收藏了100篇教程还是学不会——马老师的学习机制论作者马老师高校计算机学院教师 / 20余年棋龄 / 长期研究AI时代的教学与学习先讲一个真事。一位常春藤毕业的CFO数学背景一路学到微积分。在一次访谈里有人问他为什么你们公司的边际生产成本比竞争对手高他的第一反应是警觉这是商业机密你从哪知道的对方的回答很简单这个数据是你自己给我的。上市公司公开文件里两个时期的销售成本和销售数量都有——做一道减法解一个二元一次方程而已。这是一道八年级代数题。他不是不聪明也不是没学过。他学代数的方式和大多数人一样为了考试考完就扔从头到尾没问过一句——代数到底是关于什么的我在高校教了四年书企业里带了十几年企业新人和学生自己也是从学生时代过来的交大本科清华硕士后来创业又回到讲台。今天这篇文章想把这些年关于学习这件事的观察一次讲透。如果你正在收藏这篇教程——先别急先把它读完。一、学不会先查依赖别查智商程序员看到依赖缺失的报错第一反应是装依赖没有人会说这编译器真笨。但在学习上大多数人恰恰反着来听不懂就觉得自己笨记不住就焦虑天赋不够。十几年的教学观察告诉我学习上的问题几乎没有一个是智力问题全是机制问题听不懂不是学不会——是你卡在了前置知识上。分布式系统看不懂先查一下自己是不是网络基础没打牢而不是怀疑智商。记不住是理解不深——知识是叠加着长的。没理解的东西背下来也只是临时缓存重启就没了。粗心不是小毛病——是熟练度没到一看就懂、一做就对的级别。老司机不会把油门当刹车那不叫不粗心那叫肌肉记忆。不会做是练习的量没到——看懂了和会做了隔着一整个练习量。看懂只是视觉层面的理解手上的神经通路还没建起来。《教育观》的作者萨尔曼·可汗可汗学院创始人有个更狠的说法他认为95分的考试成绩也不应该被认为足够优秀——因为那5%的缺漏会在下一个知识点里复利。知识是递归的底层的坑会被上层无限放大。他还打了个比方你会开一辆只有三个轮胎的汽车去长途旅行吗可我们太习惯这么干了。75分及格80分良好然后带着缺漏的知识栈继续往上叠——直到某一天在更高的地方莫名其妙地崩掉还找不到报错日志。所以下次再觉得我是不是不适合学这个先换个问法我卡住的那个点缺的是哪块前置知识问题一旦翻译成机制就有解了。翻译不过来的问题才真的无解——而大多数时候只是我们懒得翻译。说孩子笨是大人们最省事的懒惰。说自己在技术上学不会是你对自己最省事的敷衍。二、跑通demo不叫会能造轮子才叫会有一句流传很广的话我第一次看到就记下来了学完是信息经过你吃透是知识长进你身上。用程序员的话翻译一遍学完 跑通了demo。吃透 能造这个轮子。学完 git clone下来能跑。吃透 源码读过了能讲给别人听。学完 收藏了100篇教程。吃透 自己踩过坑写出了第101篇。我见过太多学生包括很多在职的工程师把完成型学习当成了学习本身课刷完了书翻完了视频看完了收藏夹堆满了——到最后什么都没留下。这就像复盘软件里存了一万盘棋棋力一子都没涨。数据库里躺着的不是你的只有你写过、改过、调试过的代码才是你的。怎么才算吃透两个检验标准一条都不能打折**第一换个场景还能用。**真正理解了TCP的人不止能背三次握手还能解释清楚为什么视频会议卡顿了画质反而流畅、为什么游戏加速器能降低延迟。知识如果只在一个场景里成立那叫背题不叫懂。**第二讲给别人能听懂。**这是费曼学习法的核心也是我这些年用得最狠的一招。讲不出来就是没学会——不是你表达能力差是那个知识点在你脑子里本来就是糊的。我自己备课这些年最深的体会就是每次把一个概念讲透给别人我自己对这个概念的理解就又深了一层。教是最快的学习。可汗学院的方法论里有一条我特别认同的一号公式传统课堂固定学习时间、放任理解程度参差而真正高效的学习应该固定理解水平、放开学习时间——没懂就再学直到懂了才往前走。每个人的理解速度不同凭什么要求大家用同样的时间达到不同的理解深度学习很慢。