博客

问题框架

燃尽式学习在 AI 热点周尤其常见：连续熬夜追课，两周后归零。持续性来自：合理负荷、习惯锚点、反馈乐趣、社交责任。

世界级人物如何处理

James Clear：永不连续错过两次

据公开著作观点：偶尔中断不可避免，关键是迅速回到轨道；身份与环境支撑一致性。

李录 / 芒格：终身学习作为生活方式

据公开言论与著作取向：好奇心驱动的长期积累，而非冲刺。

Huberman：生理节律与学习

据公开科普取向：睡眠与警觉节律影响编码与巩固；把难学放在认知高峰时段。

最优解 / 可执行法则

1. [最小可维持剂量](https://en.wikipedia.org/wiki/Feynman_Technique)：每天 25–45 分钟主线学习，忙日也不归零。
2. [锚点习惯](https://en.wikipedia.org/wiki/Feynman_Technique)：早餐后 / 通勤 / 睡前固定槽位。
3. [主题季度制](https://en.wikipedia.org/wiki/Feynman_Technique)：一季一个深主题，避免同时开 5 条线。
4. [恢复周](https://en.wikipedia.org/wiki/Feynman_Technique)：每 6–8 周减载，只做复习与输出。

金句：慢就是快——能坚持三年的人，会赢过只狂热三个月的人。

补充拓展

• 书目入口：Mindset、Deep Work、原子习惯、穷查理宝典、Almanack of Naval。

• 用日历保护学习块，像保护会议一样。
• AI 可生成复习计划，但执行仍靠你出现。

问题框架

感觉会了是最危险的指标。有效评估看：检索成功率、迁移能力、作品质量、错误率下降，以及是否缩小了能力圈盲区。

世界级人物如何处理

李录：懂的标准是预测与边界

据公开问答：真懂要能想见多年后最坏情形；知道能力圈边界；能经得住最强反对者反驳。

Kahneman：警惕事后聪明与过度自信

据公开著作：人常高估自己判断；应用外部视角与事前验尸（premortem）。

Dalio：用结果回测原则

据公开观点：原则要被现实检验并迭代。

最优解 / 可执行法则

1. [每周技能测验](https://en.wikipedia.org/wiki/Feynman_Technique)：10 题闭卷 + 1 个小项目验收。
2. [迁移题](https://en.wikipedia.org/wiki/Feynman_Technique)：把本周所学用到无关场景。
3. [事前验尸](https://en.wikipedia.org/wiki/Feynman_Technique)：若三个月后没进步，最可能的三个原因是什么？现在就预防。
4. [公开标准](https://en.wikipedia.org/wiki/Feynman_Technique)：找一位严友或导师做季度评审。

金句：感觉良好是学习的副作用，不是成绩单。

补充拓展

• 书目入口：Mindset、Deep Work、原子习惯、穷查理宝典、Almanack of Naval。

• 记录「预测 vs 结果」日志，训练校准度（calibration）。

问题框架

收藏了 100 篇深度文 ≠ 学会。内化的标志是：能用自己的话讲、能迁移到新问题、能做出作品。AI 降低了输出门槛，也降低了「伪输出」的识别难度——观众很快能分辨有无真实判断。

世界级人物如何处理

Naval：从学到创造与权益

据公开言论：最终要把知识导向创造与所有权，而不是永恒的学生态。

芒格：阅读后要能形成判断

据公开取向：大量阅读是为了决策质量，而非炫耀书单。

Bezos：写作强迫清晰

据亚马逊文化公开描述的叙事：重要决策常用六页备忘录——写作暴露思维漏洞。

最优解 / 可执行法则

1. [输入:输出 ≥ 1:1 时间比](https://en.wikipedia.org/wiki/Feynman_Technique)：含笔记结构化；呼应 费曼技巧 的「教才是学」。
2. [三级输出](https://nav.al/)：私密笔记 → 小范围分享 → 公开作品；导向 Naval 所说的创造与权益。
3. [AI 协作写作](https://www.aboutamazon.com/news/company-news/amazon-shareholder-letters)：你先列论点与证据，AI 帮润色结构，你再删掉一切你不敢签名的句子——写作强迫清晰（参见 Bezos 股东信传统）。
4. [作品化主题](https://www.calnewport.com/books/deep-work/)：每个支柱至少一篇「可执行法则」长文；用 Deep Work 时段完成。

补充拓展

• 书目入口：Mindset、Deep Work、原子习惯、穷查理宝典、Almanack of Naval。

• 建立个人「判断库」：主题 / 我的立场 / 反方最强论据 / 适用边界。

问题框架

同样 10 小时，有人建立模型，有人只留下浏览痕迹。学习方法的核心是：[检索练习](https://en.wikipedia.org/wiki/Testing_effect)、[间隔重复](https://zh.wikipedia.org/wiki/%E9%97%B4%E9%9A%94%E9%87%8D%E5%A4%8D)、[费曼讲解](https://en.wikipedia.org/wiki/Feynman_Technique)、项目交付——以及用 AI 加速这四环，而不是替代它们。

