# Summary
思而不学：“动手”带来的正反馈，远比“看懂”理论强烈的多。
学而不思：想通透。建立知识链接 有一种更高级的快乐！
核心矛盾其实就一句话：教科书的目标是构建一套严谨、完整、无懈可击的公理化知识体系，而 3blue1brown*（后面简称3b1b）的目标是帮你建立对一个数学概念最核心的、最符合直觉的理解。
"真正的进步，不在于你记住了多少知识，而在于你的直觉发生了怎样的变化。"——杨振宁 Intuition is Knowledge Distillation 直觉，就是知识蒸馏 系统二对某类问题的深度思考，经过反复训练，最终被"蒸馏"内化成系统一的快速反应——从费力推理，变成瞬间"看出"答案。记忆知识只是扩充系统二，而直觉改变是系统一的重构——你对世界的反应方式已在潜意识演化。真正的学习，就是从系统二到系统一的迁移：从"我会思考"到"我直接知道"。当思考变成直觉，知识才真正成为你的一部分。
在 **“Detail‑capture drills”** 这句话里，**drill** 指的不是“钻孔”或“军训的操练”，而是 **“专门设计的、反复进行的练习活动”**。它强调**高频、集中、目标明确**的练习，以帮助学习者在真实考试或任务中快速、准确地捕捉细节。
学习能力也好，执行力也罢，核心只有一个：在刚开始的时候，平静地接受自己的笨拙。
1. [[可理解性输入]]、[非黑盒（non-black-box）](非黑盒（non-black-box）.md)是我从那次玩露娜悟到的一个道理。
2. [[抄]]
3. [[四阶段学习模f型]]
4. 先做100次几乎可以解锁任何技能 但是几乎没有人愿意干这个事情 所以这个世界是开放且自由且没什么阻力的，因为无论你拿到了什么结果，其他的 NPC 都不会效仿你 是否愿意先做100次是区分 Player 和 NPC 的界限
5. 用逻辑语言学逻辑知识，[Exercism](Exercism.md)的学习方式本质是用逻辑语言去学习逻辑 解决了自然语言学习逻辑的不精准和低效的问题
6. 问题和思考驱动，现在这个 AI 时代，是答案太多，而问题太少，看书和学习的时候才能提出很多问题 [DeepResearch](DeepResearch.md)
7. 所有的学习方法当中，最高效的就是[[Project-Based Learning]]，
8. 好的[[老师]]能够提供完整度、过拟合。但是另一方面，真有技术含量的东西，都是需要系统性学习，才能掌握的。压根不可能用师徒这种教学方式学习。普通人考个驾照，都要先理论，再实操。教练的作用就是陪你反复实操，防止你实操时把自己弄死或者弄死别人。
9. 广度优先，节点之间有增益效应，广度优先的遍历复杂度会低于深度优先。
1. “凡是处理复杂的事情，一定要从总体上去把握”---------钱学森
10. 深度突破，遇到不懂的大概念不需要模模糊糊看好多东西 反而浪费时间 沉下心把里面的几个关键小概念看懂 大的就容易理解了
“伪勤奋”的4个表现：
1. 花大量时间做事情中最容易的环节，还到处炫耀：“没有功劳也有苦劳。”
2. 2、以“准备”的名义拖延，看上去很忙但事情没有任何进展。
3. 从来不验证工作成果，不知道做得好or做得坏，只顾闷头拉车，不会抬头看天。
4. 读了很多书，但从不总结规律,即使总结了规律，也没有用到自己的实践中去。 只有剔除大量低价值的浮浅工作，给生活创造积极的变化，才能走出内耗的怪圈。 一个人最大的内耗，是低质量忙碌。
[胡适](胡适.md)说：怕什么真理无穷，进一寸有进一寸的欢喜。
过去的学习路上。弯弯绕绕 拔草开路 遇到真正的知识之前的路还是比较长 但是现在ai把这段路压缩了
[Corrective feedback Loop](Corrective%20feedback%20Loop.md)
苟日新，日日新，又日新。
# Cues
[[适应]]
[[时间管理]]
# Notes
## 杨振宁
感觉核心是两个：尊重直觉 + 广度优先长期主义
1. 直觉与书本知识冲突时，是最好的学习机会，必须抓住这种机会。2.
2. 要学会迁移能力，此处的观点可以搬到彼处。3.
3. 不成功的企图，不一定是没有道理的。4.
4. 走到实在困难的时候，要想一下要不要改行，顺势而为。5.
5. 有好的想法，不要轻易放弃。你可以先暂时放下，过一段时间有了新的发现，再捡起来。6.
6. 渗透性的学习方法，听一次不懂没关系，多听几次就懂了。7.
