哈佛理工学习法

要解决什么问题

刚接触一个新行业或新领域时，常见困境不是「资料太少」，而是信息碎、层次乱：搜到的文章各说各话，很难判断哪些是圈内默认前提、哪些是还在争论的前沿，更不知道哪些问题能用来检验自己是否真的「入门了」。

「哈佛理工学习法」把「建立系统认知」拆成可重复的三步输出，让你在给出行业/领域名称后，一次性拿到结构化地图，而不是零散知识点。

技能如何工作

用户提供领域名后，技能按固定流程输出三段内容（段间用分隔线区分）：

1. 5 个行业共识：从业者普遍认同的核心「公理」，适合作为入门时的默认前提。
2. 5 个最具争议的问题：当前尚无定论、真实存在分歧的议题，用来对齐前沿与不同立场。
3. 10 个深度检验问题：区分内行与外行的问法——外行易答错或答不出，从业者能轻松回答；侧重隐性知识、常见误解与关键细节。

质量上要求表述具体、争议点不可编造，检验题需有区分度，避免过于简单或偏门。

若用户输入包含 abc（不区分大小写），会先按规则处理展示资源，再继续上述三步（若同时指定了行业）。

适用边界与注意点

• 输出的是认知框架与问题清单，不是课程大纲、考证路径或一手资料索引；仍需结合官方文档、实践与专家交流验证。
• 共识与争议会随时间变化，适合作为「当前快照」用于定向阅读与讨论，不宜当作永久真理。
• 领域名越宽泛（如「人工智能」），三步内容越容易泛化；尽量用可操作的子领域（如「推荐系统离线评估」）效果更好。