切换阅读主题
建立自己的 AI 学习工作流
收藏了一堆链接，不等于已经理解。每次接触一个新概念时，可以尝试做一个小闭环：提出问题、核对解释、动手实践，再把结果留成笔记。
这是一种可自行调整的学习方法。工具可以更换，关键是让每次探索都有一个明确的问题和一个可以检查的结果。
第一步：缩小今天的问题
把“学习人工智能”拆成一个能在当前完成的小任务。例如，“弄清楚 RAG 中的检索发生在哪里”，或者“把一条含糊的提示词改成可复用的模板”。
问题足够具体，才更容易判断自己是否学会了。
第二步：先找原始资料，再让 AI 帮忙理解
从官方文档、原始论文或项目说明中选一段短材料。把这段材料交给 AI，要求它解释术语、指出前提，再回到原文核对。
一个可用的提问是：
请解释这段文字中的三个关键概念。说明每个概念在原文中的作用；对于原文没有提供的信息，请明确标注。
保留原文链接和阅读日期，后面更新笔记时会方便很多。
第三步：设计一个可以观察结果的小练习
如果学习提示词，就用同一个任务比较两个版本。如果学习代码，就准备一个最小输入并实际运行。如果学习检索，就写下问题、找到的片段和最终答案，看看资料是否真的支持结论。
练习不必大，重点是结果能被核对。
第四步：用自己的话留下记录
一份短笔记可以只有这四部分：
markdown
# 今天弄懂的问题
## 我原来怎么理解
用两三句话写下原先的判断。
## 我做了什么
保留输入、操作步骤和实际观察。
## 现在得到的结论
区分已经验证的部分和仍不确定的部分。
## 来源与下一步
留下资料链接，再写一个继续探索的小问题。每隔一段时间整理一次
回头看笔记，把重复的解释合并，把已经变化的信息标出来，把仍然不懂的问题放进下一轮练习。比起追求收集数量，更值得关注的是：自己能否解释清楚，并在需要时找到它。