前段时间，我想搞明白一个问题，就是新能源汽车的电池为什么这么贵。
这个行业我完全是外行。于是我就做了一件现在挺流行的事，搭了一个 AI 知识库，把行业报告、新闻、各种资料都喂进去，然后跟它聊，让它帮我把新能源车的来龙去脉理一遍。
我在利用AI + Obsidian，快速了解陌生行业，搭建行业知识库 写过
这玩意效果其实是有的，但其实太重了，大部分时候可能用不上，除了专门去做系统的行业研究的场景。
但很多时候，我们很少需要研究一个行业，更多的是快速入门某个领域，比如我想搞懂 Agent 到底是啥，想学会用 AI 做个小工具，这种时候还要先搭个知识库，就有点像我们本来说好学游泳，结果你先去啃了一本流体力学。
所以我就在想，能不能有一种轻一点的办法，让 AI 直接带着我们入门。
一、用 AI 学 AI
我第一个想到的例子，就是 AI 本身。
很多人都想说学 AI，但不知道从哪儿开始。
大模型、提示词、token、Agent、API，这些概念是一个比一个多，刷几篇科普文章和短视频，看起来懂了，结果手机一关，啥都记不住了。
如果用 AI 来教我们学 AI，岂不是更好吗？你一边学，一边用，学习过程的本身就是在练手，相当于一份时间干了两件事。
于是我这个Skill就诞生了，我给它起了个名字，叫「速学」。
你告诉它想学什么，它会先问你几个问题，摸一下你现在的水平，然后给你画一张学习地图。
比如说学AI，整个领域被拆成了四站，每站你都得亲手做出个东西。在地图下面还有一句话，写的是这个领域最核心的矛盾。
每个站点都是一个互动式网页，可以点击交互，让你能够有参与感，而不是被动的看。
二、用 AI 做对题，不等于真正学会
宾夕法尼亚大学有几位研究者，在土耳其一所高中做了个实验，差不多一千名学生，学的是数学。
其中一部分学生用一个类似 ChatGPT 的 AI 来练习，想问啥问啥。练习的时候，他们的成绩比不用 AI 的同学高了 48%，看起来特别猛。
结果到了考试，AI 被收走了，这帮同学反而比不用 AI 的低了 17%。
研究者的解释是，学生把 AI 当成了拐杖。练习的时候拄着拐杖健步如飞，拐杖一撤，发现自己不会走路了。更离谱的是，他们自己觉得学到的东西，比实际学到的要多，其实说白了就是他们用AI做练习就相当于是开卷考试，哪里不会问哪里。
实验里还有一组学生，用的是加了学习护栏的辅导版 AI。它每次不会直接给答案，只一步一步给提示，背后还提前放好了老师给的正确解法和常见错误。
这组学生考试的时候，跟不用 AI 的同学没什么明显差别。没变差，但也谈不上变得更好。
这篇论文 2025 年发表在美国科学院院刊（PNAS）上。
同一年，哈佛物理系也做了个实验，让学生跟一个按教学原理专门设计过的 AI 导师学习。
在两个物理主题的课后测试里，他们的学习收获是课堂学习的两倍多。当然，这只是特定场景下的测试，不能直接得出AI 老师比真人老师强的结论。
但这两个实验放在一起看，我们能发现，其实AI 能不能帮我们学会，关键得看你怎么用。
所以，我这个速学Skill有个核心的理念，就是让AI当我们的教练，引导我们学习，而不是百科全书式的你问啥它就答啥。
三、我把自己试过的一些学习方法都塞进去了
如果说要让AI当我们的教练，那么就会有一些可以复用的学习方法，我把自己觉得比较好用的方法也融入到了这个skill。
1. 苏格拉底提问
我最早接触到类似的方法，其实是看一本书在讲丰田的精益制造理念，有个丰田的「五个为什么」让我印象深刻，遇到问题先别急着下结论，连着问自己五次为什么，一层一层往下挖，直到挖出真正的原因。
后来我才知道，这背后还有一个更古老的方法，叫苏格拉底提问法。
它的思路很简单，硬是不给你标准答案，就一个劲儿地问你，问你这个词到底啥意思，问你这么想的前提是什么，问你有没有证据，问你换个人会怎么看，一直问到你自闭。
这就是速学的主线，整个学习过程，都是 AI 问，你来答，我也设定了不让AI直接给答案，如果你实在不会，就让它提示你线索，在页面里长下面这样，你得先在回答框里写出自己的答案，写不出来就说明我们还没掌握。
2. 干中学，先做出一个垃圾
我之前做的是图像算法，大模型对我来说，其实也算一个新领域，这两块并不相通。
我也是从头开始学，哦不对，其实是“玩”，我从一开始用AI编程工具做了个网页，那时候还是Cursor和Trae流行的年代，后面又做了自己的小程序和app，用得越多，我对各个模型的特点也越了解。
一开始我连 HTML 是啥都不太懂，做着做着，现在也能看懂一些基础的代码了，所以速学的每一关，就是做个都必须做出一个看得见的东西。比如学 AI 的第一关，就是四件小事。
-
问 AI 一个你真想知道的问题； -
新开一个对话，一个字都不改，再问一遍； -
改一下提示词，告诉它你是谁、给谁看、要什么样的； -
抓它一次一本正经地胡说八道，问一个你确定知道答案、但网上很少有人写的事，比如你家楼下那家店叫什么。
