏出来花 5 分钟扫一遍。就这么个小东西，特别好使。
十步，全给你了。
回头看一眼，它其实是一条完整的线：
1. 对于一个陌生领域，让观点打一架，压成简报，再让它自查一遍；
2. 然后只留 5 个资源，排出阶梯，用 2 小时先啃下核心的 20%；
3. 学完了，让考官把自己考到崩溃，讲不清的地方用费曼循环磨平；
4. 最后，压成一页速查表，随用随取。
一个闭环。
劝人开始学习这件事，真的不讨好。
我知道评论区一定又会出现：先收藏，吃灰去吧。
不过，我在查 STORM 资料的时候，我刷到过一篇转述它的文章，结尾说接下来 18 个月是关键窗口期，先掌握的人认知优势会被无限拉大。
这种话，我从来不太买账。方法好就是好，不需要拿“再不学就晚了”来吓人。学东西这事，什么时候开始都不晚。
晚的只有一种：一直收藏，一直不开始。
输出的活，AI 替我们干得够多了。也该轮到输入了。
接下来我会让自己先坚持 21 天的周期，如果你也想，欢迎加入一起 🎉
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章
你的关注是我持续更新的动力～
我是谁
我是 AI大刘，北大毕业，大模型研究方向，腾讯犀牛鸟，先后在腾讯、百度的大模型研发部门。现在斜杠青年：给多家国企做AI顾问 \ OPC \ 研究员 \ 产品独立开发者 \ Vibe Coder