开篇

怎样学，知识才能过脑子？

这门课不缺内容，缺的是你停下来想一想的 30 秒。

先说一个残酷的事实

如果你只是从头刷到尾，看完觉得「嗯，都懂了」，那大概率三天后什么都不记得。
这不是你的问题，是人脑的默认模式：输入 ≠ 理解，理解 ≠ 记住，记住 ≠ 会用。

看完 vs 学到：差在哪？

只是看完 真正学到
看到一个案例 「哦，原来可以这样」 「这个思路，我的场景能不能用？」
看到一个概念 「记住了这个名词」 「它解决的根本问题是什么？」
看到一个踩坑 「别人踩了，我知道了」 「我的项目里有没有类似的坑？」
看完一节课 「下一节」 「等等，让我用自己的话复述一遍」

三步循环：让知识真正长在脑子里

看到
接收信息
→
反思
停下来想
→
迁移
带入场景
→
输出
讲给别人
1

看到：带着问题看，不要无脑刷

每打开一页之前，先问自己：这个主题跟我现在做的事有什么关系？哪怕暂时想不出来，这个问题本身就会让你的注意力聚焦。

示例：打开「上下文窗口」这一页之前
先想：我们产品的对话经常超长，是不是跟上下文窗口有关？用户说「你忘了我刚才说的」，是不是上下文被截断了？
2

反思：每看完一个知识点，停 30 秒

不要急着翻下一页。问自己三个问题：

1. 这个概念解决的根本问题是什么？
2. 如果不知道这个，我之前会怎么做？
3. 知道了之后，我的做法会有什么不同？

示例：看完「幻觉」这一节后
反思：原来幻觉不是 bug，是概率采样的必然结果。那我之前让 AI 直接输出准确答案的做法就有问题。我应该设计验证环节，期望模型不出错并不现实。
3

迁移：代入你自己的业务场景

这是最关键的一步。课程里的每一个案例、每一个设计决策，都要翻译成你的业务语言。

不同行业、不同产品形态、不同用户群体，同一个技术方案的适用性完全不同。课程教的是思考框架，不是可以照搬的答案。

示例：看完「RAG 检索增强生成」后
迁移：我们的客服系统有 2000 篇知识库文档。RAG 的召回率和精确度问题，在我们这里会变成什么？用户问一个跨多篇文档的问题时，我应该怎么设计检索策略？我们的文档格式（PDF 扫描件 vs 结构化文本）会影响哪些环节？
4

输出：讲给别人听，或者写下来

费曼学习法的核心：如果你不能用简单的话讲给外行听，说明你自己也没真懂。

不需要写长文，哪怕在微信群里说一句「今天学到一个点：xxx，以前以为 yyy，其实是 zzz」，这个动作就能把知识从短期记忆推入长期记忆。

示例：尝试输出
跟同事说：「你知道吗，大模型的 Token 不是按字算的，一个中文字可能是 1~3 个 Token。我们那个 Prompt 模板看着只有 500 字，实际可能吃掉 1500 Token，难怪经常超限。」

本页 Takeaway