下载掌阅APP，畅读海量书库
立即打开
学习在持续发生巨变，我们需要新的学习方法。
在学习上，困扰你的问题是什么？很多人会认为，问题是有太多的东西要学，解决之道是挤出更多的时间学习。结果是，我们作为学习者疲于奔命。有人认为，问题是缺少学习资源，解决之道是寻找更好的学校课程与在线课程。其实，我们比过去任何时候都能更容易地接触到更好的课程。也有人认为，问题是缺少学习技巧，解决之道是掌握更多的技巧。但是，这些学习技巧很难转化为你自己的学习能力与学习成果。
其实在学习上，真正困扰我们的是不能确实掌握所学知识并自信地加以运用。知识与信息越来越多，我们学得也越来越多，知道得却越来越少，因而对自身所学知识的信心也相应地处于低谷。面对这样的情况，可行的解决之道是真正地学会你决心去学的每一个主题。不管你要学的是一种新知识、一个新工具还是一项新技能，均应如此。
那么，如何才能做到真正学会？学习一个主题领域的过程是从知识输入到知识体系，再到知识输出。知识输入与知识输出这一头一尾常被学习者重点关注，而我们认为，处于二者之间的知识体系才是学习的突破口，如图1-1所示。
以掌握一个主题领域的知识体系为学习目标，并以它来贯穿学习的全过程，我们能更好地学习与实践。有了知识体系，它能将我们学到的知识点有序地组织起来，有时它甚至能自动地吸附新的知识点；有了知识体系，我们在需要时可以随时补充学习新的知识点。你会发现，在实践中指导你的是知识体系，而不是单个的知识点。
图1-1 穿透学习法：着眼于知识体系，旨在短期、集中学透的结构化学习方法
学习时应重视知识体系并强调输出，众多学习方法都秉承这样的理念。而穿透学习法的特别之处是，我们深切地体会到，“知道”不意味着就能“做到”，因此我们围绕知识体系提供了一组结构化学习方法，让你能更好地获得一个主题领域的知识体系。结构化指这些学习方法通常有着统一的思路与清晰的步骤，让你可以轻松将它们用于自己的学习。
这些方法包括费曼空白笔记本法、深度复制五步、冲刺学习法、冲刺阅读法、技术工具的学习、提问技能的学习及编写个人知识指南等。在学习全过程中，它们能帮你将外部的知识体系转化成自己的。
除了关注知识体系与提供结构化学习方法之外，穿透学习法还有一个重要的特点——它尤其强调技术工具在学习中的运用。
现在，我们的学习内容不再仅包括知识与技能，学习使用技术工具（如电脑、互联网、编程、软件、专业设备等）已经成为学习内容的三个主角之一，同时，我们要学的知识与技能也多与新技术工具有关。
更重要的是，技术工具对我们的学习成效影响巨大。穿透学习法认为，用好新技术工具，可以将学习效果提升10倍以上。基于经验总结的传统学习方法和基于认知科学的新学习方法有很多，与这两类学习方法不同的是，穿透学习法既借鉴了大量的经验方法，也运用了来自认知科学的观点与方法，但它特别重视新技术工具。
你现在看到的是“穿透学习法2.0”
。我们之所以快速完成它的升级迭代，并写成一本书，一个重要推力正是AI，生成式AI能够大幅提升我们学习的效率与效果。AI正在重塑全世界从大学到中小学的课堂，正在改变每个人的学习方式。我们甚至认为，如果能巧妙地将其运用在适合之处，在最乐观的情况下，生成式AI甚至能给你的学习带来百倍的效果提升。
AI的起源可追溯到1950年，这一年计算机科学家艾伦·图灵提出如下问题：机器能像人一样思考吗？AI在过去的十多年飞速发展，并在2022年跨过了一个关键的转折点，开始直接影响个人的学习。
一个直观的变化是：在2022年之前，我们有问题时可以询问老师或同学、用搜索引擎搜索、在社交网站提问；在2022年年底之后，我们可以问AI聊天机器人。它的背后是大语言模型（Large Language Model, LLM）这一类别的人工神经网络模型，因此，它能理解人类的语言，能用人类的语言精准回答，并且其回答效果还在持续改善。