但慢就是快——死记硬背不是把困难解决了只是把困难延后了处理。三、AI不生产你的增量只放大你的存量现在聊最扎心的部分。浙江大学人工智能学院的吴飞教授在一次访谈里说过一段话我印象极深。他说请问你不读书那你在人工智能面前你问什么呀你只能问一些鸡毛蒜皮的事情。这句话把AI时代学习的第一性原理讲透了。大模型把人类全量的文明语料都消化了但检索的入口只有一个——你的问题。你脑子里的存货决定你问出什么你问出什么决定你得到什么。所以我的判断是这句话大模型不生产你的增量它只放大你的存量。同样一个ChatGPT在不同人手里是完全不同的东西在读过操作系统的人手里它能帮你分析清楚一次线上OOM的根因在没读过的人手里它只能给你生成一段看似能跑的代码然后你在深夜两点对着core dump怀疑人生。AI像一个功率巨大的放大器。放大器不改变信号的波形——它只是把你本来的样子放大给你看。这就解释了一个现象为什么AI出来之后高手变得更强了而很多人反而更焦虑了因为放大器把人和人之间的存量差距以指数级拉开了。所以我反对有AI了不用学基础的说法恰恰相反——AI时代读书的目的变了过去读书是为了记住答案现在读书是为了问出问题。你不知道TCP/IP的分层你就问不出那道卡了三天的bug该往哪查你不了解数据库索引的原理你就判断不了AI给你的那套优化方案是在救你还是在坑你。胸中有货才配得上一个好问题。四、把AI当对手盘别当百度用存量是底座但光有存量还不够——AI时代的用法本身也有机制问题。大多数人用AI的方式下指令收答案不满意换个说法再来一次。我管这叫把AI用成初中生——你只让它做初中生的工作它就只回你初中生的答案。AI真正强大的地方不是听话是拆解、质疑、反推。所以别只让它给你答案试试把它当对手盘让它拆你的前提——我要做XX你认为我这个方案隐含了哪些假设让它挑你的漏洞——找找我这段逻辑里的谬误和证据缺口越狠越好。让它反着推——如果要证明这个方案会失败最强的反对理由是什么最后才让它收敛——在质疑和反推之后再要一份可执行的方案。我之前讲过让AI装傻来向学生提问——那是把AI当学生用来检验自己的理解。现在补上另一半让AI当你的对手。下棋的人都知道涨棋最快的从来不是和软柿子下是和让你难受的对手下。会用AI的人不是会下命令的人是会让AI思考的人。但走到最后一步还有一道闸门必须自己守验收。AI给的东西签字的手必须是你的担责的脑必须是你的。它合成的方案要过你的思辨和价值判断才能变成你自己的东西——吴飞教授管这个叫德尔塔增量。没有这道闸门AI不是在帮你工作是在替你踩坑然后坑里的你连怎么掉进去的都不知道。会提问只是入门让AI质疑你是进阶会验收才是本事。结语复盘是学习者的操作系统最后说点根子上的东西。我五岁多开始学国际象棋下到今天三十多年。棋手有一套刻在骨子里的习惯每一盘下完无论输赢都要复盘——这一步为什么走那一步错在哪如果重来一次会怎么下复盘做得多了你会发现一个朴素的真相**输棋的原因从来不是我不行而是某一步的机制错了。**机制错了改机制就行跟我不行没有任何关系。学习也一样。听不懂查依赖。记不住补理解。学得慢换方法。反复错加练习量。收藏夹里那100篇教程不是你的资产是你没敢面对的作业清单。教了这么多年书我最想告诉学生的一句话也是我全部观点的地基思维是可训练的。你不比任何人笨你只是还没有自己的复盘系统。从今天起把每一次学不会当成一次报错来对待——读日志、查依赖、改机制、再运行一次。这不是鸡汤。这是机制。作者简介马老师沈阳工程学院计算机学院讲师软件工程背景上海交通大学本科、清华大学硕士曾任技术架构师、教育科技公司CEO20余年国际象棋背景现为高校教师长期研究AI时代的教学与学习方法论。如果这篇文章对你有用欢迎点赞收藏——但请记住本文的核心观点收藏不等于学会。合上页面之后找一个真实的问题把你刚学的东西用一次讲一次。那才是你自己的。