7. 不要迷信权威，要敢于突破创新。8.
8. 消息灵通，不要闭门造车，要眼观六路，耳听八方。9.
9. 各自找题目，你自己要有想法，有问题。10.
10. 自己对自己负责，要独立啊，不要等、要、靠，要主动。11.
11. 事情有延迟性，你所做的可能现在看不出效果，但后来你会知道效果了，所以要坚持长期主义。12.
12. 要先有兴趣，努力准备，才能有所结果。
## 借助 ai 快速理解陌生领域的思路
1. 问题：让大模型从浅至深，从简单到复杂的生成该领域的 100 个好问题
2. 初试：按自己当前的理解去尝试回答一些问题
3. 讨教：与大模型针对每个不会的问题进行讨教，再找领域从业者交流确认 以问题作牵引，以明确写出来的回答作为确证，不断完善对该领域的认知拼图。
选取围绕：小行动 / 目标压力 / 行为改变 / 时间尺度)
- 《原子习惯》：1%的改进累积成巨变，系统>目标
- 《微习惯》：从极小行动开始，避免意志力耗竭
- 《小习惯》：行为=动机+能力+提示，庆祝小胜利
- 《四千周》：接受有限性，放弃"掌控一切"的幻想
- 《深度工作》：专注创造价值，减少浮浅工作
- 《心流》：挑战与技能平衡时的最优体验
- 《重新定义公司》：OKR系统，透明文化
- 《搞定》：清空大脑，下一步行动，情境管理
1.《原子习惯》詹姆斯·克利尔
2.《微习惯》Stephen Guise（区分 Tiny Habits 与 BJ Fogg 的《小习惯》）
3.《小习惯》BJ Fogg
4.[[《四千周：时间管理的根本问题》]]Oliver Burkeman
5.《深度工作》Cal Newport
6.《心流》米哈里·契克森米哈赖
7.[[《重新定义公司》]](或其他打造实验文化的创新书籍，用于组织层面)
8.《搞定》（GTD）David Allen（关注行动分解与轻量执行）
学术界的补充/对立观点：
1. 社会学批判（Byung-Chul Han《倦怠社会》）
- 观点：自我优化是新自由主义的自我剥削
- 差异：质疑而非拥抱"永续改进"
2. 人类学视角（David Graeber《毫无意义的工作》）
- 观点：40%的工作本身就是无意义的
- 差异：系统问题不能靠个人习惯解决
3. 哲学思辨（韩炳哲《透明社会》）
- 观点：过度的自我量化导致存在的贫乏
- 差异：警惕将生活全面"优化"
4. 东方智慧（《道德经》、禅宗思想）
- 观点："无为而无不为"，顺势而为
- 差异：强调自然节奏而非人为控制
5. 神经科学新发现（Matthew Walker《我们为什么要睡觉》）
- 观点：休息和睡眠比"深度工作"更重要
- 差异：质疑Cal Newport的某些建议
所有的学习方法当中，最高效的就是[[Project-Based Learning]]，学校的传统那种学习方法是极其低效的，因为学校的教学环境没有办法做到Project-Based，而 AI 时代，再用学校的那种方式来学习是愚蠢的。在 AI 的帮助下，大部分科目都可以做到project based，学骑车就是直接上车骑，而不是在车下练动作
> 当你正式开启个人知识管理的终身事业时，请不要忘记自己曾经取得的成功。你曾经一无所知的事物，如今已成为生活日常；你曾经难以掌握的技能，如今已融入你的血液；你曾经无比排斥的高新科技，如今已如呼吸一般简单自然。
[[Roadmap]] → [[知识映射法]] → [[Cheatsheet]] → [[Checklist]] → [费曼学习法](2%20第二大脑/2%20飞轮/0%20工具系统/学习/费曼学习法.md)
1. 先通过 Roadmap 快速构建忽略细节的大致的认知框架。
2. 再通过 经典问题对照法 快速将具体问题归类到经典模式。
3. 结合 Cheatsheet 快速回顾解决方案并高效调用知识。
4. 利用 Checklist 确认细节不遗漏。
5. 最终用 Feynman 技术 自我检验学习效果。
---
- 费曼学习法：先用自己的话简单解释一个概念或知识，然后找到自己解释不清的地方反复学习，直到能轻松讲明白为止。
- [[西蒙学习法]]：把复杂的知识分解成若干小块，逐块学习后再整合起来，从而更容易掌握和记忆。
- SQ3R学习法：阅读时先浏览（Survey）内容，再提出问题（Question），然后带着问题去阅读（Read）、复述（Recite），最后复习（Review）巩固所学知识。
