嗨大家好！我是阿真！

經常有人問我：關于 AI 的知識迭代這么快，各種專業術語層出不窮，Harness 還沒弄明白，Loop Engineering 又開始被到處討論。想快速了解一個框架，或者快速學習自己的專業、自己感興趣的內容，到底有沒有什么方法？

收藏了很多資料、鏈接、視頻，但沒有一個系統看完，也沒有一個真正學明白，到底為什么？

現在大家不缺教程，想要什么一搜一大把，缺的是一套明確的學習回路。

今天分享我自己的一個快速學習的方法。入門級那種，沒有過多技術向。最后我還放了個自己的一條龍完成 Skill，手把手版和一條龍版都分享了哎嘿。

這個學習方法有點類似自我調節學習法，英文是 Self-Regulated Learning，SRL。它的核心是學習者自己設目標、找資源、選策略、監控理解、調整路徑、最后自我評估。

我規劃的簡單的學習閉環是這樣：

定目標 → 搜資料（分級排序） → 導入知識工作臺 → 對話理解與練習 → 自測與輸出。

定目標

以了解 Loop Engineering 舉例。使用后面的提示詞和 Skill，如果不是特別宏大的學習目標，甚至不需要一開始就做很清晰的規劃。我只要告訴 AI Agent 工具：我想了解 Loop Engineering。這樣就可以了。如果不想看太多概念性、學術性的內容，就可以要求它多給應用和實操方向的學習內容。

另外注意，這個學習方法不局限于 AI 知識方向，遷移到其他的場景，也是可以參考的。

搜資料

然后開始搜資料。這里我還是比較推薦大家使用 AI Agent 工具，它們最擅長做這個。大家熟悉的比如 Codex、Claude Code、Kimi Work、Qoder Work、TRAE Work、DuMate、Work Buddy、扣子、Cola、Alice 等等都可以。

你可以調用 Skill 去搜索，如果對 Skill 不太熟悉的，可以直接像這樣把下面這段內容發給上面的任一工具搜索。我習慣先大致了解概念，然后讓它給我文本學習路徑和視頻學習路徑。提示詞如下，用前面想搜索的內容替換[主題]即可。供參考，可以根據實際情況修改優化。

