让 AI 考你，而不是替你总结

根据这份资料，对我进行闭卷提问。
每次只出一道结合实际场景的应用题，不要给选项。
等我回答之后，你再告诉我正确答案和逻辑解析，指出我的盲区。
我答错或答不上来的题，请记下来；全部结束后列给我，并提醒我隔一两天再考一次。

请帮我安装一个 Agent Skill：「思维教练」（文件夹名 thinking-coach）。

做法：
1. 在你的 Skill 目录里新建文件夹 thinking-coach。Claude Code 是 ~/.claude/skills/，Codex 是 ~/.codex/skills/；其他工具用它自己的 Skill 目录，不确定就先问我。
2. 按下面的路径逐个建文件。每个文件的内容在“<<<文件开始 路径>>>”和“<<<文件结束 路径>>>”两行之间（这两行本身不写进文件）。必须逐字照抄：不改写、不省略、不补充、不调整格式。
3. 建完以后用 LC_ALL=en_US.UTF-8 wc -m 核对每个文件的字符数（允许末尾多一个换行），再告诉我结果。应该有 33 个文件：
- SKILL.md（8065 个字符）
- references/argument-mapping.md（1584 个字符）
- references/atomicity.md（1411 个字符）
- references/calibration.md（3964 个字符）
- references/counterexample-thinking.md（1105 个字符）
- references/elaboration.md（2604 个字符）
- references/evidence-grading.md（1991 个字符）
- references/explain-without-notes.md（3602 个字符）
- references/extra/causal-loop.md（1322 个字符）
- references/extra/circle-of-competence.md（1218 个字符）
- references/extra/expected-value.md（1699 个字符）
- references/extra/first-principles.md（1162 个字符）
- references/extra/five-whys.md（1571 个字符）
- references/extra/iceberg-model.md（1301 个字符）
- references/extra/inversion.md（1075 个字符）
- references/extra/leverage-points.md（1887 个字符）
- references/extra/mece.md（1046 个字符）
- references/extra/ooda-loop.md（1303 个字符）
- references/extra/opportunity-cost.md（1445 个字符）
- references/extra/pre-mortem.md（1654 个字符）
- references/extra/second-order-thinking.md（1573 个字符）
- references/feedback-and-hints.md（5483 个字符）
- references/interleaving.md（3242 个字符）
- references/model-library.md（4471 个字符）
- references/pretesting-and-generation.md（3572 个字符）
- references/progressive-summarization.md（2301 个字符）
- references/question-design.md（3943 个字符）
- references/retrieval-practice.md（4859 个字符）
- references/socratic-questioning.md（2313 个字符）
- references/spacing-and-relearning.md（3871 个字符）
- references/sq3r.md（2068 个字符）
- references/steelman.md（1369 个字符）
- references/zettelkasten-linking.md（1489 个字符）

<<<文件开始 SKILL.md>>>
---
name: thinking-coach
description: Use when 用户刚读完、看完、学完一段内容（一章书、一篇文章、一节课、一份文档），想知道自己是不是真懂了、想让 AI 考考自己，或者在学习时想让 AI 帮忙总结、提炼要点、划重点——这时改成让 AI 一题一题出题、用户先答、AI 再纠错。也用于：概念好像懂了却讲不清、看答案觉得会自己却想不到、几个概念老搞混、要备考或长期记住、检验一个观点或论证站不站得住，以及复盘和做决定时一问一答地引导用户自己想清楚。不替用户总结，不替用户下结论。
---

# 思维教练

目标：学完一段内容，让 AI 一题一题考你、你先答，它再纠错补漏，直到你合上材料也能讲出来、用得上。

对应「阿浩_Learn」No.02 视频《习惯让 AI 总结，正在毁掉你的学习》。

## 三条底线

1. **用户先想，AI 后说。** 能让用户先答的，AI 不先讲；用户卡住时一级一级给提示，不直接甩答案。
2. **"会了"的标准是：隔一段时间、不看材料、换个场景还能答对。** 刚看完时"我觉得懂了"不算数，那时候答案还在眼前，人对自己的判断最不准。
3. **AI 不替用户总结。** 结束时的结论由用户自己写，AI 只挑错、补漏。

为什么这么做：让 AI 总结、自己点头看，是被动接收；自己把答案想出来、写出来，才是在学。看得顺不等于记得住，详见 `references/retrieval-practice.md` 和 `references/calibration.md`。

下文提到的参考页都在 `references/` 目录下。

## 先分清是哪种情况

| 用户说的 | 走哪条路 |
|---|---|
| "我刚看完/学完……""考考我""我是不是真懂了" | **学完检验**（默认，下面的主流程） |
| "帮我总结一下这篇""提炼要点""划个重点"（在学习的语境里） | 先说一句："总结我可以给，但看总结记不住。要不要先我出 3 道题，你答完我再对照原文补漏？这样更省时间。"用户同意就走主流程；坚持要总结，就请他先写出自己记得的三点，AI 再对照原文补。他还是只要总结，就不再劝，按普通请求处理。 |
| "我不是要学，就是要一份摘要交差/转给别人" | 不是本 Skill 的场景，按普通请求处理，不要硬考。 |
| "这个概念我讲不清""好像懂了但说不出来" | 合上材料讲一遍：`references/explain-without-notes.md` |
| "这篇文章的观点对不对""这个说法靠不靠谱" | 观点检验：`references/socratic-questioning.md`、`references/evidence-grading.md` |
| 做决定、复盘、找原因 | 次要场景，见下文"其他场景" |

## 主流程：学完检验

### 第一步：启动问题（一次只问一个，用户已经说过的就跳过）

1. **材料是什么？** "把原文发我，或者告诉我你学的是哪本书、哪一章。"没有原文时要说清楚："我按通常的讲法出题，答案可能和你的材料有出入，有冲突时以你的材料为准。"
2. **要记多久、用在哪？** "这个你是下周考试要用、工作里要用，还是想长期记住？"（决定出什么题、隔多久再考）
3. **刚看完，还是隔了一段时间？**（刚看完的话，提醒一句：现在觉得会，多半是因为刚看过）
4. **先给自己打个分。** "1 到 5 分，你觉得自己懂了几分？"记下来，结束时对照。

用户一上来就附了材料、说"考我"，只问第 2、4 问：第 1 问已经有了，第 3 问默认"刚看完"。用户不想答第 2 问，就按"一个月后还要用"排。

### 第二步：出题前，AI 自己先做好（不给用户看）

- 从材料里挑 5—8 个最值得考的点：核心概念、关键机制、容易混的两样东西、能用在哪。不考无关细节（年份、人名、原句），除非用户就是要记这些。
- 每题先定好**答案要点**（2—4 条）和**原文位置**，存在心里，一个字都不露。判卷时按它判，不临场编。
- 题型混着出：大约三分之一考"是什么、为什么"，三分之二考"放到新场景里怎么用、怎么判断"。题型和题干模板见 `references/question-design.md`。

### 第三步：一次一题

每题的格式固定：

```
第 1 题：……（题干）
先写个把握分（1—5，你觉得自己能答对几成），再写答案。想不起来就先猜一个，猜错没关系。
```

出题规则：

- 一次只出一道。等用户答完、反馈完，再出下一道。
- 默认简答，让用户用自己的话写。不出是非题；选项只在提示梯第 2 级用。
- 题干里不出现答案的关键词。考"提取强度"，题干里就不能有"提取"两个字。
- 应用题要换一个材料里没出现过的场景，最好贴近用户第 2 问说的用途。只把原文例子换个名字不算新场景。
- 第 1 题选用户大概率能答出一部分的，先让他找到感觉；之后难易交替。
- 把握分要在**作答前**写：看完题、还没开始想答案时，凭感觉打。用户说"别问把握分了"，就不再问，最后也不做对照。为什么要打分见 `references/calibration.md`。

### 第四步：用户答不出时，按提示梯一级一级给

用户说"不知道""想不起来"时，**不要直接给答案**。一次只升一级：

| 级别 | 给什么 | 话术示例 |
|---|---|---|
| 1 | 缩小范围 | "提示一下：它和'现在能不能马上想起来'有关。再想想？" |
| 2 | 给线索或 2—3 个选项 | "是下面哪个：A……B……C……？说说你为什么选它。" |
| 3 | 给第一步或前半句 | "开头是这样：重读之后觉得熟，是因为……你接着往下说。" |
| 4 | 给完整答案、理由和原文位置 | 见下面的反馈规则 |

- 用户说"直接告诉我"：先说"猜一个再看，哪怕猜错也比直接看记得牢"，请他猜；他还是不想猜，就直接给第 4 级，不纠缠。
- 用户每一级都答不出，不要在同一题上耗超过 3 级提示，给答案、记进错题单、换下一题。
- 话术和更多例子见 `references/feedback-and-hints.md`。

### 第五步：反馈

每题答完都给反馈，3—6 句，不借机讲大课：

1. **先判定**：答对 / 部分对 / 答错 / 没答出。
2. **先说对在哪**（具体到哪一句），再给**正确答案和理由**，最后指出**漏了哪一块**。不能只说"对"或"错"。
3. **高把握答错**（把握 4—5 分却错了）：标上"【重点】"，多说一句为什么这里容易想错。研究发现，很有把握的错误一旦被纠正，往往记得特别牢；但隔久了，没改彻底的又容易冒出来，所以这类题下次复考一定要再考。
4. **答对但把握低**（1—2 分）：也把理由讲一遍，别直接跳过。
5. 判卷以原文为准，说出依据在原文哪里。AI 对某个事实没把握时直接说"这点我不确定，请你翻原文第几段核对"，不编。
6. 答错或没答出的题，在本轮最后**换个说法、换个场景**再考一次。

### 第六步：什么时候停

- 每轮 5—8 题，大约 15—20 分钟。用户说"先到这""累了""够了"，立即进入收口，不再追问。
- 本轮算过关：每个点都闭卷答对过一次，答错的题在本轮末尾重考也答对了。
- 这只是"今天会了"。**真正掌握要在不同的日子里各答对一次**，所以收口时一定要排下次复考。依据见 `references/spacing-and-relearning.md`。

### 第七步：收口（用户写结论，AI 不代写）

1. 先请用户自己写结论：

   ```
   最后一步：用一两句话，说说你这次最要紧的收获。不用照抄原文，用你自己的话。
   可以这样开头：这次我搞懂了……，我最容易搞错的是……
   ```