相较人类知识的演变历程，这些变化是在相对很短的时间里发生的。2012年，深度学习（指具有较多层次的人工神经网络模型）正式崛起，随后AI在机器翻译、语音识别、图像识别、图像生成等领域取得了重大突破。2016年，采用强化学习（指由机器自行根据环境反馈调整策略）的围棋机器人AlphaGo战胜了人类围棋世界冠军的消息成为全球主流媒体的头条。
真正的巨变自2017年开始酝酿。这一年，8位来自谷歌和多伦多大学的研究者在学术会议上发表了论文《注意力是你所需要的一切》（ Attention Is All You Need ），他们提出了当时主要针对机器翻译和语言理解问题的一种名为转换器（Transformer）的新人工神经网络架构。但这篇论文仅作为展板上的张贴论文发布，并没有获得口头报告的机会。几年后，研究者们认识到了它的革命性，它的谷歌学术引用次数超过9万次。基于这一架构发展出了多种生成式AI模型，其中图像模型能根据文本要求生成高质量的图片，大语言模型能理解和回答人们提出的问题。
2022年年底，OpenAI公司推出了基于大语言模型的AI聊天机器人ChatGPT。ChatGPT推出仅两个月，月活跃用户数量就突破了1亿人，成为截至目前用户增长速度最快的消费级应用。国内外的公司包括微软、谷歌、百度、腾讯、阿里巴巴、智谱AI、科大讯飞等也纷纷推出了大语言模型及应用。本书不是专门介绍关于AI产业发展的，在此就不一一介绍各种模型与产品了。简言之，大众已经迫不及待地使用这些AI产品了。现在，只要打开网页或下载app，你就可以方便地使用各种AI产品。
我（作者之一方军）是一个坚持不懈的学习者，也是一个AI研究者与实践者。作为学习者，在过去的十年中我出版了十多本书，每本书都是我深入穿透一个全新主题的学习成果。现在，在AI和学习的交叉点，我强烈地感受到AI给学习带来的众多新的可能性。
借助AI，我们能更有效地克服学习中的疑点与障碍。AI可以即时、有针对性地解答我们的各种疑问。教育领域的研究早就证明，一对一辅导可以大幅提高学生的学习效率。
现在，AI让每个人都能轻松获得一对一的针对性辅导，这可以减少我们学习几乎任何知识的阻力。我们不再需要花费相当多精力学习那些可即时获得的知识了。因此，我们可以将宝贵的时间、精力、认知能力用于真正需要深入学习的主题。
让我们通过一个形象的类比来进一步了解，即如图1-2所示的穿透“知识的负担”大山。
现在的人学习时，面对着一座巨型的知识大山。
随着人类的知识边界不断扩张，创新的速度和数量也在不断增加，这无疑是一件好事。但也带来一个大问题：我们要学的东西越来越多，要达到知识的前沿并做出创新突破，我们个人要经历长时间的教育与培训。以物理学为例，与100年前相比，现在我们要学的知识的广度和深度都大大增加了。
图1-2 穿透“知识的负担”大山——AI作为学习工具的潜能是现有学习工具的100倍
资料来源：根据马里奥·加布里埃莱文章中的图片调整编辑而来。
经济学家本杰明·琼斯（Benjamin Jones）将这种现象叫作“知识的负担”。他指出，这种不断增长的“负担”正在减缓创新，因为伟大的发明家没有足够的时间去创新。发明家做出重大发明的平均年龄显著增加了：1900年，重大发现的巅峰年龄在20～30岁；而2000年，这个年龄已经上升到近40岁。
网络媒体“通才”的创始人马里奥·加布里埃莱（Mario Gabriele）用形象的类比将“知识的负担”展示了出来：我们面对的知识像一座我们要努力穿透的大山，我们试图挖掘一条能穿过大山的隧道。我们人类在穿越知识的大山，而在动物王国中，其他动物，比如蠕虫、蜥蜴、狗也要穿越自己的知识大山。比起它们，人类的学习拥有强大的技术工具，比如纸与笔、纸质书、图书馆、学校、科研体系、计算机、互联网等。
每一种新的技术工具都大幅提升了我们学习的效率。例如，用电脑记笔记便于搜寻，能方便地与其他人分享；用搜索引擎查询资料远比在图书馆里翻找书籍方便；论文网络数据库也早已让曾是高科技的缩微胶片论文库不见踪影。
