费曼学习法 · 艾康的AI自留地

看一篇文章时，觉得每句话都能懂，前后的道理也跟得上。合上文章，想向别人说说自己学到了什么，却只能想起几个关键词。真遇到相关的问题，也不知道该怎么用。

读懂别人的解释，和自己能把事情讲清楚，中间往往还隔着一段距离。

费曼学习法，就是试着用自己的话，把学到的东西向一个不了解它的人解释清楚。讲不通的地方，回去查、重新想，再讲一遍。它让我们看见理解上的缺口，也给下一次学习一个具体方向。

不一定要真的找个人来听。写下来、对着录音机说，都可以。重要的是，这一遍解释由自己完成。

为什么一开口，就发现自己没那么懂

阅读时，材料已经替我们安排好了顺序：先说什么，怎样推到下一个结论，拿什么例子来说明。顺着看，很容易产生一种熟悉感。

自己解释，就得重新作出这些判断。一个词是什么意思？为什么会有这个结果？前后两件事有什么关系？只记得结论时，这些问题就答不上来了。

假设你准备向同事介绍一个新工具。研究时就要想清楚它能解决什么、适合什么情况、怎样操作。准备讲解，会让自己发现哪些地方还需要查。

想讲清楚什么，会反过来决定接下来要学什么。

解释到这里，还可能卡住：自己也才刚开始学，怎么介绍？操作照着教程做过一次，就算会了吗？这些卡住的地方，正好能变成下一轮要弄清的问题。

不用准备一场正式分享。就从「这个工具能解决什么问题」开始，范围小一点，比较容易检查自己有没有讲清。

读过相关说明后，暂时放下材料，用自己的话说一遍：原来遇到的麻烦是什么，这个工具怎样帮助解决，什么情况下用得上。遇到说不清的地方先留下来，不急着把话说圆。

接着，把自己的表达和原资料放在一起对照。看看有没有把意思讲反、漏掉条件，或者只是换了一套词，仍然没有说明原因。也可以请了解这个话题的人听一听，让对方指出哪里不明白、哪里有疑问。

带着这些具体问题回去查，补上缺的部分，再离开材料讲一次。这次能不能自己把刚才断掉的地方接上？如果还是不行，就继续缩小问题，弄清一个再往下走。

最后找机会用一用。还是那个工具，换成自己手头的一件事，试试能否独立完成。讲得清楚和用得出来，仍然是两层检查。能把教程复述得很流畅，也可能一换任务就不会了。

发现说不清或用不了，就带着具体问题回查资料、补缺，再解释或再试一次。

这是一轮会反复进行的尝试；讲得清楚以后，还要检查能否用出来。

这一轮留下来的，可以只是一段修正后的理解，以及一个还没解决的问题。下一次就有地方接着学，不必每次从头看起。

这个方法不难理解，实际做却容易停在两处：读完以后懒得组织文字；勉强讲完了，又不知道自己讲得对不对。

我的做法是先口述。一次说一个观点，先把当前的理解说出来，再考虑整理。省掉打字和排版的阻力，更容易真正开始。

反馈这一端，可以请 AI 帮忙。我会把原始材料和自己的表达一起交给它，让它对照检查。这样，它能看到我学的是什么，也能看到我实际说出了什么。只给它一个话题，让它写一份解释，检查到的主要是它的表达，自己的缺口还藏着。

可以这样提要求：

「这是原资料和我的理解。请指出我讲错、遗漏或没解释清楚的地方，再追问一个问题，让我自己回答。先别替我把答案补完整。」

如果让 AI 直接整理自己的表达，它可能把原本没说清的逻辑补完整。看完觉得「对，我就是这个意思」，却未必能独立说出刚补上的部分。

所以，收到反馈后，我会先辨认：哪些是自己已经说清的，哪些是靠 AI 补上的。再把整理后的答案放到一边，看看之前没答清的问题，现在能不能自己回答。

也可以主动请它找漏洞，继续追问。不过，AI 的反馈也可能有误，有疑问的地方仍然要回到原资料核对。

先选一个想弄明白的问题，试着讲清楚。讲到哪里发现缺口，就带着问题回去补。材料不够就查资料，关系没想通就重新整理，实际用不了就继续练。学习的下一步，由这一次具体的尝试来告诉你。