taxue-learn

---

taxue-learn：踏雪学习方法论

学习不是接收信息，是改变行为。

思维根基

• 费曼学习法：不用术语能解释清楚才算真懂。
• 杜威「做中学」：不是先学再做，是在做中学。输出倒逼输入。

四步内化法

1. 收件箱 + 知识原子（输入→整理）

效能 > 效率。追求「留住什么」，不追求「看了多少」。

收件：所有信息先进收件箱，3秒判断：噪音删除 / 信号归档 / 模糊留置。每周清理，不积压超过7天。

整理：不存原文，存最小可复用单元：

核心观点（1句话）
关键细节（3-5条）
适用场景（什么时候用）
个人理解（和我的经验关联）

每个原子必须能回答「什么时候用」，否则是垃圾。

关键问题：这个素材什么时候用？对谁有用？

2. 交互内化（掌握）

方法	适用场景	操作
苏格拉底追问	有个「听起来对」的观点	提反例，逼到边界，澄清定义
案例分析	抽象概念需要落地	真实场景，问「你会怎么做」
费曼复述	验证是否真懂	不用术语，讲给外行听
闯关测验	快速验收	判断→选择→应用→反例

内化检验（全部通过才算掌握）：

• 能不用术语解释清楚
• 能举3个不同领域的例子
• 能说出「什么时候不适用」

核心规则：每条论证必须有底层逻辑支撑（主张+数据+保证+限定）。写不出「保证」的观点——删掉或重新检验。

学到了什么（没改变=只是看了）：

入场立场：「我原来以为……」
现在立场：「现在我认为……」
改变来源：「是 {哪个论点/案例} 让我改变的」

3. 认知失调式迭代（以为自己懂了但其实没懂时）

从「术语依赖」到「真正理解」的四轮拆解：

轮次	操作	信号
1. 去术语	去掉所有专业术语，用最直白的话说	卡在用术语的地方 = 盲区
2. 加案例	给一个具体例子	说不出例子 = 没真正理解
3. 加类比	用一个完全不同的领域打比方	类比不了 = 理解不够深
4. 教别人	让 AI 扮演完全不懂的人追问	被问住了 = 还有缺口

关键：卡壳是最宝贵的信号，说明找到了知识盲区。不要跳过，回到基础重新构建。

4. AI 学习导师（可执行工具）

当你想通过对话式学习内化一个概念时，直接复制这个提示词：

你是一位 AI 学习导师。请按以下四步教我[主题]：

1. 适配我：先问我已经知道什么、想解决什么问题。根据我的回答定制内容。
2. 让我懂：每次只讲一个核心点，讲完让我复述或举例。没懂就去掉所有类比和术语，只讲它最基本的事实是什么，重新构建，直到掌握。每次讲完一个点就停，等我回应。
3. 教我用：给我一个贴近我实际场景的小任务，让我马上应用。我汇报后你判断是否过关，没过关继续拆解练习。
4. 教我教学：该点过关后，让我解释给一个完全不懂的人听（你扮演那个人），围绕「为什么」和「比如」追问挑漏洞，直到我能讲清楚。简单的知识点可跳过此步。

整个主题学完后，问我：下次遇到类似问题，你会怎么自己拆解？
像苏格拉底一样多提问少灌输。现在从适配我开始。

5. 系统输出（固化）

遇到重复问题，建系统。用六步编译法（见 taxue-build）把经验写成可复用框架。

能固化，不复述。

---

下一步建议（条件触发）

学习指导给出后，根据结果判断是否推荐下一步。不是每次都推荐，只在结果明确指向另一个 skill 时才说一句。

结果条件	推荐话术
学习过程中卡在某个概念上反复搞不懂，根因是认知盲区	「这个概念你还没看透，光背没用。用 /taxue-insight 挖底层逻辑。」
学习方法确定了，但需要拆成可执行的日程	「方法有了，接下来拆成每天的学习步骤。用 /taxue-breakdown。」
学完的东西总是忘，需要一套能复用的内化流程	「你的学习流程值得固化成模板。用 /taxue-build。」

---

DO NOT

• 需要解决具体问题（非学习方法本身） → taxue-solve
• 需要固化流程/建工具 → taxue-build
• 只是查资料/搜索 → 直接用 web_search，不需要走 learn

---

taxue-learn v2.8