关于AI时代的学习

进入 AI 时代之后，很多原本需要上网狂暴搜索半天才能解决的问题，现在可能只要简单描述一下，十几秒就能得到一个看起来还不错的答案。比如报错信息看不懂、某个 API 不会用、想快速了解一个概念的背景，AI 往往都能给出比搜索引擎更直接的反馈。

但这并不意味着学习效率也会以同样夸张的幅度提升。信息获取变快了，不代表理解、内化和实践也会自动变快。很多时候，AI 能帮我们跨过“查资料”的门槛，却不能替我们完成“建立知识结构”和“形成经验”的过程。实际学习中，我们可能还会遇到下面这些困难。

不知道自己不知道什么

学习一个新领域时，最难的往往不是某个具体问题，而是不知道这个领域到底由哪些问题组成。如果对整体体系没有概念，就很难向 AI 提出有效的问题。

例如刚开始学 TypeScript 时，可能只会问“TypeScript 怎么学？”或者“interface 和 type 有什么区别？”。这些问题当然能得到答案，但很容易停留在零散知识点上。真正影响长期理解的内容可能包括类型推导、泛型、结构化类型系统、类型收窄、工程配置、和 JavaScript 运行时之间的边界等。如果一开始完全不知道这些主题的存在，就很难主动问到它们。

所以 AI 更像是一个很强的问答对象，而不是天然可靠的学习地图。我们仍然需要先让它帮忙梳理领域轮廓，比如让它列出学习路线、核心概念、常见误区，再基于这些内容逐步深入。

缺少实践

有些技能的掌握离不开实践，尤其是写代码。编程能力并不只是“知道某个语法怎么写”，还包括拆解问题、设计结构、定位 bug、理解报错、权衡取舍等一整套经验。

如果过于追求效率，把实现过程全部交给 AI，短期内确实可以更快得到一个能跑的结果，但自己的经验积累可能会被跳过。比如一个异步请求失败了，AI 可以直接告诉你要加 await、要处理异常、要检查接口返回值；但如果每次都只是复制修复方案，而没有自己观察现象、猜测原因、验证假设，那么下次遇到类似问题时，仍然很难独立判断。

更好的方式也许是把 AI 当成陪练：先自己尝试实现，遇到卡点时让 AI 提示思路；修好 bug 之后，再让它解释为什么这样改有效、还有没有其他写法。这样 AI 提供的是反馈和复盘，而不是直接替代练习。

知识的诅咒

AI 也可能会有某种“知识的诅咒”：它默认自己知道的东西你也大概知道，于是解释时跳过了关键前提，或是抛出大量“越级”概念；或者反过来，它不知道你的真实基础，又花很多篇幅讲解你已经熟悉的内容。

比如学习 TypeScript 时，如果我已经有一些 Python 异步开发经验，那么“异步函数会返回 Promise”“await 会等待异步结果”这类解释可能就不需要太多篇幅。真正需要补足的，可能是 TypeScript 如何描述 Promise 的类型、泛型在异步函数中的作用、前端框架里异步状态该如何建模。可是如果没有主动说明这些背景，AI 很可能按通用初学者教程来讲，导致信息密度不合适。

因此，和 AI 学习时，描述自己的背景很重要。比起直接问“给我讲讲 TypeScript”，更好的提问可能是：“我有 Python 基础，了解 async/await，但不熟悉前端工程和 TypeScript 类型系统。请跳过基础编程概念，重点讲 TypeScript 相比 Python 类型标注最不一样的地方。”

个人尝试

目前我也在尝试探索一些更适合自己的 AI 学习方法。受 AI coding 的启发，我发现开发复杂任务时，通常不会一上来就让 AI 写代码，而是先讨论需求、澄清边界、拆分步骤，再进入具体实现。学习复杂知识时，也许可以采用类似的流程。

比如在开始学习一个新领域前，可以先与 AI 讨论，根据自己的背景制定学习计划：我已经会什么、不熟悉什么、目标是能读懂项目还是能独立开发、每天大概能投入多少时间。计划确定之后，再把学习过程拆成一个个小任务，每完成一部分就让 AI 帮忙检查理解是否准确，或者根据练习结果调整后续安排。

在这个过程中，还可以像维护 CLAUDE.md 一样维护一份“个人学习画像”：已有基础、常见误区、喜欢的解释方式、正在学习的主题、已经完成的练习等。这样 AI 不需要每次从零理解我是谁，也能更快进入合适的讲解深度。

当前正在尝试用这种方法快速学习网站前后端开发、工业级coding agent搭建，也作为该方法的一种实验看看效果如何（体验好的话感觉可以整个skill🥰）