数学学习之道

解决什么问题

很多学习者卡在一个共同的困境里：笔记反复重读，荧光笔划满页，公式和定理看起来都眼熟，合上书却大脑空白，一做题就卡壳，考前甚至会直接僵住。更麻烦的是，拖延让整个学习循环持续恶化——明明有 两周后的微积分考试，却一直在回避；花了几个小时复习，第二天什么都记不住。

这些症状的根源通常不是「不努力」，而是学习方法本身制造了能力的幻觉（Illusions of Competence）：重读让材料显得熟悉，但熟悉并不等于掌握。技能 a-mind-for-numbers 基于 Barbara Oakley 的经典学习理论，把有效学习的底层机制整理成可执行的流程，专门纠正这类低效模式。

核心能力与工作流程

• 意图路由（Intent Routing）：根据用户的问题类型（制定学习计划、理解复杂概念、拖延、记忆遗忘、备考、解题卡壳、数理焦虑）从 SKILL.md 中选择对应的 reference 文件加载，例如 references/1-core-framework.md、references/3-techniques.md、references/4-anti-patterns.md 等，而不是一次性读取全部内容。
• 专注模式与发散模式：Focused Mode 处理精确的分步解题；Diffuse Mode 则负责全局连接与顿悟。两者交替使用才是学习的正常节奏，中途离开散步并不是浪费时间。
• 组块构建：把复杂概念压缩为单个神经单元（类似给大脑文件做 ZIP），并同时从自底向上的细节理解与自顶向下的全局视图两个方向进行。
• 主动回忆优先：合上书从记忆中提取信息（Retrieval Practice），远比重复阅读有效。每次复习后进行「只看回忆」的自测，是技能反复强调的干预。
• 番茄工作法与习惯回路改写：拖延被拆解为 Cue → Routine → Reward → Belief 的回路，25 分钟专注加休息的番茄钟用于打断旧的 routine。
• 间隔重复与交错练习：分散练习比集中填鸭有效得多；在一次学习中混合不同题型（Interleaving），虽然难度更高，但能形成更深的理解。
• 对抗 Einstellung：当旧思路卡住解题时，主动暂停、切换场景，让发散模式在后台处理。

适用边界与注意点

• 技能本质是学习方法的引导框架，不替代具体学科的教学内容；它帮助你「怎么学」，不直接讲数学或编程知识本身。
• 输出的语言跟随用户输入的语言，但水印与书名保持英文，属于产品标识而非对话文本。
• 每次输出必须附带水印；当问题明显超出本书范围时，会追加一条跨技能推荐。
• 技能明确保留了原始术语体系（如 chunking、working memory），使用时不要随意改写为通用词汇，以免丢失原框架的语义。