跳转到内容
ai-study-kit logoai-study-kit

学习方法论

这套工具沉淀自真实的学习实践，一句话版本：大纲定考什么 → 材料讲概念 → 做题验效果。三件事各有权威来源，顺序不能乱——先刷题再找大纲，或在没有任何材料铺垫的概念上凭空做题，都会白费功夫。下面是去掉领域绑定后的通用模式，任何主题都能套。

核心模式：大纲 → 材料 → 做题

Section titled “核心模式：大纲 → 材料 → 做题”

学习一个领域会面对三种资料，性质不同、优先级不同：

资料 角色 例子 权威性
能力大纲 / 考纲 定学什么、学到什么程度 学校课程大纲、考证公告、面试题单、OKR 学习目标 唯一权威
参考材料 建概念体系 经典教材、官方文档、公开课、高质量博客、AI 老师讲解 高（与大纲冲突时让位）
练习题 验掌握程度 真题、模拟题、自编题、闪卡、错题本 中（题目可能有偏）

大纲是权威，参考材料和练习题都是工具。三者对同一概念的描述不一致时，以大纲为准——题目或材料覆盖的内容，大纲未必要求；大纲要求的内容，即便题库没覆盖也要学。

何时该学什么

Section titled “何时该学什么”
  • 大纲列了的，必须覆盖——认证、测验、面试的硬性要求。
  • 大纲没列的，不强求——“可以跳过”，不是“必须学完所有相关内容”。
  • 同一项有等级区分的（如 L1 入门 / L2 进阶 / L3 精通）——按目标等级准备，不盲目冲最高级。

完整学习闭环

Section titled “完整学习闭环”

工具围绕同一套考点组织五类产物，外加一条教练线和一册学习痕迹：

五类产物

Section titled “五类产物”
  1. 答题站（quiz-app）——刷题、判分、错题收集，进度跨设备自动同步。
  2. 课程讲解（teach CLI 产出）——把材料里散落的概念串成系统讲解，自包含的 HTML 小站。课要点「✓ 学完了」显式确认才计入进度——打开不算，学完才算。
  3. 闪卡（SRS）——核心概念做记忆锚点，SM-2 + Anki 学习步算法做间隔重复。
  4. 错题精讲（grill CLI 产出）——高频错点聚类后逐簇深挖，讲清楚为什么错、易混点的边界在哪，不只是给正确答案。
  5. 复习播客（podcast CLI 产出）——课程、题目、错题精讲合成男女双播音频，通勤、运动时复习。

教练线：/ask-coach

Section titled “教练线：/ask-coach”

功能多了，“今天到底该干嘛”反而成了负担。/ask-coach 学习教练负责路由：每次先只读探测学习状态，再给一个带理由的推荐动作，选定后按 playbook 带执行。其中两个流程直接对应方法论的深层主张：

  • F10 陪练教学——课是单向的，陪练是对话的：逐考点讲透（是什么/为什么/什么时候用）、当场考、错了当场纠偏。这是「以参考材料建概念」的交互式补充。
  • F11 考前冲刺——距考期 ≤ 7 天进入收割窗口：只收割已学的（金句、错题档案），不补新课，背熟后模考验证。

学习痕迹：study/

Section titled “学习痕迹：study/”

主题包内的学习产物统一住 study/ 下，四分法各归其位：

目录 内容 性质
study/records/ 陪练进度档案（逐考点记录、锚点金句） 学习者私有，永不随静态站发布
study/notes/ 阶段笔记（陪练产物，交棒刷题用） 随主题包分发
study/wrong-questions/ 错题精讲（grill 产出） 随主题包分发
study/sprint/ 考前冲刺包（金句速记/易错警示/必背清单/checklist） 随主题包分发

AI 在每一层都参与：出题（agent 按大纲逐考点直产，见 ai-study-kit.md 的 F2 流程）、讲课（teach）、陪练（F10 对话式教学）、做卡（从课程提炼概念）、错题深挖（grill）、播客合成（podcast）。这些产物怎么保持围绕同一套考点，见 four-alignment.md。

工作流总览

Section titled “工作流总览”
        ┌─────────────────┐
        │  能力大纲（权威） │
        └────────┬────────┘
                 │ 定考点 + 等级
                 ▼
   ┌─────────────────────────┐
   │  参考材料（建概念）      │ ← 教材 / 文档 / 公开课 / AI 老师
   └────────┬─────────────────┘
            │ AI 协助结构化
            ▼
   ┌─────────────────────────┐
   │  teach 课程 HTML          │ ← 系统讲解 + F10 陪练对话式讲解
   └────────┬─────────────────┘
            │ 四对齐（见下）
            ▼
   ┌─────────────────────────┐
   │  练习题 + 闪卡 + 错题精讲 │ ← 同一考点跨产物覆盖
   └────────┬─────────────────┘
            │ 持续做题
            ▼
   ┌─────────────────────────┐
   │  做题正确率 = 学习效果    │
   └─────────────────────────┘
            ↓
   错的题 → grill 聚类精讲 → 补强 → 重做
   考期临近 → F11 冲刺包收割 → 模考验证

给主题作者的话

Section titled “给主题作者的话”

把这套方法论套到自己的主题（K8s、React、英文单词、任何学科）：

  1. 先定大纲——别直接开始刷题。想清楚学什么、到什么程度，写进 examples/<theme>/MISSION.md。哪怕只有“我要能独立部署一个 K8s 集群”这种粗粒度目标，也比没有强。
  2. 收集权威材料——优先官方文档、经典教材，链接收进 examples/<theme>/RESOURCES.md。AI 老师同样需要权威输入，别让它凭空讲。
  3. 产课程——把目标、受众、深度、材料链接写进 examples/<theme>/course-spec.json，跑 pnpm run ai:teach 产课。
  4. 做题验证——真题、模拟题、自编题都行，关键是可量化。正确率不是目的，是诊断信号。
  5. 错题深挖——别只看正确答案，追问“为什么错、易混点在哪、变体怎么做”。错题攒起来，让 grill CLI 聚类精讲。

整个流程不必手动走——装好 /ask-coach 教练后说一句「我想学 X」，F2 开新主题流程会按上面的顺序带你做完。

进一步阅读

Section titled “进一步阅读”