麻烦的是，人类的新知识积累得太快了。我们面对的学习悖论是：虽然看起来我们拥有越来越强大的学习工具，但我们反而感觉越来越赶不上知识的变化。我们在终身学习，但几乎是精疲力竭地追赶着新知识。比如，AI的出现就又带来了大量新知识。AI领域出现大量论文，有时夸张到一天有几十篇新论文；AI教科书的最后几个章节几乎要全部被重写，AI也在改写很多领域的教科书。天啦，又多了很多要学的东西。
换个视角则可以看到不一样的图景：放在人类知识和学习的发展历程中，AI带来了一种截然不同的现象，过去的工具仅是帮我们更好地处理知识的负担，而AI带来的变化，用马里奥的话说就是“AI没有知识的负担”。
生成式AI模型是用人类已有的几乎所有书面资料和数据训练而成的。从逻辑上讲，它不仅了解并理解几乎所有的人类知识（当然掌握得还不太好），还可以高效地整合、重组和调用这些知识。如果把它看成一个人的话，它就不像人类学习者那样要面对“知识的负担”。
如果一个学习者能巧妙地运用AI工具，他也可以没有知识的负担，并将仍在与知识的负担奋战的其他学习者甩在后面，直接去探索知识领域的最前沿。以编程为例，你可能还在一行行地写最初版的代码，但有的程序员已经利用AI编写完了，在进一步做测试与调试；你可能还在一点点地定位运行错误，而AI一秒钟就分析完了错误信息，并给出了几种可能的解决方案。
如图1-2所形象地展示的，现在的人类有挖掘隧道的先进机械，但AI能以近乎爆炸式的速度往前推进。现在的问题不是AI是否会改变学习，而是使用AI的学习者会比现有的学习者快10倍，还是快100倍？
现在，我们每个人都必须重新思考如何学习。
我们把如何将AI用于加速学习的话题留到下一章，本章先来深入看一看知识体系。开始使用AI后你会立刻体会到，如果你自带一个主题领域的知识体系，它能以比人类快十倍的速度帮你解决问题；如果你没有，那不仅AI很难帮上你，你还可能被它的错误回答误导。
让我们仔细看看知识体系。知识体系在不同场景有不同含义：它可以指人类的所有知识，大型图书馆就是这样层次的知识体系的有形展示；它可以指一个学科的知识体系，例如从小学到中学再到大学的数学学科的知识体系；它也可以指一个人全部的知识体系，即一个人在学校教育、工作实践、业余爱好中学到的一切。
在本书中，知识体系是指一个单一主题或细分领域的知识框架。这个定义有两个关键词：细分领域和知识框架。我们在谈知识体系时，前面其实都有一个定语，即“关于某一主题或某一领域的”。知识体系的最优形式是层级式大纲，因而我们也称其为知识大纲。
在说到学习时，我们也常用“认知”这个词，例如，“经过学习，我的认知得到了提升”“他的认知水平很高，我要向他学习”。认知是一个不错的表述，但人们常有一个小小的困扰：认知究竟指的是什么？我们这里不用“认知”这个说法而用“知识体系”，是试图将学习的内容固定到一个容易界定的名词上，并且，我们不能只停留在接受这个名词上，还要再试着让它更具体一些。让我们接着往下看。
关于知识，有一个广为人知的DIKW分类框架：数据（Data）、信息（Information）、知识（Knowledge）、智慧（Wisdom）。数据是未经处理的原始资料；数据经过处理之后变成信息；信息经过分析总结后变成知识；智慧则是对知识的洞察与运用。
人们用各种方式来理解这个框架，其中一种有趣的分析如图1-3所示，它分别展示了信息、知识、智慧和新增加的作用（Impact）。其中，知识是发现信息之间的连接；智慧是知道运用什么知识及如何运用；人类的行动应该发挥作用或者产生影响。以考试为目标的学习为例，信息是课本上的内容，知识是你学到脑中的内容，智慧是你理解的内容，作用是考试时你能正确作答的内容（以及你的分数）。
图1-3 信息、知识、智慧、作用——知识框架
资料来源：根据Gapingvoid的图示重绘，原图包括数据、信息、知识、洞见、智慧、作用六个层次。