• 1

• 2

• 3

• 4

• 5

• 6

• 7

• 8

• 9

• 10

• 11

• 12

• 13

• 14

• 15

• 16

• 17

• 18

• 19

• 20

• 21

• 22

• 23

• 24

• 25

• 26

• 27

• 28

• 29

• 30

• 31

• 32

• 33

• 34

• 35

• 36

• 37

• 38

• 39

• 40

• 41

• 42

• 43

• 44

• 45

• 46

• 47

• 48

• 49

• 50

• 51

• 52

• 53

• 54

• 55

• 56

• 57

• 58

• 59

• 60

• 61

• 62

• 63

• 64

• 65

• 66

請圍繞「[主題]」幫我做一份從入門到進階的學習資料導航。
請先做 3 件事：1. 確認這個概念的來源、定義和常見誤解。如果它不是官方概念，請說明它是誰提出的、在哪些文章/案例里被使用，不要把傳播說法當成官方定義。2. 判斷這個主題適合拆成哪些學習模塊。3. 按“先理解概念 → 再看案例 → 最后能自己復用”的順序組織資料。
請輸出兩個方向：
## 一、文本學習路徑
請從簡單到復雜，找出比較權威、可信、適合學習的文本鏈接。
每條資料請包含：- 學習階段：入門 / 基礎 / 進階 / 實戰 / 延伸- 標題- 鏈接- 來源類型：官方文檔 / 原始文章 / 工程博客 / 論文 / 案例分析 / 社區討論- 為什么值得讀- 閱讀前需要知道什么- 讀完后應該掌握什么
資料優先級：1. 原始出處、作者原文、官方文檔2. 真實工程案例或公司技術博客3. 高質量解釋文章4. 社區討論只作為補充，不作為主要依據
## 二、課程目錄 + 嗶哩嗶哩視頻學習路徑
請像設計一門小課程一樣，給我安排一個從簡單到復雜的學習目錄。
先輸出：- 課程名稱- 適合人群- 課程目標- 學完后能做什么- 前置知識- 建議學習時長
然后按章節輸出，每章包含：- 章節編號- 章節主題- 本章學習目標- 關鍵問題- 推薦嗶哩嗶哩視頻鏈接，優先選擇講解清楚、信息密度高、發布時間較新、UP 主可信、評論區反饋較好的視頻- 每個視頻為什么適合這一章- 看完后的練習任務
嗶哩嗶哩視頻篩選標準：1. 優先選擇系統教程、公開課、技術分享、案例拆解類視頻。2. 優先選擇有完整章節、合集、課件、代碼倉庫或參考資料的視頻。3. 避免只推薦標題黨、營銷號、搬運不明來源的視頻。4. 如果一個視頻只覆蓋部分知識點，請說明它適合補哪一塊。5. 如果嗶哩嗶哩上沒有完全匹配的視頻，可以找相鄰主題，但必須說明“為什么它能補這個知識點”。6. 不要編造不存在的鏈接。無法確認的內容要標注“待驗證”。7. 如果你無法直接驗證 B 站鏈接，請給出推薦搜索關鍵詞，并說明應該如何篩選結果。
請注意：- 不要只堆鏈接，要解釋每個鏈接在學習路徑里的位置。- 視頻要從入門到復雜逐步遞進，不要一上來就給很難的內容。- 文本資料和視頻資料要互相配合，不要重復堆同類內容。- 如果某個概念在中文視頻里解釋不充分，可以用英文文本資料補足，但要說明原因。- 最后給我一個 7 天學習計劃，每天告訴我：讀什么、看什么、做什么小練習。
輸出格式請用 Markdown，結構清晰，方便我直接保存成學習文檔。

如果你只喜歡閱讀文本內容，可以去掉后一段的視頻學習路徑；反過來也一樣。上面的是國內版，所以視頻平臺用的是嗶哩嗶哩。如果你可以看國外平臺，你的 Agent 也能搜索國外視頻源，那么可以把 YouTube 加進視頻學習路徑，或者設置平臺優先級。

這里我簡單給大家看下 Codex 和 Kimi Work 的結果。

首先是概念解釋。

Codex 輸出：

Kimi Work 輸出：

接下來是文本學習路徑，考慮內容太長了，我就截部分給大家看。

Codex：

Kimi Work：

在文本學習路徑這一步，大家應該也能看出來區別。這個概念興起于國外，所以 Codex 搜索到的更多是原始材料鏈接（外語）；Kimi Work 也有源頭鏈接，除此之外還會穿插一些優質國內資料或轉載內容。這個就看大家的具體需要了。如果想深度了解，可以兩個交叉看一看，或者調用多 Agent 搜索一步到位。

再是視頻學習路徑。

Codex 推薦了很多優質 YouTube 視頻：

Kimi Work 搜索的嗶哩嗶哩視頻：

補充一嘴，大家如果單獨的一個視頻，想要快速了解其內容，YouTube 視頻可以通過 Gemini、Codex 等速覽，嗶哩嗶哩的視頻可以通過豆包、Youmind 插件速覽或者進一步提問，如果想提取逐字稿，這個不好分享啊怕挨罵，可以直接問 Agent 怎么做。

就是這么簡單，從簡單到復雜去學習。遇到有些視頻的講解方式你實在不喜歡、看不下去，就用同名視頻標題再搜一下，找自己更喜歡的版本。總之，雖然不是跟著同一個博主，但靠這種拼盤方式，也能把知識點學完。

之前也有朋友問過我，為什么不單獨關注幾個優質博主，從頭到尾跟著對方學呢？我感覺這其實比較難。你當然可以把喜歡的博主內容都看完，但學得未必全面。

一方面，每個博主的關注角度和受眾都不太一樣，他們做的內容不可能百分百適合你，也很難全面；另一方面，博主們擅長的技能點也不同。比如關注我，也關注我的好友@蒼何、@劉聰NLP的朋友，會發現我們哪怕寫的是同一個工具或者同一個主題，方向也截然不同。而 Agent 的搜索結果，是按從基礎到進階的順序一路帶你了解。

