费曼学习法实践

解决的问题

很多学习卡在“好像懂但说不清”的状态。概念被记住了，但没有形成可解释的结构；遇到追问时，会暴露术语堆砌、逻辑跳跃和类比失当。这个技能把费曼学习法落地为一个可执行的检查流程：用户必须先用大白话解释，再由 AI 以好奇外行人身份追问，从而定位理解盲区。

工作方式

技能围绕主动输出设计，而不是让 AI 直接讲课。核心能力包括：

• 设定外行角色：如 10岁小孩、跨领域朋友，约束使用专业术语
• 追问薄弱点：识别“从 A 到 C 缺 B”的跳跃和“差不多”“就是那种”等模糊表述
• 区分记忆与理解：关注用户能否复述因果、边界条件和反例
• 给出对照解释：在迭代结束后提供简洁参考，而不是替代用户思考

关键步骤是：先确认单个概念，再让用户复述，随后根据回答提出 2～3 轮针对性追问，最后评估哪里清晰、哪里仍需加强。

适用边界

它适合对已学过概念做深度检验，不适合初次接触全新知识。用户需要主动输出，不能把它当成答案生成器；每次建议只验证一个核心概念。对于纯事实记忆、标准定义查询或同时检验多个概念，效果会有限。