标签： 能力圈

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。

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）。