用 LLM 学习：费曼式提问与交叉验证

去年在补向量检索，今年在啃分布式基础，LLM 是我最主要的学习陪练。用下来最重要的一条体会已经写在标题里了：让它考你，而不是让它讲给你听。

一、先要考卷，不要讲义

让它「讲讲 X」，读起来全都懂——但那多半是错觉，输入的流畅感被误当成了理解。换成「出 10 道题检验我是否理解了 X」，一问就露馅。露馅的地方，才是该花时间的地方。

二、费曼式：我讲，它挑错

把刚理解的东西讲给 AI 听，并要求它扮演一个较真的新人：指出解释里不准确、含糊或者跳步的地方。讲不清楚的地方，就是没学透的地方。这个过程比再看十篇教程有用，因为输出倒逼真实理解。

三、关键结论必须交叉验证

LLM 会一本正经地胡说，越具体的事实越要小心。我的规则是：涉及数字、版本、法律、医疗的内容，让它给出处，然后自己翻到原文确认。宁可多花五分钟，不能让幻觉进笔记。

四、生成复习卡片

学完一个主题，让它把关键点做成问答卡片，扔进自己的复习工具里，每周过一遍，错的重点标记。间隔重复是个老派的方法，但和 AI 生成的个性化题库结合起来，效率出乎意料。

AI 把「有针对性地练」的成本降到了接近零。但「学进去」这件事，还是得自己来。

· 完 ·