新手学习
用 AI 学懂一个复杂概念
把 AI 当导师、测验生成器、类比生成器和误区检查器，但不让它替代练习和可信资料。
适合谁
- 学习难概念的学生。
- 进入新领域的职场人。
- 需要主动回忆的自学者。
不适合谁
- 只想被动看摘要的人。
- 没有官方资料的高风险考试准备。
- 需要专家监督的主题。
工作流步骤
步骤 1
说明学习目标
告诉 AI 你已知什么、困惑什么、学完要能做什么，让会话变成辅导而不是讲课。
示例输入
我懂基础代数但不懂梯度下降，教到能用例子解释。
期望输出
有目标的学习计划。
常见失败
模型给百科式泛答。
人工检查
检查计划是否包含你能完成的任务。
步骤 2
要求分层解释
要求简单解释、精确解释、类比和完整例题，不同层次暴露不同误解。
示例输入
用四层解释：白话、技术定义、类比、例题。
期望输出
多层解释。
常见失败
漂亮类比隐藏重要限制。
人工检查
追问类比在哪里失效。
步骤 3
使用主动回忆
让 AI 先测试你，再继续解释。通过回忆、失败和修正学习更有效。
示例输入
用五个问题测试我，等我回答后再纠正。
期望输出
测验和纠正循环。
常见失败
学习者一直阅读不练回忆。
人工检查
记录哪些问题错了两次。
步骤 4
找出误区
让 AI 列出常见误区并判断你的回答暴露了哪个，比再来一段摘要更有用。
示例输入
根据我的回答，我有什么误区？
期望输出
误区诊断。
常见失败
AI 为了鼓励说答案没问题。
人工检查
要求严格评分和具体修正。
步骤 5
创建迁移任务
最后做一个新问题或场景来应用概念。不能迁移就还没学会。
示例输入
给我一个必须应用该概念的新场景并评分。
期望输出
应用任务。
常见失败
学习者记住了措辞但不会用。
人工检查
不看答案解释概念并完成迁移任务。
人工审查清单
- 检查 AI 输出是否真正解决 AI-assisted learning，而不是变成泛泛回答。
- 核验事实、日期、名称、数字、链接和引用内容。
- 删除无依据结论、空话、重复衔接和过度自信表达。
- 发布或发送前，对照读者、渠道和格式检查。
- 记录提示词、工具、输入材料、人工修改和最终判断，方便复用。
常见错误
- 用模糊提示词开始 AI-assisted learning，没有验收标准。
- 还没给来源、限制、示例和审查规则，就要求模型直接给最终答案。
- 把流畅回答当正确答案，没有检查来源覆盖、隐藏假设和边界情况。
- 研究、写作、审查和最终编辑都用同一个提示词。
- 因为第一版看起来顺，就跳过人工检查。