導入知識工作臺

上一步之后，我相信一定會有人說，哦，哪怕有視頻鏈接了，也不想一一學呢。有沒有更高效的辦法？有沒有？！

我還是建議大家優先看文本資料和原視頻去學習，這樣理解比較透徹，但是要是確實需要在很短的時間內掌握某個概念，那也可以更粗暴一點直接快進到下一步。

國外版本，直接 NotebookLM 啟動。

比如 Codex 這里輸出了 7 天學習計劃 + 鏈接，直接從 MD 文檔里全部復制，一股腦丟給 NotebookLM。

非會員可能每次只能導入 10 個，沒關系，在左上角多復制 2 次就都進去了。也不用刻意一個個復制鏈接，文本內容都復制過去它也能識別。

對話理解與練習

導入以后，哪里不懂就問，一直問，問到這個知識點你真的搞明白。感覺自己差不多明白的時候，再試試右邊的閃卡和測試。

閃卡就是先不顯示答案，讓它提問你，看你能不能自己想出來。測試則是直接根據你想測試的范圍出題。具體測試什么主題、難度、來源，也都可以自己設置。

國內的話，扣子、ima 也可以有類似的操作。導入資料，然后提問。受平臺生態兼容性的限制，很多內容可能無法直接導入，大家可以鏈接內容轉文檔保存進去，或者直接在 ima 搜索相關知識點。然后制定學習計劃讓它來監督學習。可以做個文件夾，把內容整理進去，提問可以參考這個：

• 1

• 2

• 3

• 4

• 5

• 6

• 7

• 8

• 9

• 10

請只基于當前知識庫回答，不要憑空補充。
我現在是【零基礎 / 有一點基礎 / 想做項目】。請幫我：1. 把這些資料整理成 5 天學習路徑；2. 每天只安排 2-3 個核心概念；3. 每天給一個小練習；4. 每天最后給 5 道自測題；5. 標出每個知識點來自哪篇資料；6. 如果資料之間有沖突，請單獨列出來。

最終，你可以再通過分享或直接實踐的方式，把學到的東西輸出出來。

小結

簡單來說，這個學習路徑就是這樣：

國內版：

AI Agent 搜索指定知識點相關學習資源，逐步學習 → ima / 秘塔，提問學習。

國外版：

AI Agent 搜索指定知識點相關學習資源，逐步學習 → NotebookLM，提問學習。

如果你對各類 AI 工具玩法有了更多自己的經驗，比如本地知識庫等，還可以進一步調整這套流程。學了一部分你可能發現有個知識點你竟然不明白，或者在這個路徑中并沒有涉及，那么可以按照這樣的方式再去搜索這個知識點相關的學習內容。

如果你的 Token 夠用，我有個自用的 Skill 分享。它可以輸出詳細的學習路徑圖，整理系統資料和術語表、優質視頻清單，并直接生成學習筆記（很好，又懶了一步）。其他的不限工具，不過這個學習路徑圖在少數 AI Agent 輸出圖里會翻車。下面是在 Codex 里的效果。

使用方法非常簡單，直接讓 Agent 安裝 learning-pack skill，為你整理關于 xxx 的知識就行。也可以要求它控制知識難度。

詳細的我就不展開了，下期單獨做個視頻，視頻號見哈哈哈。

• 1

https://【去掉中括號和這個內容】github.com/irenerachel/learning-pack-skill

群友啥的不敢提了，總之大家可以看視頻號介紹，多了也不敢說了。

就分享到這里！希望大家都能提高學習效率，實現知識攝入自由~

如果覺得內容有趣、有用、期待大家的猛猛三連鼓勵，這對阿真真的很重要！感謝感謝！

下期見朋友們~