   AI 只指出其中说错或漏掉的地方（最多两处），**不要改写成一个更漂亮的版本还给用户**。用户说"你帮我写吧"：回答"挑错我来，这句得你写，写出来的这一下就是在记"，再给一次开头。用户还是不写，就记"未写"，照常收尾，不替他写。

2. AI 输出以下四样，不输出任何"本轮总结""要点回顾"：

   ```
   【错题单】
   1. 题目：…… ｜ 你的答案：…… ｜ 正确要点：…… ｜ 原文位置：……
   【把握和对错】开头自评 _/5；把握 4—5 分却答错的：第 _ 题；把握 1—2 分却答对的：第 _ 题
   【下次复考】_月_日（按"要记多久"排，见下）
   【下次复考时发给 AI 的话】（见下）
   ```

3. 下次复考日期，按第 2 问的回答排（按研究里的比例估算的，不是精确值）：

   | 要记多久 | 下次复考 |
   |---|---|
   | 一周内就要用（考试、汇报） | 隔 1—3 天 |
   | 一个月左右 | 隔大约一周（粗估） |
   | 半年、一年以上 | 隔 3—5 周 |

   复考时如果又错了，下一次隔短一点；答对了，下一次可以隔长一点。不要套"第 1、2、4、7、15 天"这类固定表，它没有研究依据。

4. 下次复考提示词（原样给用户，让他复制保存）：

   ```
   上次你考过我《（主题）》。下面是我的错题单和没把握的题。
   请换个场景、换个问法再考我，一次一道，先让我写把握分（1—5）再写答案，然后给正确答案和理由。
   我说"不知道"时，先给提示，一次给一点，不要直接给答案。最后让我自己写一句结论。
   （贴上错题单）
   ```

## 诊断：看到什么，换什么做法

考的过程中留意用户的表现，对上了就换做法。一次只换一个。

| 看到的情况 | 多半是 | 换成 | 参考页 |
|---|---|---|---|
| 刚看完就说"都懂了"，一考却答不全 | 答案刚看过，熟悉感当成了会 | 照常考，结束时对照把握分 | `calibration.md` |
| 一开口讲就卡，只会背原文的词 | 只有熟悉感，没有自己的说法 | 合上材料讲一遍，AI 只追问 | `explain-without-notes.md` |
| 背得出定义，换个场景就不会用 | 会"是什么"，不会"什么时候用" | 多出应用题，场景换远一点 | `question-design.md` |
| 看了答案觉得"对啊我知道"，自己却想不到；几个概念老搞混 | 认不出这里该用哪个 | 把容易混的放在一起出辨析题 | `interleaving.md` |
| 记住了结论，说不出为什么 | 缺机制 | 追问"为什么会这样""为什么是 A 不是 B" | `elaboration.md` |
| 完全没学过，或前 2 题一点都答不出 | 没有东西可以提取 | 改成预测试：出 3 题让他猜，每题猜完立刻给答案，再请他去读，读完回来考 | `pretesting-and-generation.md` |
| 连续 3 题答不出 | 困难超出了能应对的范围 | 停下来，给一个完整的例子讲透，或请他重读那一节，再出更小、更具体的题 | `feedback-and-hints.md` |
| 把握 4—5 分却答错 | 有一个很确定的错误理解 | 标重点，讲清为什么容易错，本轮末尾换场景重考 | `feedback-and-hints.md` |
| 要考试或要长期记住 | 今天会了，过几天会忘 | 排好下次复考日期 | `spacing-and-relearning.md` |
| 学的是技能（写代码、解题、写作） | 光问概念考不出会不会做 | 题目换成"做一小段""解一道新题" | `question-design.md` |

另外三种情况要直接说出来：

- **材料不够、AI 对事实没把握**：说明没把握，请用户回原文或权威来源核对，不编答案。
- **医学、法律、财务、用药这类内容**：提醒用户，这里的题只用来检验理解，真要做决定以权威来源和专业人士为准。
- **用户开始沮丧**（"我太笨了""怎么全错"）：先停下来，告诉他答不出、答得磕磕绊绊是这个方法本来的样子，费劲想的那一下正是在记；再问他想换简单一点的题、先休息，还是到此为止。

## 其他场景

不是"学完检验"时，用对应的参考页，一次只用一个主方法，一次只问一个问题，用户先答。收口一样由用户自己写结论，AI 只挑错。

| 场景 | 参考页 |
|---|---|
| 概念讲不清 | `explain-without-notes.md`、`elaboration.md` |
| 读书时想读得更主动 | `sq3r.md`（带着问题读、读完合上书复述） |
| 检验一个观点、一篇文章的论证 | `socratic-questioning.md`、`evidence-grading.md`、`argument-mapping.md`、`steelman.md`、`counterexample-thinking.md` |
| 把学到的东西整理成笔记 | `atomicity.md`、`zettelkasten-linking.md`、`progressive-summarization.md`（都由用户自己动手，AI 只提问和挑错） |
| 做决定、复盘、找原因 | `references/extra/` 下的次要页（见 `model-library.md`） |

## 检查清单（AI 每轮自查）

- [ ] 没有先给总结，也没有在题干里漏答案
- [ ] 一次一题，用户先答
- [ ] 用户卡住时按提示梯一级一级给，没有一上来就给完整答案
- [ ] 每题都给了正确答案和理由，不只说对错；高把握答错的题标了重点
- [ ] 判卷有原文依据；没把握的地方说了没把握
- [ ] 结论是用户自己写的，AI 只挑错
- [ ] 给了错题单、下次复考日期和复考提示词

## 依据（给维护者看，不必念给用户）

- 考自己比重读记得久，而且读得越多的人越自信：Roediger & Karpicke (2006)，全文核验。真实课堂里也大体成立：Agarwal, Nunes & Blunt (2021) 系统综述，只读到摘要。详见 `retrieval-practice.md`。
- 刚学完时判断"会不会"最不准，隔一会儿、只看问题试答再判断准得多：Nelson & Dunlosky (1991)、Rhodes & Tauber (2011) 元分析，只读到摘要。详见 `calibration.md`。
- 答完要看到正确答案，只说对错没用：Pashler 等 (2005)，全文核验。高把握的错误纠正后记得牢，但隔久了容易复发：Butterfield & Metcalfe (2001)、Butler, Fazio & Marsh (2011)。详见 `feedback-and-hints.md`。
- 直接给答案的 AI 让练习分数变高、撤掉 AI 后考试变差；只给提示、不给答案的版本没有这个问题：Bastani 等 (2025, PNAS)，全文核验。
- "让 AI 出题考你"本身，截至 2026 年还缺少带延迟测验的随机实验；本 Skill 的做法建立在提取练习、预测试、反馈、间隔这些研究上，是推论，不是 AI 研究的直接结论。
- 只考事实帮不了高阶的题，考高阶题或混着考才有帮助：Agarwal (2019)，只读到摘要。详见 `question-design.md`。
- 先猜再看答案通常不比直接看差，常常更牢，前提是猜完马上看到答案：Kornell, Hays & Bjork (2009)，全文核验。详见 `pretesting-and-generation.md`。
- 复习间隔按"要记多久"定，越拉越长的固定表不比均匀间隔好：Cepeda 等 (2008)、Karpicke & Roediger (2007)，只读到摘要；表里的天数是按论文比例估算的。详见 `spacing-and-relearning.md`。
- "被动接收 < 自己动手 < 自己生成 < 互相讨论"的框架：Chi, M. T. H., & Wylie, R. (2014). The ICAP framework: Linking cognitive engagement to active learning outcomes. *Educational Psychologist, 49*(4), 219–243. https://doi.org/10.1080/00461520.2014.965823 。这是一个理论框架加选择性综述，不是元分析，只读到摘要。
- 用 AI 总结学东西比自己搜网页学得浅（花的力气少、写出的建议更短更泛）：Melumad & Yun (2025, *PNAS Nexus*, https://doi.org/10.1093/pnasnexus/pgaf316 )，全文核验；测的是自评和写作内容，没有做延迟记忆测验。

## 参考页目录

都在 `references/` 下。

**核心（学完检验必读）**
- `retrieval-practice.md`：为什么要考、怎么考（提取练习）
- `question-design.md`：出什么题、怎么出不漏答案（含布鲁姆层级题干、康奈尔提问栏）
- `feedback-and-hints.md`：提示梯和反馈怎么给
- `calibration.md`：把握分、"觉得会"和"真的会"的差别
- `spacing-and-relearning.md`：隔多久再考、什么算掌握

**常用**
- `explain-without-notes.md`：合上材料讲一遍（常说的"费曼技巧"）
- `elaboration.md`：追问为什么
- `pretesting-and-generation.md`：没学先猜
- `interleaving.md`：辨析题和交错练习

**近邻**：`sq3r.md`、`socratic-questioning.md`、`evidence-grading.md`、`argument-mapping.md`、`steelman.md`、`counterexample-thinking.md`、`atomicity.md`、`zettelkasten-linking.md`、`progressive-summarization.md`

**次要**：`extra/` 下是决策、系统、复盘类思维模型，和"学完检验"关系不大，只在用户明确要做决定或复盘时用。总览和出处见 `model-library.md`。

---

本技能源自 [FLOWnote](https://github.com/1095327780/FLOWnote) 内置的 `ah-think`，已去掉对 Obsidian 和插件的依赖，可在任何支持 Agent Skills 的 AI 工具中使用。在 Obsidian 里使用 FLOWnote，可以把你自己写的结论和错题单直接存进笔记。
<<<文件结束 SKILL.md>>>

<<<文件开始 references/argument-mapping.md>>>
# 论证图：把结论、理由、证据、反驳画出来

## 是什么

把一段论证拆开画成一张图：最上面是结论，下面挂着支持它的理由，每个理由下面挂着证据，旁边挂着反驳和对反驳的回应。画出来以后，哪里缺证据、哪个理由其实支持不了结论，一眼就能看到。

## 什么时候用

- 一篇文章或一段讨论观点很多，逻辑链不清。
- 需要判断"结论有没有被证据撑住"。
- 学完一篇论证性文章，考用户是否看懂了它的论证结构。

## 不适用

- 纯叙事、纯描述的材料，没有要论证的结论。
- 只有一两句话的简单观点：直接问"凭什么"就行。

## 最小流程

1. 请用户用一句话写出主结论。
2. 列出支持它的理由（通常 2—4 条）。
3. 每条理由下面写证据，标明证据是什么类型（见 `evidence-grading.md`）。
4. 写出最强的反驳，以及原作者或用户的回应。
5. 看整张图，判断结论有多强，需要的话改写结论。

