開篇

怎樣學，知識才能過腦？

這門課不缺內容，缺的是你停下來想一想的 30 秒。

先説一個殘酷的事實

如果你只是從頭刷到尾，看完覺得「嗯，都明晒喇」，那很大機會三天後什麼都不記得。
這不是你的問題，是人腦的預設模式：輸入 ≠ 理解，理解 ≠ 記住，記住 ≠ 會用。

看完 vs 學到：差在哪？

只是看完 真正學到
看到一個案例 「哦，原來可以咁」 「呢個思路，我個場景用唔用得？」
看到一個概念 「記住咗呢個名詞」 「佢解決嘅根本問題係咩？」
看到一個踩坑 「人哋踩過，我知咗」 「我個項目入面有冇類似嘅坑？」
看完一節課 「下一節」 「等等，等我用自己嘅說話複述一次」

三步循環：讓知識真正長在腦子裏

看到
接收資訊
→
反思
停下來想
→
遷移
帶入場景
→
輸出
講給別人
1

看到：帶着問題看，不要無腦刷

每打開一頁之前，先問自己：呢個主題同我而家做緊嘅事有咩關係？哪怕暫時想不出來，這個問題本身就會讓你的注意力聚焦。

示例：打開「上下文窗口」這一頁之前
先想：我哋產品嘅對話成日超長，係咪同上下文窗口有關？用戶話「你唔記得我頭先講過」，係咪上下文被截斷咗？
2

反思：每看完一個知識點，停 30 秒

不要急着翻下一頁。問自己三個問題：

1. 呢個概念解決嘅根本問題係咩？
2. 如果唔知呢樣，我之前會點做？
3. 知咗之後，我嘅做法會有咩唔同？

示例：看完「幻覺」這一節後
反思：原來幻覺唔係 bug，係概率採樣嘅必然結果。咁我之前叫 AI 直接輸出準確答案嘅做法就有問題。我應該設計驗證環節，期望模型唔出錯其實唔現實。
3

遷移：代入你自己的業務場景

這是最關鍵的一步。課程裏的每一個案例、每一個設計決策，都要翻譯成你的業務語言。

不同行業、不同產品形態、不同用戶羣體，同一個技術方案的適用性完全不同。課程教的是思考框架，不是可以照搬的答案。

示例：看完「RAG 檢索增強生成」後
遷移：我哋客服系統有 2000 篇知識庫文檔。RAG 嘅召回率同精確度問題，喺我哋呢度會變成咩？用戶問一條跨多篇文檔嘅問題時，我應該點樣設計檢索策略？我哋嘅文檔格式（PDF 掃描件 vs 結構化文本）會影響邊啲環節？
4

輸出：講給別人聽，或者寫下來

費曼學習法的核心：如果你不能用簡單的話講給外行聽，説明你自己也沒真懂。

不需要寫長文，哪怕在微信羣裏説一句「今日學到一點：xxx，以前以為 yyy，其實係 zzz」，這個動作就能把知識從短期記憶推入長期記憶。

示例：嘗試輸出
跟同事説：「你知唔知，大模型嘅 Token 唔係按字計嘅，一個中文字可能係 1~3 個 Token。我哋嗰個 Prompt 模板睇落得 500 字，實際可能食咗 1500 Token，難怪成日超限。」

這四個動作是通用的，換成任何材料都成立。想知道把它們套到 AI 身上具體怎麼做，去看 AI 教我學習 這一章：十一節課分別講提問該帶哪四個部件、怎麼當場識破它一本正經説錯的話、讀不下去的長材料怎麼拆、怎麼讓它出題考你，以及怎麼判斷自己是真學會了。

本頁 Takeaway