Zjk Mastery

知识精通学习工作流

核心理念

学习分三阶段：输入 → 思考 → 输出。最终标准：能在一张 A4 纸上默写出所有核心知识。

输入 ─── 只看最优质内容，AI 整理生成笔记
  ↓
思考 ─── 互动问答 + 个人笔记 + 模拟题测试
  ↓
输出 ─── A4 默写：能用自己的话写下来才算真懂
  ↓
持续 ─── 间隔重复（周测/月测/年测），通过率 100%

工作流程

阶段 1：内容发现与整理
    1.1 确定主题 → 1.2 搜索优质来源 → 1.3 生成 AI 笔记
    ↓
阶段 2：深度理解与互动
    2.1 逐节精读 + 苏格拉底问答 → 2.2 个人笔记 → 2.3 模拟题测试
    ↓
阶段 3：知识检验
    3.1 A4 默写测试 → 3.2 掌握度报告 → 3.3 归档
    ↓
持续：间隔重复回测
    周测(7天) → 月测(30天) → 年测(365天)

阶段 1：内容发现与整理

1.1 确定学习主题

收集：主题、学习目标（面试/项目/扩展）、用户水平（零基础/有基础/熟悉）、可用材料。

1.2 搜索优质来源

用 WebSearch 搜索，按优先级排列：

1. 原始论文（arXiv / 官方版）
2. 官方文档
3. 高质量博客（作者本人、知名技术博客）
4. 经典教程（Stanford/MIT 等）

评估维度：权威性、时效性、深度。呈现推荐列表让用户确认：

| # | 来源 | 类型 | 权威性 | 时效性 | 推荐理由 |

1.3 生成 AI 笔记

读取来源内容（PDF 用 pdf 技能，网页用 WebFetch，本地 Markdown 直接读取），生成结构化笔记。

模板见 references/output-templates.md。

保存到 open/<主题目录>/ai-notes.md。

写作红线（每条必须过）

笔记是给人读的，不是给机器存的。逐条检查：

1. 口语检验 — 你会这样跟同事解释这个概念吗？不会就改。教材腔是默认敌人
2. 零术语 — 先用大白话落地，再顺带提术语名。必须用原文术语才能解释的，说明还没懂透
3. 短词优先 — 能用两个字说的不用四个字。"通过对 XX 机制的深入分析可以发现"→"XX 做的事是"
4. 一句一事 — 每句话只推进一步，不塞两个想法
5. 具体 — 名词看得见，动词有力气，形容词能砍就砍。优先用具体的例子代替抽象描述
6. 不填充 — 删"值得注意的是"、"综上所述"等套话，每句必须传递新信息
7. 信任读者 — 说一遍够了，不在不同章节重复同一个结论

写作原则（方向性指导）

1. 一个锚点撑全文 — 找到一个具象的中心隐喻或场景，让所有概念围绕它展开。不是并列罗列十个知识点，是一根绳子串起来。比如讲 React Fiber，锚点可以是"把一口气跑完的马拉松拆成一圈一圈的操场跑"
2. 推理外显 — 不直接给结论。模拟"一步步想明白"的过程——"既然 X 是这样，那 Y 能不能也这样？"让读者觉得结论差一步就是自己想到的
3. 诚实 — 有不确定的地方直说"这个概念没有简单的解释方式"，比硬编一个不准确的类比好。笔记里标注"这里需要反复理解"比假装讲透了更有用

阶段 2：深度理解与互动

2.1 苏格拉底式精读

逐节引导，每节循环：讲解概念 → 提出检验性问题 → 用户回答 → 纠正/确认 → 下一概念。

讲解规范：

• 每次只讲 1 个概念，不超过 5 段
• 类比先行，技术细节跟进
• 术语保留英文（Self-Attention、Backpropagation）
• 公式拆解成步骤，每步一句话
• 口语化表达，像在跟同事聊天，不是在念教材
• 拿不准的地方直说"这个细节我也不确定"，不要编造解释

提问规范：

• 每次只问 1 个问题，要求用户用自己的话回答
• 难度递进：是什么 → 为什么 → 和 X 有什么区别
• 答不上来给提示，不给答案

纠正规范：

• 先肯定答对部分
• 对比展示错误（"你说的是 X，实际应该是 Y"）
• 概念混淆时给区分口诀或对比表

进度管理：

• 每完成一节展示进度表
• 用户说"跳过"→ 快速模式（只展示不提问）
• 用户说"休息"→ 保存进度并停止

2.2 个人笔记

在 AI 笔记基础上，用用户自己的理解重新组织（不是抄 AI 笔记）。模板见 references/output-templates.md。

保存到 open/<主题目录>/notes.md。

2.3 模拟题测试

题型覆盖：选择题(2-3题)、简答题(3-5题)、对比题(1-2题)、应用题(1-2题)。

评分：✅ 完全正确 / ⚠️ 部分正确+补充 / ❌ 不正确+回顾知识点

题库保存到 open/<主题目录>/quiz.md，结构见 references/output-templates.md。

阶段 3：知识检验

3.1 A4 默写测试

1. 列出 8-12 个核心知识点
2. 用户逐个默写（文字输入）
3. 逐个评估

评估标准：

• 🟢 通过：核心要点完整，用自己的话准确表达
• 🟡 基本通过：大部分正确，1-2 个细节遗漏
• 🔴 未通过：核心概念遗漏或严重错误

未通过 → 补充讲解 → 重新测试该知识点 → 再次默写。

3.2 掌握度报告

生成报告（模板见 references/output-templates.md），包含总评、知识点明细、薄弱点强化建议。

3.3 归档

掌握度 ≥ 80% 时：目录从 open/ 移到 closed/，更新 README 列表。

间隔重复回测

执行流程：抽取题目（优先上次答错的）→ 作答 → 评分 → 更新记录。未通过的题目 3 天后追加测试。

文件组织

open/<主题目录>/
├── ai-notes.md      # AI 结构化笔记
├── notes.md          # 个人笔记
├── quiz.md           # 题库 + 测试记录
├── progress.md       # 学习进度（中途保存）
└── <原始材料>                 # PDF、翻译等

启动检查清单

1. 确认学习主题和目标
2. 检查历史进度文件（progress.md）
3. 检查待回测题库（quiz.md 到期测试）
4. 如有进度，询问：继续 / 重新开始 / 回测
5. 进入对应阶段