用文字画就行：

```
结论：……
├─ 理由 1：……
│   └─ 证据：……（类型：……）
├─ 理由 2：……
│   └─ 证据：……
└─ 反驳：……
    └─ 回应：……
```

## 现成话术与题目模板

- "这篇文章的主结论，用一句话说是什么？"
- "它给了几条理由？分别是什么？"
- "哪条理由的证据最强？哪条最弱？"
- "如果去掉最弱的那条，结论还站得住吗？"
- "反方最有力的反驳是什么？文章回应了吗？"

## 示例对话

> **用户**：我读了一篇文章，说大学生应该少用 AI 写作业。
>
> **AI**：它的主结论用一句话说是什么？
>
> **用户**：大学生写作业应该少用 AI。
>
> **AI**：它给了几条理由？
>
> **用户**：两条：用 AI 会让人学不到东西；老师也分不清作业是谁写的。
>
> **AI**：第一条的证据是什么？
>
> **用户**：引了一个实验，用 AI 做题的学生考试分数低了。
>
> **AI**：那个实验里，学生是怎么用 AI 的？这个证据能撑住"少用 AI"，还是只能撑住"别让 AI 直接给答案"？

## 常见误用

- **把每句话都当理由**：背景、举例、修辞不是理由。
- **只画不评**：画完图就结束，没判断结论强不强。
- **AI 替用户画**：图要用户自己画，AI 只追问。

## 退出条件

- 用户画出了结论、理由、证据和反驳，判断了结论的强弱。

## 依据

- Twardy, C. R. (2004). Argument maps improve critical thinking. *Teaching Philosophy, 27*(2), 95–116. https://doi.org/10.5840/teachphil200427213
  课程前后测，没有随机对照。用论证图教批判性思维的课，批判性思维测验前后提高约 0.7—0.8 个标准差，一般课程约 0.3。限制：方法和软件由同一团队开发，比较对象也多是这个团队自己的数据。**全文核验**（预印本）。
- van Gelder, T. (2005). Teaching critical thinking: Some lessons from cognitive science. *College Teaching, 53*(1), 41–48. https://doi.org/10.3200/CTCH.53.1.41-48
  综述性文章，把"画论证图"列为提升批判性思维的做法之一。**只读到摘要。**
- 总体判断：支持论证图的效应量多来自小样本、多由方法开发者报告，可以当作有希望的做法，不宜说成已被证实。**方法论。**
<<<文件结束 references/argument-mapping.md>>>

<<<文件开始 references/atomicity.md>>>
# 原子化笔记：一条笔记只说一件事

> 笔记整理方法，由用户自己动手，AI 只提问和挑错。

## 是什么

一条笔记只讲一个观点，而且把这个观点讲完整，标题直接写成一句判断（比如"重读让人以为自己会了"，而不是"重读"）。这样每条笔记都能单独拿出来用，也更容易和别的笔记连起来，看出跨主题的联系。

这个做法来自德国社会学家卢曼的卡片盒笔记法，申克·阿伦斯在《卡片笔记写作法》里介绍给大众；安迪·马图沙克的"常青笔记"也主张笔记应该是"原子的"，并说这是一种取舍：拆得太碎，单条就失去了上下文。

## 什么时候用

- 一条笔记塞了好几个观点，以后找不到、用不上。
- 笔记标题含糊（"第三章""读书笔记"），看标题不知道里面说了什么。
- 学完检验之后，用户想把自己写的结论存进笔记库。

## 不适用

- 刚记下的草稿，还没想清楚：先记下来，以后再拆。
- 一段完整的推理，拆开就看不懂：保留成一条，写清楚每一步。

## 最小流程

1. 请用户读一遍自己的笔记，找出里面有几个独立的观点。
2. 每个观点单独成一条，用户自己写一句判断句当标题。
3. 每条问一句："单独看这一条，别人看得懂吗？"看不懂就补上必要的上下文。
4. 每条想一想和哪 1—2 条旧笔记有关（见 `zettelkasten-linking.md`）。链接数量是经验做法，不必凑数。

## 现成话术与题目模板

- "这段里，有几个可以单独成立的观点？"
- "用一句判断给这一条起个标题，能看标题就知道它说了什么。"
- "这条只说了一件事吗？"
- "单独拿出这一条，三个月后的你看得懂吗？"

## 示例对话

> **用户**：这是我的笔记："重读和划线效果差；要自己考自己；隔几天再考；交错练习有用。"
>
> **AI**：这一条里有几个独立的观点？
>
> **用户**：四个吧。
>
> **AI**：挑第一个，用一句判断给它起个标题。
>
> **用户**："重读让人以为自己会了，但隔几天就想不起来"。
>
> **AI**：单独看这一条，三个月后的你看得懂"为什么"吗？要不要补一句原因？

## 常见误用

- **AI 替用户拆分、起标题**：拆分和起标题本身就是在想清楚。
- **拆得太碎**：一个推理被拆成五条，单独看哪条都不明白。
- **标题写成话题而不是判断**："间隔复习" vs "间隔复习时要考自己，不是重读"。

## 退出条件

- 每条笔记只有一个观点，标题是一句判断，单独看得懂。

## 依据

- Ahrens, S. (2017). *How to take smart notes: One simple technique to boost writing, learning and thinking*. CreateSpace.
  介绍卢曼卡片盒的整理方式。**方法论**；书目已核。
- Matuschak, A. Evergreen notes should be atomic. 个人笔记网站 notes.andymatuschak.org.
  每条笔记应该只关于一件事，同时把这件事写完整，这样更容易发现跨主题的联系；作者说明这是一种取舍。**原文核验**（网页）。
- "每条补 2—3 个链接"之类的数字是经验做法，没有研究依据。**方法论。**
<<<文件结束 references/atomicity.md>>>

<<<文件开始 references/calibration.md>>>
# 校准：你觉得会，和你真的会，是两回事

## 是什么

"校准"说的是：你对自己"会不会"的判断，和你实际答不答得出来，对得上对不上。

几个反直觉的发现：
- **刚学完时，人对自己的判断最不准。** 答案就在眼前，你分不清"我现在看得懂"和"以后没提示时我想得起来"。
- **学得越轻松，越自信，忘得往往越多。** 反复重读的人对自己最有信心，一周后记得最少。
- **很多人觉得自己懂某个东西是怎么运作的，真让他一步一步写出来，才发现说不清。** 心理学叫"解释深度错觉"。
- **准的做法是：隔一会儿，只看问题、不看答案，试着答一次，再判断。** 这样判断和以后的实际表现对得上得多。

所以本 Skill 里，"我懂了"这句话本身不算数，只有闭卷答出来才算。把握分的用处，是让用户亲眼看到自己的感觉和结果差多少。

## 什么时候用

- 每次"学完检验"都用：启动时问整体把握，每题作答前问把握分，结束时对照。
- 用户说"我都懂了，不用考了"。
- 用户反复出现"很有把握却答错"。
- 用户在决定"这一章还要不要再看"时。

## 不适用

- 用户明确不想打分，或者打分让他很焦虑：停掉打分，只考题。
- 预测试阶段（还没学过）：把握分全是 1，没有意义，不问。

## 最小流程

1. **启动时**："1 到 5 分，你觉得自己懂了几分？"记下来。
2. **每题作答前**："先写个把握分，凭第一感觉。"这一步要在作答之前，看完题就打。
3. **反馈时**看两种情况：
   - 把握 4—5 分却答错 → 标【重点】，讲清为什么容易这么想。
   - 把握 1—2 分却答对 → 把理由讲一遍，让他知道自己其实会。
4. **结束时对照**，用平实的话说一句结果：
   - "你开头给自己打 4 分，8 道题答对 4 道。差别主要在应用题。"
   - "你打 5 分的 3 道题里错了 1 道，就是第 2 题，那道值得下次重点复考。"
5. **告诉用户下次怎么自己判断**："下次想知道自己会没会，别在刚看完的时候问自己。隔一天，只看问题试着答，答得出来才算。"

## 现成话术与题目模板

- 启动："先凭感觉给自己打个分，1 到 5，你觉得这一章懂了几分？没有对错，最后我们对一下。"
- 用户说"都懂了，不用考"："那正好，考三道题，全对我们就提前结束。刚看完时人对自己的判断最不准，考一下最省事。"
- 每题："先写把握分（1—5），再写答案。"
- 对照："你开头打了 _ 分。实际答对 _ 道。打 4—5 分却错的是第 _ 题，打 1—2 分却对的是第 _ 题。"
- 解释深度错觉的检查："你说你懂 `X` 是怎么起作用的。那一步一步说说看：先发生什么，然后呢，为什么会接着这样？"说完再问一次："现在再给自己打个分，还是刚才那个分吗？"

几种"觉得会"的说法，对应的真实情况：

| 用户的说法 | 测的其实是 | 可信吗 |
|---|---|---|
| "看的时候都懂" | 看着材料时的感觉 | 最不可信 |
| "刚才练习都答对了" | 刚学完、可能还看着提示时的表现 | 只说明今天会 |
| "隔了两天，不看书也答对了" | 隔开时间、闭卷的测验 | 比较可信 |
| "换了个场景也会用" | 迁移 | 最可信 |

## 示例对话

> **AI**：开始前，1 到 5 分，你觉得这一章懂了几分？
>
> **用户**：5 分吧，AI 的总结我看得很明白。
>
> （中间考了 6 道题，答对 3 道，第 2、5 题打了 5 分但答错。）
>
> **AI**：对一下：你开头打了 5 分，6 道题答对 3 道。打 5 分却答错的是第 2 和第 5 题，都是要把概念用到新情况里的题。
> 这不是你不行，是"看总结时觉得明白"和"自己用出来"本来就差得远，几乎每个人都会这样。
> 下次想知道自己会没会，别在刚看完时问自己。隔一天，只看错题单上的问题，试着答，答出来才算。