搞完后，你会发现，同一个问题，你问2次，答案完全不一样，提示词一改，整篇风格都变了，原因就在于AI是基于概率做出的预测，具有一定的随机性，这时候有了感性认识，再去学「大模型」「提示词」「幻觉」这三个词，就清晰很多了。
3. 唯物辩证法，抓主要矛盾
我平时常常会读《毛选》，其中《矛盾论》里讲到了主要矛盾，一件复杂的事情里有很多对矛盾，但总有一对是主要的，抓住它，就等于牵住了牛鼻子。
我学写作的时候就是这样，刚开始，我的主要矛盾是养成写作习惯，写的烂一点也没事，哪怕每天就一句话也要写，所以我从发微博开始练习，等习惯养成了，主要矛盾就变成了能不能写出更长、更好的文章，这时就要逼自己加大训练，还要学学别人的写作手法。
入门任何一个新领域都一样，每个阶段该抓的东西不一样，一上来啥都想要，结果往往啥都抓不到。
学 AI 也是。比如选模型，顶尖的模型效果好，但是贵；像 DeepSeek 这样的，效果没那么顶尖，但便宜得多。又好又便宜，目前还不可兼得，我现在会根据干的活，选择不同的模型。
在速学Skill里，每一关结束，也会让你停下来想两件事，一是这一关学到的东西有什么代价，二是下一关要解决的新矛盾是什么。
4. 了解历史
我一开始用AI，就不知道为什么它会一本正经的胡说八道，直到讲了AI发展史相关的书后，才搞清楚，最早，人们想把判断一条一条写成规则教给机器，可现实太复杂了，规则永远写不完。后来人们干脆让机器自己从大量例子里找规律。再后来，大模型读遍了人类写的文字，学会了「接龙游戏」，俗称预测下一个token，有时是一个字，有时是半个词，这样一来，AI有幻觉就很正常了，它的目标是接的像，并不关心能不能预测对，所以很难做到0幻觉率。
速学Skill里的历史，会按一条线来讲的，当初为了解决什么问题，出现了什么办法，结果又带来了什么新麻烦。
5. 费曼学习法，讲给 5 岁小孩听
最后这个方法，是我最推崇的。
很多时候我看完一本书，觉得自己懂了。可一到要讲给别人听，立马就懵了，跟那个段子一模一样，「马什么梅？什么冬梅？马冬什么？」
物理学家费曼小时候，他爸爸经常带他去山里散步。有一次，别的小孩指着一只鸟问他叫什么，他答不上来，那小孩就笑话他，说你爸什么都没教你。其实他爸早就教过了。他爸跟他说，你就算知道这只鸟在全世界所有语言里叫什么，对这只鸟本身还是一无所知，咱们还是看看它在干什么吧，这才是要紧的。
费曼说，他很早就明白了，知道一个东西的名字，和真正懂这个东西，是两码事。
马冬梅是名字都没记全，费曼的鸟是名字全记住了也不算懂。
如果我们真的懂了，是完全能够把他讲出来给另一个不懂的人听，这就是费曼学习法。
所以速学Skill里有个贯穿全程的前提，就是讲给 5 岁小孩听。
不管是你讲给AI，还是AI讲给你，都假想我们的演讲对象是5岁小孩，不许用没解释过的词，不许超过五句话。
四、通关
当我们把前面的关卡都过了之后，会生成一个验收包，我们点一下「复制验收包」，你写的东西就全部打包好了。
把它粘贴回 AI 对话里，教练就开始验收了。下面是我按速学的规则模拟的一段示例对话，大家可以感受一下。
我把验收包贴过去，说我完成第一关了。
教练说，先别急，现在我是个 5 岁的小朋友。你说 AI 像一个特别会接龙的小朋友，那它为什么不说「我不知道」呀？
我说，因为它就是会一直接下去？
教练说，那我换个问法。你上学考试，碰到不会的选择题，是空着，还是蒙一个？
我说，肯定蒙一个啊，空着一分都没有。
教练说，那要是 AI 在练习的时候，说「不知道」也拿不到分呢？我说，哦，那它肯定更愿意硬猜一个像样的答案。
教练说，对，这正是研究者对幻觉的一种解释。现在我换个立场来反驳你，既然原因找到了，以后只要改改训练方法，AI 就再也不会胡说了，那你还需要核对它说的话吗？
你会发现，在整个过程中，教练没有一次直接告诉我答案。当我卡住的时候，他会换个角度引导我，而且会根据我们回答的情况调整难度，这背后原因在于：真正有价值的问题，是我们垫垫脚就能够得着的。
五、不想装 Skill，可以先试试这段话
如果你暂时不想装 Skill，把下面这段话发给任何一个 AI，也能体验到一部分效果。
我想入门【领域名】。请你当我的苏格拉底式教练，别当百科全书，按下面的规则来。
1. 先问我 3 个问题，摸清我现在的水平和目标；
2. 帮我设计 3-4 个由浅入深的小任务，每个任务都要做出一个看得见的东西；
3. 每次只讲一个概念，从"为什么需要它"讲起，讲完停下来问我问题，等我回答；
4. 我答不上来时，先换个问法、再给提示、再示范半步，最后才给答案；
5. 每学完一块，让我把它讲给 5 岁小孩听，我用了没解释的术语就打断我；
6. 涉及事实和数据时告诉我出处，拿不准的直接说"不确定"。完整的 Skill 我也开源放在 GitHub 上了，地址是 github.com/limowan/mw-suxue
以前学东西，最难的是不知道答案是啥，但现在有了AI，提出好问题反而更加稀缺了，AI能替我们思考，但也能逼着我们思考，在AI时代，我们要选择后者。