世界级人物如何处理

费曼技巧

据其学习与教学公开取向的概括（参见 Richard Feynman、费曼物理学讲义）：选概念 → 教假想听众 → 卡壳处回炉 → 简化类比。

芒格：格栅与逆向

据公开著作（查理·芒格、心智模型、Inversion）：多模型交叉验证；遇到问题先问「如何故意搞砸」。

李录：科学方法积累

据公开问答（Li Lu）：可验证、可解释、可预测；兴趣驱动下的点滴复利。

Dweck：为策略与努力付报酬

据《Mindset》公开观点（Carol Dweck / Stanford）：表扬与自我评价应侧重策略与进步，而非「我聪明所以不用方法」。

最优解 / 可执行法则

1. [学完即测](https://en.wikipedia.org/wiki/Testing_effect)：合上材料默写要点；AI 出题，你闭卷答——利用测试效应巩固记忆。
2. [费曼输出](https://en.wikipedia.org/wiki/Feynman_Technique)：每周把一个概念讲给小白（或录 5 分钟音频）；卡壳处就是下一轮输入清单。
3. [项目制交付](https://www.calnewport.com/books/deep-work/)：每个重要主题绑定一个可展示产物（笔记库、小工具、演示文稿）。
4. [间隔复习](https://zh.wikipedia.org/wiki/%E9%97%B4%E9%9A%94%E9%87%8D%E5%A4%8D)：第 1/3/7/21 天回顾；用 Anki 或简单日历即可。
5. [成长型复盘](https://psychology.stanford.edu/people/carol-dweck)：每周只问「用了什么策略、下次改哪一步」，不问「我够不够聪明」。

金句：输入让你感到勤奋，输出才让你变得强。

方法工具箱（可直接套用）

| 环节 | 做什么 | 公开依据 | | — | — | — | | 编码 | 费曼讲解 + 类比 | 费曼技巧 | | 巩固 | 闭卷自测 | 测试效应 | | 保持 | 间隔卡片 | 间隔重复 / Anki | | 迁移 | 真实项目 | Deep Work | | 心态 | 奖励策略 | Mindset |

芒格清单：怎样故意学不会

据公开逆向取向：只收藏不输出、只追新课不复习、只用「感觉懂了」当标准、绝不教别人——然后逐项反着做。

补充拓展

• 书目入口：Mindset、Deep Work、原子习惯、穷查理宝典、Almanack of Naval。

• AI 适合：生成对比表、反方观点、练习题；不适合：替你完成唯一的深度思考。
• 延伸阅读：Deep Work、Atomic Habits、思考，快与慢、Poor Charlie's Almanack。
• 警惕：把「收藏教程」误当成「学会了」；没有检索与交付，知识只是浏览痕迹。

问题框架

AI 让「学会一个工具」的半衰期变短。学习方向要回答：什么值得长期投入？什么用 AI 临时补即可？什么与我的兴趣与能力圈共振？

世界级人物如何处理

李录：兴趣引导 + 知识诚实

据其北大等公开演讲与问答：有用知识应可验证、有解释力与预测力；用科学方法与统计学思维；让兴趣引导，别人停你还在问，这是优势（edge）；宁可模糊地正确，不要精确地错误。

Naval：具体知识（Specific Knowledge）

据公开言论整理：追求难以被培训出来、与独特经历/兴趣结合的知识；这类知识更难被自动化完全替代。

查理·芒格：多学科与能力圈

据公开著作观点：广泛吸收重要学科的重要模型，但投资与重大决策仍守能力圈边界。

费曼（Richard Feynman）：真懂 vs 知道名词

据其教学与公开言论常被概括的取向：若不能用简单语言解释，多半还没懂——方向选择上，优先能被你讲清楚并应用的领域。

最优解 / 可执行法则

1. [三层学习组合](https://fs.blog/mental-models/)：主线深耕（3–5 年）+ 工具层（AI/编程/表达，持续更新）+ 广谱输入（跨界模型）。
2. [兴趣 × 市场 × 能力](https://nav.al/)交集选题；AI 可帮你扫描市场，但不能替你产生兴趣。
3. [每季度砍掉一门「假装在学」的课](https://www.calnewport.com/books/deep-work/)。
4. [能力圈地图](https://en.wikipedia.org/wiki/Circle_of_competence)：列出能教别人的 / 能独立做出作品的 / 只会刷课的。

金句：在 AI 时代，方向错误的勤奋是最高级的浪费。

补充拓展

• 书目入口：Mindset、Deep Work、原子习惯、穷查理宝典、Almanack of Naval。

• 用「一年后作品集会多什么」反推今年该学什么。
• 警惕：只追风口名词（Prompt、Agent）而无主线技能。