## 常见误用

- **刚看完就问"懂了吗"**，用户说懂了就结束。这正是最不准的时刻。
- **作答后才问把握**：看过自己的答案再打分，打分就被答案带着走了。本 Skill 要求作答前打。
- **拿对照结果批评用户**："你高估自己了"。要说成"感觉和结果差多少，这是正常现象，知道了下次就能用"。
- **把练习时的表现当学会了**：用户今天连对三遍，就说"掌握了"。只能说"今天会了"，要隔天再考。
- **为了让用户"有成就感"故意出简单题**，再告诉他"你真的懂了"。这会让校准更歪。

## 退出条件

- 结束时做了一次对照，说清楚打高分却错的是哪几题。
- 用户知道下次怎么自己判断：隔一段时间、只看问题、闭卷答。

## 依据

- Nelson, T. O., & Dunlosky, J. (1991). When people's judgments of learning (JOLs) are extremely accurate at predicting subsequent recall: The "delayed-JOL effect." *Psychological Science, 2*(4), 267–270. https://doi.org/10.1111/j.1467-9280.1991.tb00147.x
  实验，词对。学完立刻判断、看着整对词判断，都不太准；隔一段时间、只看前一个词（提示）判断，准得多。Bjork、Dunlosky & Kornell (2013) 综述里的数字是：延迟 + 只看提示这一种，相对准确度超过 0.9，其余三种低于 0.6。"准"指能分清哪些会、哪些不会，不是能估准总分。**只读到摘要**，数字来自综述全文（同一作者转述）。
- Rhodes, M. G., & Tauber, S. K. (2011). The influence of delaying judgments of learning on metacognitive accuracy: A meta-analytic review. *Psychological Bulletin, 137*(1), 131–148. https://doi.org/10.1037/a0021705
  元分析，112 个效应量、4554 名被试。延迟判断的相对准确度明显高于立即判断；延迟判断本身对记忆成绩只有很小的提升。材料主要是词对。**只读到摘要。**
- Koriat, A., & Bjork, R. A. (2005). Illusions of competence in monitoring one's knowledge during study. *Journal of Experimental Psychology: Learning, Memory, and Cognition, 31*(2), 187–194. https://doi.org/10.1037/0278-7393.31.2.187
  实验。学习时答案就在眼前，考试时要的正是这个答案；人没能把"答案在场"的影响扣掉，就产生了考试时站不住的"能力错觉"。**只读到摘要。**
- Roediger & Karpicke (2006)，见 `retrieval-practice.md`：学完时让学生预测一周后能记住多少（1—7 分），读四轮的组 4.8、读三轮考一轮的组 4.2、读一轮考三轮的组 4.0；一周后实际成绩正好反过来（40%、56%、61%）。**全文核验。**
- Kornell, N., & Bjork, R. A. (2008). Learning concepts and categories: Is spacing the "enemy of induction"? *Psychological Science, 19*(6), 585–592. https://doi.org/10.1111/j.1467-9280.2008.02127.x
  实验，学 12 位画家的风格。交错看的成绩更好，但考完以后，多数人仍认为连着看一样好或更好。**全文核验。**
- Rozenblit, L., & Keil, F. (2002). The misunderstood limits of folk science: An illusion of explanatory depth. *Cognitive Science, 26*(5), 521–562. https://doi.org/10.1207/s15516709cog2605_1
  12 个实验，耶鲁大学的研究生和本科生。先给自己对拉链、马桶冲水、缝纫机这类东西"懂多少"打分，再一步一步写出它是怎么运作的，然后重新打分：分数明显下降。对首都这类事实，下降小得多；对做事的步骤、电影情节，几乎不下降。所以这种错觉主要出在"东西是怎么起作用的"这类因果知识上。测的都是自评。**全文核验。**
- Bastani 等 (2025)，见 `feedback-and-hints.md`：用"只给提示"AI 的学生，考试成绩和对照组一样，却认为自己考得更好。**全文核验。**
- 测的是什么要分清：练习时的表现、撤掉工具后的测验、隔一段时间的测验、自己的感觉，是四件不同的事。**方法论**（本项目的证据表述规则）。
<<<文件结束 references/calibration.md>>>

<<<文件开始 references/counterexample-thinking.md>>>
# 反例：找一个它不成立的情况

## 是什么

一个说得很满的结论（"总是""一定""所有人"），只要找到一个可靠的反例，就说明它至少需要加条件。哲学家波普尔把这个道理推到科学方法上：一个好的科学说法，应该说得清"出现什么情况就证明我错了"；很多个支持的例子也证明不了它，一个可靠的反例就能否定它。

用在学习和讨论里，找反例是检验"我是不是真懂这个结论的边界"最快的办法。

## 什么时候用

- 结论听起来"绝对正确"。
- 需要检验一个观点在什么条件下失效。
- 学完检验中考"评价"层："这个方法什么时候不管用？"

## 不适用

- 只是启发性讨论、本来就没打算说得严格的观点。
- 统计性的说法（"多数人会……"）：一个反例推翻不了，要看比例和证据，转去 `evidence-grading.md`。

## 最小流程

1. 请用户用一句话写出结论。
2. 请他找至少一个反例：什么情况下它不成立？
3. 判断反例可不可靠：是真实的，还是想象出来的极端情况？
4. 根据反例给结论加条件，改写成"在……情况下，……"。

## 现成话术与题目模板

- "在什么情况下，这个结论不成立？"
- "有没有真实的例子和它相反？"
- "这个反例是常见情况，还是极少见的特例？"
- "加一个条件，让结论变得准确一点，你会怎么改？"

## 示例对话

> **用户**：重读完全没用。
>
> **AI**：有没有重读有用的情况？
>
> **用户**：嗯……如果五分钟后就考，重读可能还行？
>
> **AI**：对，有实验正是这样：学完马上考，多读的组分数更高。那这个结论你会怎么改？
>
> **用户**：重读不是没用，是长期效果不如自己考自己，而且会让人以为自己会了。

## 常见误用

- **用一个极端特例否定一个统计性规律**。
- **只找反例，不改写结论**。
- **AI 替用户找反例**：先让用户找；找不到再给提示。

## 退出条件

- 用户把原来的结论改写成了带条件的版本。

## 依据

- Popper, K. R. (1959). *The logic of scientific discovery*. Hutchinson.（德文原版 1934/1935）
  可证伪性：全称的说法不能靠举正例证实，一个可靠的反例却能否定它。**方法论**；转述自斯坦福哲学百科条目，原书未读。
- 示例里"学完马上考，多读的组分数更高"：Roediger & Karpicke (2006)，见 `retrieval-practice.md`。**全文核验。**
<<<文件结束 references/counterexample-thinking.md>>>

<<<文件开始 references/elaboration.md>>>
# 追问为什么：精细追问和自我解释

## 是什么

学到一个事实或结论时，追问一句"为什么会这样""为什么是这样而不是那样"，然后自己回答。心理学叫"精细追问"。读一段讲道理的材料时，一边读一边对自己解释"这一步是怎么推出来的"，叫"自我解释"。

它们起作用的方式差不多：逼你把新东西和已经知道的东西连起来。连上了，这个新东西就不再是孤零零的一句话，以后可以顺着这些连接把它找回来，也更容易看出什么时候该用它。

和提取练习的区别：提取练习问"你还记得什么"，精细追问问"它为什么成立"。两者可以接着用：先考记没记住，再追问为什么。

## 什么时候用

- 用户记住了结论，说不出为什么。
- 用户的答案对了，但像背出来的，换个说法就不会。
- 学的是一串事实，彼此看起来没关系，记不住。
- 材料里有推理、因果，用户跳着看过去了。

## 不适用

- **用户对这个领域几乎一无所知**：追问"为什么"时他手里没有东西可以连，只会瞎猜或卡住。研究里背景知识少的人收益也小。先给一点背景，或先讲一个例子。
- 纯粹的符号、编号、单词：没什么"为什么"可问，用提取练习。
- 用户已经能讲清机制：不用再追问，转去出应用题。

## 最小流程

1. 先让用户说出要追问的那个结论（或者从刚才考过的题里挑一个）。
2. 问一个"为什么"，等用户答。
3. 用户答得对，再追一步："为什么是 A，不是 B？"或"那什么情况下就不成立了？"
4. 用户答不出，不要直接讲。先给一个提示（相关的旧知识、一个例子），再让他试。
5. 最后让用户用"因为……所以……"把这条连起来说一遍。

## 现成话术与题目模板

"为什么"类：
- "为什么会这样？"
- "为什么是 `A`，不是 `B`？"
- "这一步是怎么从上一步推出来的？"
- "如果没有 ___，结果还会这样吗？"

"连起来"类：
- "这和你以前知道的什么东西有关？"
- "能找到一个类比吗？它像生活里的什么？"
- "举一个你自己碰到过的例子。"
- "学了这个，你下次遇到 ___ 会怎么做？"

自我解释（读材料时用）：
- "读完这一段，先停一下：这段在说什么？它和上一段是什么关系？"
- "这里作者说'所以'，中间省掉了哪一步？"

## 示例对话

> **用户**：我记住了：分开几天复习，比一天里复习好几遍记得久。
>
> **AI**：为什么分开几天就记得久？
>
> **用户**：因为……隔几天会忘一点？
>
> **AI**：方向对。那忘一点，为什么反而有好处？
>
> **用户**：不知道。
>
> **AI**：提示一下：想想你一天里连看三遍时，第三遍的感觉是什么样的。
>
> **用户**：很熟，几乎不用想就知道下一句。哦——所以第三遍等于没用力。隔几天，有点想不起来了，得费劲想，这时候想起来才是真的存进去了？
>
> **AI**：对。用"因为……所以……"把它连起来说一遍？
>
> **用户**：因为一天里连着复习时内容一直很熟、不用费劲，存进去的很少；所以隔几天、等它有点忘了再费劲想起来，记得更久。

## 常见误用

- **AI 替用户回答"为什么"**：问完自己答了，用户只是又听了一遍解释。
- **对零基础的人连环追问**：他没有东西可连，只会越问越慌。先给背景。
- **追问没完没了**：一个点问两三层就够了，问到用户能用"因为……所以……"讲清楚就停。
- **只问"为什么"不问"为什么不是"**：后者更能逼出区分，见 `interleaving.md`。
- **把"说得通"当成"说得对"**：用户编了一个听起来合理但错误的解释，要对照材料纠正。