信息与知识之间的关键区别是图1-3中那些点下面用线条表示的知识框架。让我们拉近镜头，仔细看一看知识框架。
每个主题领域的知识都可以组织成如图1-4所示的树形结构。从下往上看，信息被总结梳理成知识点，知识点又被组织成更大的知识点从而形成知识框架。最终，它们集合起来有了一个名字，这个名字通常意味着一些核心概念与原则，图中我们称之为这个主题的“知识核心”。
图1-4 知识框架的树形结构
你或许认为，学习就应该掌握知识核心。它们的确很重要，但这么学有一个小问题。回想一下，我们在学每一门知识的最开始时都会被告知一些重要概念与原则，但如果没有深入学习，你会发现，它们似乎对你没有什么帮助。你也许记得住，但它们究竟意味着什么则是模糊的，更不要说运用了。
务实的学习者的做法是，抓住中间的那个部分，即图中“知识框架”的部分。它包括那些大的知识点，也包括它们与其他知识点之间的关系。学会了这些之后，我们才会发现，每一个核心概念与原理原来是那么有用。掌握了知识框架，我们才能更有效地运用所学的知识。
回想一下，无论是线下的学校课程还是线上的视频课程，那些优秀的老师都会在很短的课程时间里尽量讲明白这部分，为我们将知识的脉络勾勒出来。不过，老师只能将外部的知识框架呈现给我们。将外部的知识变成我们自己的，是每个学习者的责任。穿透学习法的各种方法都旨在帮助你快速且高效地将外部的知识体系变成自己的知识体系。
现在我们知道了，学习要聚焦知识体系，或者更具体地说，聚焦知识框架。让我们用形象的类比再看一看，这里将一个主题领域的知识看成一棵大树，如图1-5所示。
单个叶片是主题的具体知识点，它们数量庞大且易于获取；树上的果实是能直接应用的实用知识点，目的明确的学习者会迅速摘取食用。
站在巨大的树荫下，每一个叶片、每一颗果实都激发了我们的好奇心。不过，这些单独的叶片和果实虽然能让我们有收获，但要想真正学透，不能满足于此。
图1-5 将一个主题领域的知识比作一棵大树
我们要绘制出“树干”与“主枝”。大树的树干相当于这个主题的主要知识框架；主枝从树干延伸出来，代表子主题的知识框架。
隐藏在地下的根系则是这一主题的知识基础。它支撑着整棵树的生长，根越深，树越稳固。
严格来说，知识体系包括树干、主枝、叶片、果实和根系，而知识框架则仅包括树干与主枝。你已经了解了知识体系与知识框架的微妙区别，后面我们将不再细分两者，接下来说到知识体系时，通常仅指树干与主枝这两个部分。
用大树的比喻可形象地看到，我们可将学习的目标设定为深入理解树干与主枝，即一个主题的知识体系，用它来让自己更有条理地吸纳、整合和应用所学知识。
如果一开始猛学树根部分，我们会发现越学越深、越学越难，可能还没到主枝部分就半途而废了。一开始先尝点果实是好的，这可以让我们保持学习的兴趣。但如果只采果实，比如靠死记硬背学会了一些，就会有一个疑问一直困扰我们：遇到别的情况我还会吗？仅收集叶片更是糟糕的学习策略，因为要记忆的内容数量庞大，我们却无法将它们联系起来形成自己的理解。
相反，掌握了树干与主枝后，我们可能用10分钟就可以快速学会一个叶片。在信息时代，我们学会一个叶片需要的时间可能更短，搜索引擎、社交网络、笔记、AI等工具都让我们能更快获得具体的知识点。
总之，聚焦树干与主枝是有效的学习策略。掌握了知识体系，你就能自信地运用这个主题领域的知识。聚焦于它们也让短期、集中去学透知识是可行的，一棵知识树会有很多叶片，但树干与主枝是明确的。在接下来穿透学习法的各种方法中你也会发现，知识体系是学习过程的主角。
在《轻松主义》中，格雷戈·麦吉沃恩也用了树干与主枝的比喻，他还将这种主要原则的学习方法形象地说成“种下一棵知识树”，本节标题就借鉴自他
。在创办航天公司SpaceX与电动汽车公司特斯拉之前，埃隆·马斯克并没有这两方面的专业背景，他是如何快速学习这些知识的？马斯克说：“我认为大多数人能学到的东西比他们想象中的要多得多。重点是要把知识看作一棵树，在你获取树叶也就是具体的知识点之前，确保你已经理解基本原理，也就是树干和主枝。要不然，树叶就无枝可依了。”