- 番茄学习法：把学习时间分成每25分钟一个番茄钟，专注学习期间不分心，中间休息5分钟来提升效率和专注度。
- 康奈尔学习法：把笔记划分成记录区、提示区和总结区三个部分，通过提炼关键词和写小结来加深理解和记忆。
---
1. 主动回忆（Active Recall）
主动输出知识，比单纯的重复阅读效果好得多。当你主动尝试解释时，会调用记忆并重新组织信息，强化长期记忆。
2. 元认知（Metacognition）
教学的过程促使你对自身的知识状态保持清醒的认知（知道自己知道什么，不知道什么），提高你的自我监控能力。
3. 生成效应（Generation Effect）
自己生成知识比直接接收信息更容易被记住。当你主动创造解释，而不是被动阅读教材时，知识印象更加深刻。
4. 知识重构与关联（Knowledge Reconstruction & Association）
将复杂知识用简单语言表达出来，迫使你重新整理知识结构，并建立新的认知关联，使你对知识的理解更加深刻与清晰。
---
如何理解「以绝大数人努力程度之低，根本没有要到拼天赋的地步」？- Thoughts Memo的回答 - 知乎
https://www.zhihu.com/question/654610289/answer/105156260062
不想学习的时候如何逼迫自己学习？- 壮猫咪 attorney 的回答 - 知乎
https://www.zhihu.com/question/20773513/answer/136229297
为什么有些人学习就是好？- 人生万花筒的回答 - 知乎
https://www.zhihu.com/question/323022208/answer/2298962346
学习就是 [增肌](增肌.md)
就是如果你不及时把知识从短时记忆变成长时记忆，那么你将浪费数倍于你该开始学到一个知识的时间。大家学习最麻烦的最终极的障碍就是贪婪，总是贪婪进度，就看别人刷题怎么怎么刷的多。然后别人这个复习都复习了好几章了，对吧？十几章了，我自己还在这前三章在这晃悠，你受不了了就开始往前赶，赶来赶去，就是这个效果。以前学的东西都忘了，做了无用功，基本上是贪婪。学霸早就看清楚这个人性的这种深层次的东西了，他能耐心的做到我学一个东西，掌握一个东西，把它弄清楚，把它掌握住，牢牢的把握住，然后再学更多的按部就班，循序渐进。
---
这篇文章的核心思想可以概括为以下几点：
1. 学习本应是快乐的
- 人类大脑天生对未知信息敏感，会因为探索未知而产生愉悦感和动力，这是一种刻在基因里的生物算法。
- 当我们遇到既不全然已知、也非纯粹"噪音"（即与现有知识体系完全脱节、难以理解的信息）的合适难度知识时，大脑就会被激活，产生好奇心与学习动力。
2. 为什么有的人讨厌学习？
- 过于简单、完全已知的内容无法激发大脑的好奇心。
- 过于艰深、缺乏关联性的知识会被大脑视为"噪音"，大脑会大面积过滤掉这些信息，导致学习体验变得费力又无趣。
3. 找到"好玩"又"有益"的学习材料
- 每个人的大脑知识储备不同，对同一材料的理解度也不同，因此最佳的学习难度是高度个性化的。
- 只要顺从大脑对信息价值的判断——即"我真正喜欢、也能理解的内容"，就能触发大脑的奖励机制，收获学习的乐趣和动力。
- 反过来看，如果一个人非常抵触某个学科，就会更难从中获得乐趣，也就更难持续学习。
4. 学校教育的问题
- 传统学校往往采用"一刀切"与"强制性"的教学方式，要求所有学生在同一时间、同一进度学习相同内容。
- 这忽视了个体差异，也压制了学生对学习内容和学习节奏的自主选择权，使原本快乐的学习过程演变为痛苦、应付考试的负担。
- 长期强制导致学生的大脑对学习的"估值"降低，逐渐丧失内在的学习动力，形成"厌学循环"。
5. 自由学习的呼吁
- 作者及文中引用的 Piotr Wozniak 等人都主张"尊重大脑的天性"，认为不应当用传统学校模式去扼杀孩子的好奇心与内驱力。
- 借由互联网和现代学习工具，人们完全可以根据兴趣和自身水平自由搜寻学习资源，不再需要把学习局限在学校的课堂与考试之中。
- 强调"遵从大脑""享受学习"，倡导用高效且有乐趣的学习方法（如间隔重复、个性化学习材料等），从而找回学习的内在驱动力。
简而言之，这篇文章的主旨就是：学习与探索是人类大脑的天性，真正的学习应该充满乐趣；然而传统的强制学校教育模式往往扼杀了这种乐趣和学习动力，导致许多人在成年后也厌恶学习。作者呼吁重视个体兴趣与自主选择，让学习重回"好奇与享受"的原本面貌。