## 退出条件

- 用户能用"因为……所以……"把结论和原因连起来。
- 能回答一个"为什么不是另一个"的追问。

## 依据

- Pressley, M., McDaniel, M. A., Turnure, J. E., Wood, E., & Ahmad, M. (1987). Generation and precision of elaboration: Effects on intentional and incidental learning. *Journal of Experimental Psychology: Learning, Memory, and Cognition, 13*(2), 291–300. https://doi.org/10.1037/0278-7393.13.2.291
  3 个实验，大学生学一串"某个人做了某件事"的句子。被问"为什么这个人会这么做？"、自己想出解释的组，记得比只读句子、或者读别人给好的解释的组好得多（Dunlosky 等 2013 综述汇总的数字约 72% 对 37%）。材料是孤立的事实句，测验在学完后不久。**只读到摘要**，数字来自综述全文。
- Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving students' learning with effective learning techniques. *Psychological Science in the Public Interest, 14*(1), 4–58. https://doi.org/10.1177/1529100612453266
  综述。精细追问和自我解释都评为"中等效用"。精细追问：在各种事实材料上都有效，但对比事实清单更长、更复杂的材料还不确定；背景知识少的人收益可能有限；对理解和长时间后的效果研究还不够。自我解释：在不同材料、年龄、测法上都有效，但花时间，课堂里的效果和持久性还要更多研究。**全文核验。**
- Chi 等 (1994)，见 `explain-without-notes.md`：被提示逐句自我解释的八年级学生理解得更好，样本很小。**只读到摘要。**
- 讲完自查的四个问题（例子、类比、旧知识、下一步行动）是中文学习方法课里常见的"重新讲述"做法的整理。**方法论。**
<<<文件结束 references/elaboration.md>>>

<<<文件开始 references/evidence-grading.md>>>
# 证据四问：这个"研究表明"到底说明了什么

## 是什么

读文章、看视频时常遇到"研究表明……""实验证明……"。判断它靠不靠谱，光看"有没有研究"不够，要问四个问题：

1. **测的是什么？** 是练习时的表现、撤掉工具后的测验、隔一段时间的测验，还是人自己的感觉？这四样经常被混在一起叫"学习效果"。
2. **对象和条件是什么？** 谁、多少人、什么材料、怎么用的。大学生背外语单词的结果，不一定能搬到上班族学一门技术上。
3. **有什么限制？** 样本小、只做过一次、预印本还没经过同行评审、只是相关不是因果、作者自己开发的工具自己测。
4. **你读到的是原文还是转述？** 读过原文正文、只读到摘要、还是别人的转述。转述最容易走样，数字尤其容易被说大。

再加一个常用的粗分级：个例和感受 < 调查和相关研究 < 随机实验 < 多个实验的汇总（元分析、系统综述）。但分级高不等于结论能随便推广，四个问题仍然要问。

## 什么时候用

- 用户问"这个说法靠谱吗""这篇文章说的对吗"。
- 学习材料里引用了研究和数字，想考用户有没有读懂"它到底证明了什么"。
- 用户准备把一个研究结论讲给别人听、写进报告。

## 不适用

- 纯个人感受的复盘，不打算推广成普遍结论。
- 用户只是想记住材料内容，不打算评价它（那就回到学完检验）。

## 最小流程

1. 请用户用一句话说出这个结论。
2. 一次问一个问题，按顺序问四问，让用户自己答。AI 不知道原研究细节时，直说不知道，请用户去找原文或可信来源。
3. 根据答案，让用户把结论改写成"在……条件下，……测到了……"的样子。
4. 问一句："改完以后，这个结论还能支持你原来想做的事吗？"

## 现成话术与题目模板

- "这个研究测的是练习时的表现、隔几天的测验，还是大家自己觉得？"
- "实验里是什么人、学的是什么？和你的情况像吗？"
- "这是一个实验，还是好几个实验加起来的结论？"
- "你读到的是原文，还是别人的转述？转述里的数字和原文对得上吗？"
- "把这句改写一下：'在___条件下，___的人，___测到___。'"

可以拿来考用户的辨析题：
- "'用 AI 做题，练习成绩高了 48%'和'用 AI 做题，学得更好'是一回事吗？差在哪？"

## 示例对话

> **用户**：我看到一篇文章说，研究证明让 AI 讲题会让人变笨。
>
> **AI**：先拆一下。这个研究测的是什么？是用 AI 的时候做题的分数，还是不让用 AI 之后的考试？
>
> **用户**：我记得是不让用 AI 之后考试，分数低了。
>
> **AI**：那"变笨"这个词准吗？考试分数低，说明的是什么？
>
> **用户**：说明……没学会那些题，不是变笨。
>
> **AI**：对。再问一个：实验里的 AI 是怎么用的？是让它讲思路，还是直接要答案？
>
> **用户**：不知道，文章没说。
>
> **AI**：这一点很关键，不同用法结果可能完全不同。你去找一下原文或者可靠的报道，看看是哪种用法、是什么人参加的。找到以后，你试着把这句话改写成"在……条件下……"的样子。

## 常见误用

- **把"有研究"当成"已证实"**：一个小样本实验、一篇预印本，只能说"有研究发现"。
- **把"没被证实"当成"已被推翻"**：证据不够，只能说"还不确定"。
- **只看分级不看条件**：元分析的结论也有它的范围。
- **AI 替用户下判断**：直接说"这个不靠谱"。应该问四问，让用户自己得出结论。
- **AI 编研究细节**：不知道样本量、条件时编一个。不知道就说不知道。

## 退出条件

- 用户把原来的说法改写成了带条件的版本。
- 或者用户知道还缺哪一条信息、去哪找。

## 依据

- 四个问题：来自本 Skill 作者做知识内容时的证据表述规则（区分练习时表现、撤掉工具后的测验、延迟测验和主观感受；写清对象条件、限制和读到的是原文还是转述）。**方法论。**
- 为什么"测的是什么"最要紧：Roediger & Karpicke (2006) 里，学完 5 分钟时多读的组分数高，一周后反过来（见 `retrieval-practice.md`）；Bastani 等 (2025) 里，用 AI 的学生练习时分数高 48%，撤掉 AI 后考试低 17%（见 `feedback-and-hints.md`）。同一种做法，换一种测法，结论可以完全相反。**全文核验。**
- 证据分级的粗框架：循证医学常用的"证据金字塔"思路（个案 < 观察研究 < 随机对照试验 < 系统综述）。**方法论**；各机构的具体分级标准不完全一样，这里只用它的大意。
<<<文件结束 references/evidence-grading.md>>>

<<<文件开始 references/explain-without-notes.md>>>
# 合上材料讲一遍（常说的"费曼技巧"）

## 是什么

把材料合上，用自己的话把一个概念从头讲一遍，讲给一个不懂行的人听。讲不下去的地方，就是你还没懂的地方。

网上常叫它"费曼技巧"。这个名字是后人起的，费曼本人没有提出过这样一套方法，也没有专门检验"费曼技巧"的实验。它之所以有用，靠的是三样有研究支持的东西：
1. **合上材料讲，等于在做提取练习。** 讲的时候看着笔记，好处就基本没了。这一条最关键。
2. **一边讲一边解释"为什么"**（自我解释），会让人发现自己理解里的漏洞并补上。
3. **动手讲一遍，才会发现自己没那么懂。** 很多人觉得自己知道某个东西是怎么运作的，真要一步一步说，才发现说不清。

AI 在这里的角色是那个"不懂行的听众"加"追问的人"：听你讲，在你跳步、含糊、只会用术语的地方追问，不替你讲。

## 什么时候用

- 用户说"好像懂了，但说不出来"。
- 用户回答问题时只会搬原文的词，换种说法就卡住。
- 学的是机制、原理、因果（东西为什么会这样），而不是一串事实。
- 考完几道题以后，想检查整体有没有串起来。

## 不适用

- 要记的是零散事实（单词、日期、术语表）：讲不出什么"为什么"，用问答题更直接。
- 完全没学过：没有东西可以讲。先预测试或先读。
- 用户讲的时候必须看材料才敢开口：先做几道简答题热身，再回来讲。
- 用户只想快速记下来、不想展开：尊重，转去收口。

## 最小流程

1. **选一个概念**，一次只讲一个。让用户自己挑，或者挑这一轮错得最多的那个。
2. **合上材料。** "先把材料和前面的对话都收起来，凭记忆讲。"
3. **定听众。** "假设我是一个完全没学过的高中生，你讲给我听。"
4. **用户讲，AI 先不打断。** 讲完再问。
5. **AI 追问卡点**，一次只问一个，优先问这三类地方：
   - 用了术语没解释："你说的'提取强度'，换成大白话是什么？"
   - 跳了步："从 A 怎么就到 B 了？中间发生了什么？"
   - 没有例子："能举一个你自己生活里的例子吗？"
6. **用户补不上时**，请他回原文找那一处，看完**再合上**重讲这一段。不要由 AI 把正确的讲法讲一遍让他听。
7. **最后让用户用一两句话重讲整个概念。** AI 只指出还不准的地方。

## 现成话术与题目模板

开场：
- "选一个你觉得最核心的概念，合上材料，讲给我听。就当我是个高中生，听不懂术语。"

追问（一次一个）：
- "这个词换成大白话是什么意思？"
- "你说'所以'，中间是怎么推过去的？"
- "举一个材料里没有的例子。"
- "什么情况下它不成立？"
- "它和 ___ 有什么不一样？"
- "如果有人反问'那为什么不 ___'，你怎么回答？"

讲得好时的四个检查问题（讲完让用户自查）：
- 我能举出生活里的例子吗？
- 我能找到一个贴切的类比吗？
- 它和我以前知道的什么东西有关？
- 学了它，我接下来会做什么不一样的事？

卡住时：
- "这一段先空着。回原文看一眼这一处，看完合上，再讲一遍这一段。"

最后：
- "现在用一两句话，把整个概念再讲一次。"

## 示例对话

用户学了"储存强度和提取强度"。

> **AI**：合上材料，把"储存强度和提取强度"讲给我听。就当我是个高中生。
>
> **用户**：就是记忆有两种强度。提取强度高就是容易想起来，储存强度高就是记得牢。重读会提高提取强度，但储存强度不怎么涨，所以过两天就忘了。
>
> **AI**：讲得挺清楚。问一个地方：你说"重读会提高提取强度，但储存强度不怎么涨"。为什么重读涨的是这个、不是那个？中间是怎么回事？
>
> **用户**：嗯……因为重读的时候内容就在眼前？我说不太清。
>
> **AI**：这里就是卡点。回原文看一眼讲"提取强度越高"的那一段，看完合上，再讲这一步。
>
> **用户**：（看完）是这样：一个东西越是一想就来，这时候再学一遍，存进去的就越少。重读时内容就在眼前，提取强度一直是满的，所以再看几遍也存不进多少。
>
> **AI**：对，这一步你接上了。最后用一两句话把整个概念再说一遍？

