AI辅助学习
核心理念
AI提升了开发者能力的下限——但资深专家的上限由判断力决定，而非语法。
AI辅助学习的最大风险是“理解负债”——交付自己并不理解的代码。我们的目标是将AI用作自身思考的倍增器，而非替代品。
规则： 用AI来加速理解，而不是跳过理解。
苏格拉底教学法（最适合深度学习）
与其直接索要答案，不如寻求对话：
设置
我想通过对话学习[主题]。不要直接给我解决方案。
而是：
- 通过提问引导我的思考
- 指出我遗漏的地方，但不要直接填补
- 挑战我的假设
- 只有当我的推理正确时才确认
我目前的理解：[你知道的内容]
我的问题：[你想理解的内容]
为什么有效
迫使你阐述自己的思考 → 暴露隐藏的缺口 → 建立持久的心理模型，而非仅仅复制答案。
苏格拉底学习阶段
| 阶段 | 要做什么 | 人工智能的角色 |
|---|---|---|
| 1. 辩论 | 问“为什么这样工作？” | 质问、挑战假设 |
| 2. 结晶 | 将讨论转化为规范 | 确认你的架构是否合理 |
| 3. 锚定 | 在实现前编写测试 | 定义失败标准 |
| 4. 实现 | 逐步构建 | 引导，而非代劳 |
| 5. 验证 | 审查你的工作 | 发现缺口，提出改进建议 |
学习新技术
AI学习循环
1. 概览：“给我一个关于[技术]的5分钟概览。
它解决了什么问题？什么时候应该用它而不是替代方案？”
2. 心理模型：“在编写任何代码之前，解释我需要理解的核心概念。”
3. 引导构建：“引导我构建[小型实用示例]。
解释每一步的决策原因。”
4. 挑战我：“就我刚刚学的内容考考我。
询问关于边缘情况和陷阱的问题。”
5. 应用：用新技术构建一些真实的东西。
6. 审查：“审查我的实现。资深[X]开发人员
会改动什么以及为什么？”
保持前沿（资深开发者工作流）
- 使用AI扫描发布说明，总结真正重要的内容
- 询问“在[框架] v[X]中，有什么变化会影响我现有的模式？”
- 运行并行实验：“用旧方法和新方法都实现这个，解释差异”
- 使用Perplexity或Gemini了解“社区目前对X有何评价？”
导航陌生代码库
使用AI进行入职引导
我是代码库新手。帮助我系统地理解它：
1. 这个项目是做什么的？（高层次）
2. 入口点/主要流程是什么？
3. 关键模块及其职责是什么？
4. 在整个项目中一致使用哪些模式？
5. 对新手来说什么是令人困惑的？
[粘贴README或关键文件]
理解链工作流
步骤1：“在高层面上解释[功能]如何工作”
步骤2：“涉及哪些文件？每个文件负责什么？”
步骤3：“引导我了解[特定操作]的数据流”
步骤4：“我需要理解哪些内容才能修改[特定内容]？”
理解特定函数
解释这个函数的作用，包括：
- 它的输入是什么
- 它返回什么
- 它有什么副作用
- 它在何处被调用（如果你能推断出来的话）
- 任何我应该知道的非明显行为
[paste function]
技能差距分析
识别你的差距
我是一个[级别]的开发者，主要使用[技术栈]。
我希望朝着[目标角色/技能]成长。
基于这个背景，我可能有哪些最重要的技能差距？
按以下优先级排序：(1) 对我当前工作的影响，(2) 职业成长价值。
缩小特定差距
我意识到自己在[特定领域]比较薄弱。
设计一个为期2周的学习计划，要求：
- 从我当前水平开始：[描述]
- 以[目标能力]结束
- 包括实践，而不仅仅是阅读
- 每天花费30-45分钟
面试准备
技术面试
扮演[公司类型]公司[职位]的技术面试官。
就[主题]对我进行面试。
规则：
- 从一个中等难度的问题开始
- 如果我回答得好，增加难度
- 如果我遇到困难，给一个提示然后问一个跟进问题
- 每次回答后，给出具体反馈
- 3个问题后，总结我的表现和差距
系统设计面试
问我一个适合[级别]的系统设计问题。
在我回答时：
- 探究我的决策：“你为什么选择X而不是Y？”
- 询问规模问题：“当流量扩大10倍时，这会如何变化？”
- 挑战假设：“如果数据库成为瓶颈怎么办？”
- 标记遗漏点：“你还没有提到[X]”
行为面试（STAR格式）
帮助我使用STAR格式准备行为面试答案。
目标职位：[职位]
我的背景：[简短总结]
给我5个该职位常见的行为问题。
对于我回答的每个问题，帮助我使用STAR进行更好的结构组织。
建立个人学习系统
每周AI学习循环
1. 周一：确定本周的学习目标
2. 每日：30分钟的AI引导学习环节
3. 构建：在小型项目中应用概念
4. 周五：AI审查你的工作，识别差距
5. 周末：可选：间隔重复复习
保留层
将关键学习转化为持久知识：
- 每次AI学习环节后，问：“我应该记住的最重要的三件事是什么？”
- 用自己的话写下来（不要复制粘贴）
- 创建测试：“我如何知道是否真正理解了这一点？”
- 每周回顾
个人知识库提示
帮助我为[概念]构建一个参考卡片。
格式：
- 一句话定义
- 何时使用
- 何时*不*使用
- 关键陷阱
- 快速示例
- 一个我应该记住的“顿悟时刻”见解
应避免的反模式
| 反模式 | 为何有害 | 更好的方法 |
|---|---|---|
| 直接复制粘贴AI代码而不阅读 | 理解负债，以后无法调试 | 在实际使用前总是阅读并理解代码 |
| 尝试之前就直接索要解决方案 | 跳过在挣扎中发生的学习 | 先自己尝试，然后寻求反馈 |
| 接受第一个答案作为真理 | AI可能自信地给出错误答案 | 对照文档验证，自己测试 |
| 仅将AI用作搜索引擎 | 错过教学机会 | 问“解释为什么”而不仅仅是“如何做” |
| 跳过自己动手构建的步骤 | 无法将知识迁移到新环境 | 总是构建一些东西，即使很小 |
平衡测试
问问自己：“如果明天AI消失了，我是否还能完成这个？” 如果不行 → 你需要解决一个学习差距。 如果可以 → 你正在正确地将AI用作倍增器。
何时深入学习和何时委托给AI
| 深入学习 | 委托给AI |
|---|---|
| 核心语言基础 | 模板代码生成 |
| 架构与设计模式 | 重复性转换 |
| 调试心理模型 | 文档格式化 |
| 产品的领域逻辑 | 很少使用的语法 |
| 安全原则 | 文件脚手架 |
| 系统设计权衡 | 测试模板 |
经验法则： 如果理解这一点能让你在未来5年内成为更好的工程师，那么深入学习。如果仅仅是为了应对偶发复杂性，那么就委托给AI。