了解穿透学习法的思路是着眼于知识体系之后，现在让我们再一起看一看，穿透究竟意味着什么呢？
穿透意味着，在一个主题领域中，你有了一个正确的、完备的、属于你自己的知识体系。你对它有充分的信心，它也能正确指导你的行动，让你获得成果。
穿透意味着全面掌握一个主题的知识体系，学透一个主题的方方面面，能真正掌握关键的知识点，没有一丝不明白之处。当然，我们指的是要完全掌握前面大树类比所说的树干与主枝部分，而叶片、果实则可选择部分必要的。这也是各种新技术工具给学习带来的变化：你不必记住所有的一切，因为你可以随时查笔记、搜索或问AI。
穿透也意味着我们要不断地更新知识体系，学习新的、修正有问题的、丢掉过时的。我们要清晰地知道知识体系中还有未知的部分，要持续学习。同时，随着时间推移，又有新的知识冒出来，也有已有的知识被废弃。如果你在一个主题领域中建立了自己的知识体系，却从不更新，你会很快发现你拿着的是一张过时的地图。
穿透更意味着，我们要在一个主题领域中培养出高水平的认知。之前我们提到，认知这个说法略显模糊，因此我们尝试更具体地界定这里所说的认知，这种高水平认知具体包括以下四个方面：直觉判断力、理性判别力、鉴赏力和学习的信心。
直觉判断力。 在遇到问题时，我们能凭借近乎直觉的判断力直接做出正确的预测：这个问题可能怎么解；或者在看到一个答案时，我们能直觉判断它对还是错。这并非纯粹的直觉，而是内化了的知识体系协助我们快速做出判断。
理性判别力。 面对一个问题，我们能有条理地进行解答，也就是说，我们能逻辑清晰地判断答案的对与错。例如，当我们读到书中的一个观点，看到作者的论证过程时，我们能从逻辑上判断他的论证是否能支持该观点。调换下角色，当轮到我们阐述看法时，我们也能做到逻辑清晰、观点明确。
心理学家基思·斯坦诺维奇（Keith E.Stanovich）和理查德·韦斯特（Richard F.West）等将人类大脑的运行系统分成“系统1”与“系统2”，而诺贝尔奖得主、心理学家丹尼尔·卡尼曼（Daniel Kahneman）的《思考，快与慢》一书让更多人理解并运用这个分类。他这样解释：“系统1”的运行是无意识且快速的，不怎么费脑力，没有感觉，完全处于自主控制状态；“系统2”会将注意力转移到那些需要费脑力的大脑活动上来，例如复杂的运算。在这里，直觉判断力相当于“系统1”，而理性判别力相当于“系统2”。
但是，仅有直觉判断力和理性判别力还不够。
鉴赏力。 我们不仅要知道对与错，还要知道什么是好的，什么是更好的，什么是杰出的，什么是突破性的。若没有鉴赏力，一个人的知识水平是平庸的。
普通的学习通常不强调鉴赏力，但也并非完全如此，鉴赏力有时会以各种形态出现。以学校学习为例，正确的数学解题和巧妙的数学解题是不一样的，普通的作文与有文采的作文是不一样的，正确的英语与地道的英语也是不一样的。以工作为例，有的程序算法是普通的、能运行完成任务，但有的程序算法可能快10倍甚至100倍。
鉴赏力取决于视野，即见过好的，才能知道什么是好的。鉴赏力体现为品位，品位就是选择，即如何选择最佳的。
学习的信心。 在深入学习后，我们会发现自己所知只是冰山一角。一个形象的类比是知识像一个圆圈：圈内是已知，圈外是未知，而圆周是你意识到的未知。随着你知识的增加，圆扩大了，圆周也变得更大，这意味着你不知道的也随之增加了。因此，虽然直觉判断力、理性判别力、鉴赏力都极为重要，但信心更重要。信心不是“我知道这个”，而是面对未知的知识时，你相信“我能学得会”。真正掌握一个主题的知识体系可以极大地增强我们的信心，让我们更敢于探索未知。
这样解释似乎有点复杂化了，让我们来简化一下。
1918年，马克斯·普朗克（Max Planck）因量子力学获得诺贝尔物理学奖。当时，虽然几乎没人能懂量子力学，但它非常流行。普朗克被邀请到德国各个城市演讲，就像开巡回演唱会一样。不管在哪个城市，普朗克都用同样的话讲一遍量子力学。