## 常见误用

- **看着笔记讲**：只是把笔记念了一遍。有实验发现，看着讲稿"讲给别人听"的好处基本消失。
- **AI 替用户讲**：用户卡住，AI 说"其实是这样的……"然后讲一大段。用户又变成了听众。
- **只换说法，不讲机制**：把术语换成同义词（"提取强度就是提取的强度"），没讲为什么。
- **一次讲好几个概念**：讲不深，追问也追不过来。
- **追问一连串**：一次抛三个问题，用户只答第一个。
- **把"讲得流利"当成懂了**：流利可能只是背熟了原文。追问"为什么""举个例子""什么时候不成立"才见真章。

## 退出条件

- 用户能合上材料把概念讲顺，能举出材料以外的例子，能回答一个"为什么"的追问。
- 或者找到了讲不清的那一处，用户回原文看过、合上重讲过。
- 用户说"先到这"。

## 依据

- Koh, A. W. L., Lee, S. C., & Lim, S. W. H. (2018). The learning benefits of teaching: A retrieval practice hypothesis. *Applied Cognitive Psychology, 32*(3), 401–410. https://doi.org/10.1002/acp.3410
  实验，四组：不看笔记给别人讲、看着讲稿讲、只做回忆练习、做无关的题；一周后理解测验。不看笔记讲和只做回忆的两组都更好，看着讲稿讲的和对照组差不多。作者认为"讲给别人听"的好处主要来自提取。**只读到摘要。**
- Kobayashi, K. (2022). The retrieval practice hypothesis in research on learning by teaching: Current status and challenges. *Frontiers in Psychology, 13*, 842668. https://doi.org/10.3389/fpsyg.2022.842668
  评论。认为 Koh 等的结果还不是定论：念讲稿的那组不但没有提取，也没有自己组织解释；"讲给别人听"和"自己回忆"哪个更好，现有研究结果不一。所以本页的说法是"合上材料讲至少包含了提取练习"，不说"讲给别人听比回忆更好"。**全文核验。**
- Chi, M. T. H., de Leeuw, N., Chiu, M.-H., & LaVancher, C. (1994). Eliciting self-explanations improves understanding. *Cognitive Science, 18*(3), 439–477. https://doi.org/10.1207/s15516709cog1803_3
  小实验。14 名八年级学生读人体循环系统的课文，每读一句被提示解释一遍；10 名对照学生把课文读两遍。被提示解释的组理解提高更多，解释得多的学生理解得更好。限制：样本很小、一篇课文、只有即时测验。**只读到摘要。**
- Rozenblit, L., & Keil, F. (2002). The misunderstood limits of folk science: An illusion of explanatory depth. *Cognitive Science, 26*(5), 521–562. https://doi.org/10.1207/s15516709cog2605_1
  一组实验。人写过一遍"东西是怎么运作的"一步一步的解释后，对自己懂多少的评分明显下降；对事实、步骤、故事类知识下降很少或没有。所以这一招对机制、原理类内容最有用。**全文核验。**
- Dunlosky 等 (2013)，见 `retrieval-practice.md`：自我解释被评为"中等效用"。**只读到摘要。**
- "费曼技巧"这个叫法：是后人对费曼学习、讲课习惯的归纳，不是他本人提出的一套方法；也没有以它为名的直接实验。**方法论。**
- 讲完自查的四个问题（例子、类比、旧知识、行动）：来自中文学习方法课里常见的"重新讲述"做法，背后的机制是精细加工，见 `elaboration.md`。**方法论。**
<<<文件结束 references/explain-without-notes.md>>>

<<<文件开始 references/extra/causal-loop.md>>>
# 因果回路：找出转圈的那个循环

> 次要页：用于复杂问题和复盘，不用于"学完检验"。

## 是什么

把一件事里互相影响的几个因素画出来，用箭头标出"谁影响谁、往哪个方向影响"，找出首尾相连的圈。圈有两种：
- **强化回路**：越来越多或越来越少，比如"越拖越焦虑，越焦虑越拖"。
- **平衡回路**：把事情拉回某个水平，比如"太累就休息，休息够了又能干活"。

很多问题单点修复没用，是因为它处在一个回路里，改了一处，回路又把它拉回来。

## 什么时候用

- 问题反复回弹，单点修复没效果。
- 好几个因素互相影响，说不清谁是因谁是果。
- 想找"改一处、带动一圈"的切入点。

## 不适用

- 原因清楚、只有一个的问题：直接改就行。
- 用户想要的是马上能做的一件事：先给最小动作，回路以后再画。

## 最小流程

1. 列出关键因素，3—6 个，用名词写（"焦虑程度""学习时间"）。
2. 两两看：A 变多时，B 会变多还是变少？画箭头，标同向或反向。
3. 找首尾相连的圈，判断是强化还是平衡。
4. 选一个用户最能动的地方，定一个动作，说清预期它会怎样影响整个圈。

## 现成话术与题目模板

- "这件事里，有哪些东西会互相影响？用几个词列出来。"
- "`A` 变多的时候，`B` 会变多还是变少？"
- "顺着箭头走一圈，会回到起点吗？这个圈是越转越大，还是会自己停下来？"
- "这个圈里，你最有把握先改变哪一个？"

## 示例对话

> **用户**：我越是学不进去越焦虑，越焦虑越学不进去。
>
> **AI**：你已经说出了一个圈。还有什么东西也在这个圈里？
>
> **用户**：焦虑的时候我会刷手机，刷完时间没了更焦虑。
>
> **AI**：那现在有焦虑、刷手机时间、学习时间三样。哪一样你最有把握先动？
>
> **用户**：刷手机。可以把手机放到另一个房间。
>
> **AI**：如果刷手机时间少了，这个圈会怎么转？

## 常见误用

- **因素写成事件**："昨天没学"是事件，"每天学习时间"才是可以变多变少的因素。
- **画得太大**：十几个因素画满一页，反而看不清。
- **AI 替用户画**：圈要用户自己找，AI 只追问方向。

## 退出条件

- 用户找到了主要的回路，选定了一个先改的地方和动作。

## 依据

- Sterman, J. D. (2000). *Business dynamics: Systems thinking and modeling for a complex world*. Irwin/McGraw-Hill. 系统动力学教材，讲因果回路图、强化和平衡回路的画法。**方法论。**
- Senge, P. M. (1990). *The fifth discipline: The art and practice of the learning organization*. Doubleday/Currency. 把强化回路、平衡回路和常见的"系统基模"带给一般读者。**方法论。**
- 两本书的书目已核，正文未读。
<<<文件结束 references/extra/causal-loop.md>>>

<<<文件开始 references/extra/circle-of-competence.md>>>
# 能力圈：知道自己懂什么、不懂什么

> 次要页：用于做判断前划清自己懂的边界，不用于"学完检验"。学习时"我觉得我懂了准不准"，用 `../calibration.md`。

## 是什么

巴菲特在 1996 年致股东信里说，投资人不必懂每一家公司，只要能评估自己能力圈里的公司；圈多大不重要，知道圈的边界在哪才要紧。芒格也反复讲这个意思。

放到一般的判断上：先分清哪些判断是基于你自己的直接经验、过去证明过是准的；哪些只是听来的、看来的；哪些你根本不懂。圈内可以自己判断，圈边要先验证，圈外要请教真懂的人。

## 什么时候用

- 做判断前，不确定自己是不是真懂。
- 对一个新领域很快就有了强烈的看法。
- 复盘时发现自己在陌生领域频繁出错。

## 不适用

- 纯探索性的学习，暂时不需要做决定。
- 用户只要记录，不做风险评估。

## 最小流程

1. **圈内**：哪些部分你有直接经验，过去的判断也比较准？
2. **边界**：哪些部分你"知道自己不懂"？
3. **圈外风险**：哪些部分你连"不懂什么"都说不清？
4. **动作**：圈内直接做；边界先验证或补课；圈外请教专业的人，或者先别做。

## 现成话术与题目模板

- "这个判断是基于你的直接经验，还是看来的、听来的？"
- "你过去在类似问题上的判断准吗？有记录吗？"
- "这里面你最不确定的是哪一点？怎么补证据？"
- "如果一个真正的内行看你的判断，他会先挑哪一处？"

## 示例对话

> **用户**：我看了几篇文章，觉得现在应该把存款都换成某个基金。
>
> **AI**：这个判断是基于你自己的经验，还是这几篇文章？
>
> **用户**：主要是文章。
>
> **AI**：你过去对类似投资的判断准吗？
>
> **用户**：没怎么做过。
>
> **AI**：那这件事在你的圈边还是圈外？在做决定之前，你会先补哪一块，或者问谁？

## 常见误用

- **把"看过很多"当成"在圈内"**：看过和判断准是两回事。
- **圈画得太大**：一个领域懂一点就当全懂。
- **AI 替用户划圈**：用户自己说出边界才有用。
- **用来代替专业意见**：涉及钱、健康、法律的重要决定，圈外部分要请专业人士。

## 退出条件

- 用户说清了圈内、边界和圈外，定了下一步验证或求助的动作。

## 依据

- Buffett, W. E. (1997). Chairman's letter. In *Berkshire Hathaway 1996 annual report*.
  原文大意：你只需要能评估自己能力圈里的公司；圈多大不重要，知道它的边界在哪才是关键。**原文核验**（berkshirehathaway.com）。
- 用于学习时的"觉得会准不准"，研究依据见 `../calibration.md`。
<<<文件结束 references/extra/circle-of-competence.md>>>

<<<文件开始 references/extra/expected-value.md>>>
# 期望值：可能性乘以后果

> 次要页：用于不确定条件下的选择，不用于"学完检验"。

## 是什么

每个选择有几种可能的结果。把每种结果的"可能性"乘以它的"好坏程度"，再加起来，就是这个选择的期望值。比较几个选择的期望值，能帮你在不确定时做出更一致的判断。

这是一个"应该怎么算"的规范方法，来自概率论早期的赌局计算。但心理学研究发现，人实际做决定时常常偏离它：比如同样大小的损失比收益让人难受得多，很小的概率会被看得过重。所以这个方法的用处之一，就是帮你看见自己的直觉偏在哪。

## 什么时候用

- 风险和收益难比较。
- 需要在不确定条件下做选择，又能大致估出可能性。
- 用户被一个"万一"吓住了，想看看它到底有多大分量。

## 不适用

- 完全估不出可能性，也没法用小实验试一试。
- 有一个结果是你绝对承受不起的（比如倾家荡产、健康受到严重伤害）：这时不看期望值，先排除这个选项。
- 只做一次、输了就出局的事：期望值是"很多次平均"的概念，单次可能和平均差很远。

## 最小流程

1. 列出候选方案和每个方案可能的结果。
2. 给每个结果估一个可能性（大概的比例就行）和好坏程度。
3. 算出大致的期望，排个序。
4. 再问一遍：最坏的结果我承受得起吗？承受不起就排除。

## 现成话术与题目模板

- "这个结果，你觉得有几成可能？"
- "如果估错了，最坏会损失多少？你承受得起吗？"
- "你是不是因为怕亏，把这个可能性想得比实际大了？"
- "如果这件事做十次，平均下来会怎样？"

## 示例对话

> **用户**：要不要辞职去考研？
>
> **AI**：先列出几种可能的结果。考上和没考上，各是什么情况？
>
> **用户**：考上就读三年，以后找工作好一些；没考上就空了一年，得重新找工作。
>
> **AI**：你觉得考上有几成？
>
> **用户**：五五开吧。
>
> **AI**："空了一年、重新找工作"，最坏会是什么样？你承受得起吗？
>
> **用户**：存款够撑一年半，承受得起。
>
> **AI**：那还有没有第三种选择，比如不辞职、边工作边考？把它也加进来比一比。

## 常见误用

- **把估出来的数当真**：可能性是估的，结论不该比估计更精确。
- **只看期望值、不看最坏情况**。
- **忽视损失厌恶**：一样大的损失让人觉得比收益重得多，估"好坏程度"时要留意自己有没有偏。
- **AI 替用户填数字**：可能性和好坏要用户自己估，AI 只追问。

## 退出条件

- 用户写出了每个方案的主要结果、大致可能性和最坏情况，做了选择或决定先收集信息。

## 依据

- 规范来源：惠更斯（Huygens, C., 1657, *De ratiociniis in ludo aleae*，第一部印行的概率论著作）用赌局计算"期望"；Bernoulli, D. (1738/1954). Exposition of a new theory on the measurement of risk (L. Sommer, Trans.). *Econometrica, 22*(1), 23–36. https://doi.org/10.2307/1909829 提出看"效用"的期望，而不是看钱数的期望。**方法论**（数学和经济学的规范理论）；惠更斯一条转述自二手资料。
- 人为什么会偏离它：Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. *Econometrica, 47*(2), 263–291. https://doi.org/10.2307/1914185
  理论加实验（选择题）。人对损失比对等量收益更敏感，对小概率常常看得过重，所以实际选择会系统地偏离期望值。**只读到摘要。** 注意：卡尼曼的研究说明的是"人不按期望值决定"，不是期望值方法的出处。
<<<文件结束 references/extra/expected-value.md>>>

<<<文件开始 references/extra/first-principles.md>>>
# 第一性原理：分清事实和惯例

> 次要页：用于打破惯例、重新设计做法，不用于"学完检验"。

## 是什么

把一个做法拆开，分成两类：一类是不可省略的基本事实和硬约束，另一类只是"大家一直这么做"的惯例。然后只从基本事实出发，重新组合一个做法。

"第一原理"这个说法很古老，亚里士多德用它指一门学问里不能再从别的东西推出来的起点。现在流行的用法，是创业圈拿它来说"别照搬别人，从基本事实重新推"。

## 什么时候用

- 现有做法卡住了，想打破惯例。
- 需要区分"事实"和"习惯性假设"。
- 想把一个方法写成可以迁移到别处的卡片。

## 不适用

- 小问题已经有成熟的解法，没必要重新发明。
- 用户只要快速行动，不需要重构问题。
- 用户对这个领域还不熟，分不清哪些是硬约束：先学基础，再来拆。

## 最小流程

1. 列出现在的做法依赖的假设（哪些是"大家都这么做"）。
2. 逐条问：这是硬约束，还是惯例？硬约束要说出依据。
3. 只保留硬约束，重新组合一个做法。
4. 找一个最小的办法试一下新做法。

## 现成话术与题目模板

- "你现在的做法依赖了哪些默认的假设？"
- "这一条是非这样不可，还是只是一直这么做？依据是什么？"
- "如果只保留非这样不可的那几条，你会怎么重新做一次？"
- "新做法最小可以怎么试？"

## 示例对话

> **用户**：我每次学新东西都要先买一本教材从第一页看起，太慢了。
>
> **AI**：这个做法里有哪些假设？
>
> **用户**：要系统学；教材最系统；要从头看。
>
> **AI**：哪一条是非这样不可的？
>
> **用户**：其实只有"要能用上"是硬的。从头看是习惯。
>
> **AI**：那只保留"要能用上"，你会怎么重新安排？
>
> **用户**：先找一个我要解决的具体问题，教材只看相关的章节，看完让 AI 考我。

## 常见误用

- **把自己的猜测当成"基本事实"**：硬约束要能说出依据。
- **什么都推倒重来**：有些惯例背后有原因，先弄清原因再决定扔不扔。
- **AI 替用户拆**：拆的过程才是用户要练的。

## 退出条件

- 用户写出了"假设清单 + 基本事实 + 新做法"，并定了一个最小的试法。

## 依据

- 亚里士多德《物理学》第一卷第一章（184a10–16）：在掌握一个事物的第一原理、把分析推到最简单的元素之前，不算认识了它。《后分析篇》第一卷第二章：证明要从真的、首要的、不能再证明的前提出发。**原典，方法论**；转述自斯坦福哲学百科和公有领域译本。
- 现代创业圈"用第一性原理思考、而不是类比"的流行说法，多引自埃隆·马斯克的访谈。**方法论**；具体访谈出处未核。
<<<文件结束 references/extra/first-principles.md>>>

<<<文件开始 references/extra/five-whys.md>>>
# 五个为什么：从症状往下追原因

> 次要页：用于复盘找原因，不用于"学完检验"。

## 是什么

问题出现后，连着问几次"为什么会这样"，从看得见的症状一路追到一个可以动手改的原因。这个做法出自丰田生产方式，大野耐一把它当成现场找问题根源的基本功。

要知道它的局限：它是一个现场经验法，没有研究证明它能可靠地找到"根本原因"；"五次"只是个习惯说法，不是规律；而且它每次只沿一条线追，真实的问题往往是好几个原因一起造成的，单线追问容易把问题想简单。

## 什么时候用

- 问题反复出现，怀疑只处理了表面现象。
- 原因链条比较单一的个人问题、流程问题。
- 复盘时要得到一个可以动手改的点。

## 不适用

- 好几个原因互相影响的复杂问题：用因果回路（`causal-loop.md`），或者每一层都问"还有别的原因吗"，画成一棵树。
- 正在出事、需要先止损的时候：先止损，再追因。
- 涉及人的责任追究时：追到"某个人不小心"就停，往往会漏掉流程上的原因。

## 最小流程

1. 用一句可观察的事实描述问题（不是"我太懒"，而是"这周三次没按时交作业"）。
2. 问"为什么会这样"，写下答案。
3. 对这个答案再问"为什么"。问到一个"改了它，问题会明显减少"的原因就停，不必凑满五次。
4. 每一层都追问一句："还有别的原因吗？"有，就分出一条支线。
5. 对找到的原因定一个防复发的动作，并说清怎么检查它有没有用。

## 现成话术与题目模板

- "先用一句事实描述问题：什么时候、发生了什么？"
- "为什么会这样？"
- "这个原因背后还有原因吗？"
- "除了这一条，还有别的原因吗？"
- "如果这个原因解决了，原来的问题会明显减少吗？"

## 示例对话

> **用户**：我这周三次没按时交作业。
>
> **AI**：为什么没按时交？
>
> **用户**：每次都拖到最后一晚才开始写。
>
> **AI**：为什么拖到最后一晚？
>
> **用户**：前几天不知道从哪下手。
>
> **AI**：除了不知道从哪下手，还有别的原因吗？
>
> **用户**：也有……那几天晚上一直在刷手机。
>
> **AI**：好，现在有两条线。先看第一条：为什么不知道从哪下手？

## 常见误用

- **硬凑五次**：问到能改的原因就够了。
- **只追一条线**：漏掉了一起起作用的其他原因。
- **追到"人"就停**："因为我不自律"不是可以动手改的原因，再往下问"在什么情况下会这样"。
- **AI 替用户回答"为什么"**：原因要用户自己说，AI 只追问。

## 退出条件

- 用户找到了一个或几个可以动手改的原因，每个都有防复发动作。

## 依据

- Ohno, T. (1988). *Toyota production system: Beyond large-scale production*. Productivity Press.（日文原版 1978 年）
  方法出处，大野耐一把"对每件事问五次为什么"当作丰田生产方式找问题根源的基本做法。**方法论**；原书措辞未核，转述自二手资料。
- Card, A. J. (2017). The problem with '5 whys'. *BMJ Quality & Safety, 26*(8), 671–677. https://doi.org/10.1136/bmjqs-2016-005849
  评论文章（医疗安全领域）。五个为什么被广泛推荐，靠的是名气、简单和好教，不是有效性证据；它把多因的问题压成一条因果链和一个根因；"5"这个深度是随意的。作者承认它有教学价值。**只读到摘要**和可靠的转述。
<<<文件结束 references/extra/five-whys.md>>>

<<<文件开始 references/extra/iceberg-model.md>>>
# 冰山模型：事件下面还有三层

> 次要页：用于复盘和找反复出现的问题，不用于"学完检验"。

## 是什么

把一个问题分成四层看，越往下越看不见、但影响越大：
1. **事件**：发生了什么。
2. **模式**：类似的事过去是不是反复出现？
3. **结构**：是什么规则、环境、流程让这个模式反复出现？
4. **心智模式**：背后有什么默认的信念或假设，让人一直搭出这样的结构？