他的司机听了太多遍，对演讲内容已烂熟于心。于是，司机跟他说：“普朗克教授，总做同样的演讲，你一定觉得无聊。咱们玩个新花样，在慕尼黑由我代你做报告如何？你戴上我的司机帽就坐在前排休息好了。”普朗克也兴致盎然：“就这么定了！”
在慕尼黑，司机向一群听众重复了普朗克的演讲，讲完后掌声雷动。听众们没有听出来他讲的内容和普朗克亲自讲的有何差别，甚至司机的演讲比普朗克还精彩。
听众中有一位物理学教授举手提了一个问题，司机可答不上来，他灵机一动说：“在慕尼黑这么领先的城市，没想到竟然有人提这么基础的问题！这个问题我的司机就能回答，现在请他来回答吧”。
这则逸事是虚构的，它其实是沃伦·巴菲特的搭档、投资家查理·芒格（Charlie Munger）在1998年讲的一个故事，他后来还经常讲起这个故事。普朗克掌握的是真正的知识，也可称“普朗克知识”（Planck Knowledge），这些知识是通过大量的时间、思考和实践获得的，是能验证的；而司机拥有的是伪装成真知识的“司机知识”（Chauffeur Knowledge）
，具体分析如表1-1所示。芒格还说：“当你在生活中面临一个问题，尽可能将责任交给那些具备普朗克知识的人，远离那些只有司机知识的人。”
表1-1 普朗克知识与司机知识：你真学透了吗
值得注意的是，普朗克的司机不是一个聪明人，但也不愚蠢——他知道自己的知识边界。在危急时刻，他能聪明地让普朗克接过回答的责任。在这一点上，我们应该向普朗克的司机学习。在这个知识爆炸的时代，有太多的知识我们并不了解，我们不能假装知道，并轻率地回答甚至采取行动。
现在，我们要学的内容可分为三类：学习一种知识，比如社会学、统计学、人工智能理论等；学习一种技能，比如写作、演奏乐器、演讲、编程、提问等；学习一种技术工具，比如电脑、办公软件、AI工具等。本书所讨论的穿透学习法对它们均适用。
一次主题学习的过程从输入开始经过知识体系再到输出，我们应聚焦于中间的知识体系。穿透学习法是一组结构化的学习方法，让你可以将外部的知识体系变成你自己的，并在短期内集中地学透一个主题。
本书主要章节的组织体现了穿透学习法的知识框架。其中，第一章是总体介绍；第二章讨论生成式AI等如何改变学习；第十一章是穿透学习法的思维模型，即“吸附框架：学习—验证—扩大—惊人”。如果你学习习惯是希望先了解其背后的思维模型，可翻到最后先阅读第十一章。中间各章是穿透学习法的四要素与三个场景等。
第一部分 在AI时代如何学习
● 第一章 穿透学习法：如何学透一个主题领域
● 第二章 技术改变学习：如何用AI加速你的学习
第二部分 穿透学习的四要素
● 第三章 深度体系：如何获得属于自己的知识体系
● 第四章 深度复制：如何先突击学懂70%
● 第五章 深度冲刺：如何五天快速学透
● 第六章 深度练习：如何通过刻意练习提升水平
第三部分 穿透学习的三场景
● 第七章 穿透阅读：如何读透一本书
● 第八章 穿透技术：如何精通一种技术工具
● 第九章 穿透提问：AI时代如何掌握提问技能
第四部分 用穿透建立你的学习系统
● 第十章 编写个人知识指南以提升认知
● 第十一章 用吸附框架构建你的认知体系
在探讨各种学习方法之前，下一章先看一看学习最大的新变量：生成式AI。
● 穿透学习法是聚焦知识体系，让你短期集中学透一个主题。
● 穿透学习法强调运用新的技术工具，如果能用好，我们的学习能10倍加速与提效。
● 穿透意味着拥有包括直觉判断力、理性判别力、鉴赏力和学习的信心等高水平认知。
‘现在就行动吧！’
● 列出你认为自己迫切需要学习的五个新主题。
● 就一个你自认为已掌握的主题，自我评估一下你是否已学透：你是否了解它的知识体系？你是否有高水平认知？
● 就一个你熟悉的主题，用你自己的方式尝试绘制它的知识体系，并给他人讲解这一主题。