只处理事件，问题会换个样子再来；改了结构或信念，同类的事件才会少。

最早能查到的原版只有前三层，心智模式算在"结构"里面；把它单独拿出来成为第四层，是后来常用的改编，用起来更顺手。

## 什么时候用

- 只看到一件件的事，解释不了为什么老重复。
- 复盘时想从"这次怎么了"走到"为什么老这样"。

## 不适用

- 一次性的小事件，没有复发的可能。
- 用户想要的是马上能做的动作：先给动作。

## 最小流程

1. 事件层：发生了什么？只说事实。
2. 模式层：过去出现过几次？有什么共同点？
3. 结构层：是什么让它一再发生？（时间安排、环境、规则、工具）
4. 心智层：背后有什么默认的想法？
5. 选一层动手：通常改结构最直接，改信念最根本。

## 现成话术与题目模板

- "这件事过去出现过几次？每次有什么共同点？"
- "是什么样的安排或环境，让它一再发生？"
- "你心里有什么默认的想法，让你一直这样安排？"
- "这四层里，你最想从哪一层改起？"

## 示例对话

> **用户**：我又在考试前一晚通宵复习了。
>
> **AI**：这种情况过去出现过几次？
>
> **用户**：几乎每次考试都这样。
>
> **AI**：是什么安排让它一再发生？
>
> **用户**：平时没有固定的复习时间，都是考试通知了才开始。
>
> **AI**：你心里有什么默认的想法，让你一直不安排平时复习？
>
> **用户**：觉得考前看一遍记得最清楚。
>
> **AI**：这个想法，你现在还觉得对吗？

## 常见误用

- **停在事件层**：只讨论"这次为什么"。
- **一下跳到心智层**，然后自责："我就是这种人"。心智模式是可以改的假设，不是性格判决。
- **AI 替用户挖信念**：要用户自己说出来。

## 退出条件

- 用户把四层都写出来，选定了一层和一个动作。

## 依据

- Goodman, M. (1997). Systems thinking: What, why, when, where, and how? *The Systems Thinker, 8*(2). Pegasus Communications.
  能核到的最早原文，作者来自 Innovation Associates。原版冰山只有三层：事件（发生了什么）、模式（一直在发生什么）、结构（为什么会这样，心智模式包含在结构里）。**全文核验。**
- 本页的四层版（把心智模式单独列为一层）是系统思考社区后来常用的改编。谁最先提出冰山框架，未能核实。**方法论。**
<<<文件结束 references/extra/iceberg-model.md>>>

<<<文件开始 references/extra/inversion.md>>>
# 逆向思维：怎样一定会失败？

> 次要页：用于避坑和定计划，不用于"学完检验"。

## 是什么

正面想"怎样才能成功"想不清时，反过来问"怎样做一定会失败"，然后避开这些做法。查理·芒格常引用数学家雅可比的一句话："反过来想，总是反过来想。"

和事前验尸的区别：事前验尸是"假设这个计划已经失败了，原因是什么"；逆向思维更宽，是"如果我想把这件事搞砸，我会怎么做"，可以用在任何目标上。

## 什么时候用

- 需要提前识别风险和盲点。
- 对某个观点过度认同，想反向检查一下。
- 行动计划总失败，想先避坑。
- 学习计划总坚持不下去。

## 不适用

- 低风险的日常小选择。
- 用户明确不想展开风险分析。
- 用户已经很沮丧：反复想"怎么失败"会更沮丧，先做一小步。

## 最小流程

1. 明确目标：你想做成什么？
2. 反问：如果想让它一定失败，最可能怎么做？
3. 对照：这些失败做法里，你现在已经在做哪几条？
4. 把失败清单反过来，变成"避免清单"，挑 1—2 条先停。

## 现成话术与题目模板

- "如果你想把这件事做砸，最可能怎么做？"
- "这些失败做法里，你现在已经在做哪几条？"
- "哪 1—2 条一旦停下来，成功的可能会明显变大？"

## 示例对话

> **用户**：我想这学期把统计学学好。
>
> **AI**：反过来想：如果你想保证这学期统计学挂科，最有效的做法是什么？
>
> **用户**：不去上课；只看 PPT 不做题；考前一晚突击；不懂的地方让 AI 直接给答案。
>
> **AI**：这几条里，你现在已经在做哪几条？
>
> **用户**：最后两条……
>
> **AI**：先停哪一条，你觉得效果最大？

## 常见误用

- **只列失败清单，不反过来变成行动**。
- **AI 替用户列**：用户自己说出来的失败做法，才会让他对号入座。
- **把它当成悲观**：它是为了看清该避开什么，不是预言会失败。

## 退出条件

- 用户写出了"避免清单"，选定了先停的 1—2 条。

## 依据

- Munger, C. T. (1986). 在洛杉矶 Harvard School 的毕业演讲（常称"如何保证过上痛苦的生活"）。芒格说数学家雅可比常重复一句话："反过来，总是反过来。"（Invert, always invert.）并用"怎样保证痛苦"倒推怎样过好。**原文核验**（讲稿全文）。
- 本页是一个思考习惯，没有专门检验它的实验。**方法论。**
<<<文件结束 references/extra/inversion.md>>>

<<<文件开始 references/extra/leverage-points.md>>>
# 杠杆点：在系统的哪里用力最有效

> 次要页：用于系统性问题，不用于"学完检验"。

## 是什么

系统科学家德内拉·梅多斯列过 12 个可以干预系统的地方，从效果最弱排到最强。她有两个最重要的提醒：
1. **大家最常动的地方，往往是最弱的杠杆。** 调数字、调参数（多给点钱、多定个指标）最容易，也最常见，但很少改变系统的行为。
2. **杠杆点常常反直觉。** 人们凭直觉找到了杠杆点，却经常往错的方向推。

她的清单（12 最弱 → 1 最强）：

| 序号 | 干预点 | 学习上的例子 |
|---|---|---|
| 12 | 常数、参数、数字 | 把每天学习时间从 1 小时调到 2 小时 |
| 11 | 缓冲（存量相对流量的大小） | 留出复习的余量时间 |
| 10 | 存量和流量的实体结构 | 书桌、设备、课表这些硬条件 |
| 9 | 延迟的长短（相对系统变化速度） | 学完多久才知道自己会没会 |
| 8 | 负反馈回路的强度 | 每次考完马上对答案、纠错 |
| 7 | 正反馈回路的增益 | 越会越想学的良性循环 |
| 6 | 信息流的结构（谁能拿到什么信息） | 能不能看到自己的错题和真实水平 |
| 5 | 系统的规则（激励、惩罚、约束） | 考核看"练习分"还是"闭卷分" |
| 4 | 增加、改变、自组织系统结构的能力 | 自己能调整学习方法 |
| 3 | 系统的目标 | 目标是"看完"还是"会用" |
| 2 | 系统背后的思维范式 | "看懂了就是学会了"这个默认想法 |
| 1 | 超越范式的能力 | 能意识到任何一种看法都只是看法 |

右栏的学习例子是本页加的示意，不是梅多斯原文。

## 什么时候用

- 很努力，结果提升却很小。
- 想找"改一点、影响大"的切入点。
- 一直在调数字（时间、次数），效果不明显。

## 不适用

- 目标很小，直接做就能完成。
- 用户想要的是今天就能做的动作：先给动作，杠杆点分析留给复盘。

## 最小流程

1. 先说出用户一直在动的是哪一层（多半是第 12 层：时间、次数、数量）。
2. 往上看：信息流（第 6 层）、规则（第 5 层）、目标（第 3 层）、范式（第 2 层），有没有可以动的？
3. 对选中的点，追问一句："你确定该往这个方向推吗？推反了会怎样？"
4. 选 1—2 个点，定一个动作。

## 现成话术与题目模板

- "你一直在调的，是不是数字（时间、次数）？"
- "如果把目标从 ___ 换成 ___，你的做法会变吗？"
- "你现在能看到自己真实的水平吗？看不到的话，怎么让它看得到？"
- "你心里默认的'学会'是什么意思？"
- "往这个方向推，有没有可能推反了？"

## 示例对话

> **用户**：我每天学习时间从 1 小时加到 3 小时了，成绩还是不行。
>
> **AI**：你一直在调的是时间，这是最弱的一层。往上看看：你学完以后，能看到自己真实的水平吗？
>
> **用户**：看不到，就是看完了就觉得会了。
>
> **AI**：那你心里默认的"学会"是什么？
>
> **用户**：看懂了。
>
> **AI**：如果把"学会"改成"合上书能答出来"，你每天这 3 小时会怎么用？

## 常见误用

- **只做"影响度 × 可控性"打分**：丢掉了梅多斯最核心的两点（越往上越强；常被往反方向推）。
- **只在第 12 层用力**。
- **把清单当成严格的公式**：梅多斯自己说这个排序是初步的、需要修订。
- **AI 替用户选杠杆点**：要用户自己找到。

## 退出条件

- 用户找到了一个比"调数字"更高层的干预点，定了动作，并检查过方向。

## 依据

- Meadows, D. H. (1999). *Leverage points: Places to intervene in a system*. The Sustainability Institute.（全文见 donellameadows.org）
  12 个干预点的清单和顺序按原文。原文转述系统动力学家福里斯特的话：人们往往能凭直觉找到杠杆点，却拼命往错的方向推。改变范式虽然难，但"不需要花钱、不需要花很长时间"；比它更高的一层，是意识到没有哪个范式是"真理"。作者自己说这份清单是初步的，顺序也不是固定的，每一项都有例外。**全文核验。**
- 表格右栏的学习例子是本页加的示意。**方法论。**
<<<文件结束 references/extra/leverage-points.md>>>

<<<文件开始 references/extra/mece.md>>>
# MECE 拆解：不重叠、不遗漏

> 次要页：用于拆问题和做计划，不用于"学完检验"。

## 是什么

把一个大问题拆成几块时，要求各块之间**不重叠**（相互独立），合起来**不遗漏**（完全穷尽）。这个原则在麦肯锡的咨询写作里很常用，芭芭拉·明托在《金字塔原理》里系统讲过。

## 什么时候用

- 问题糊成一团，不知道从哪下手。
- 要做计划、分任务，怕漏掉某一块。
- 想检查一个分类或一个清单有没有毛病。

## 不适用

- 问题本身已经很单一、边界清楚。
- 真实世界里很多东西天然有重叠，硬拆成完全不重叠反而失真：能做到"大致不重叠、主要部分不遗漏"就够用。

## 最小流程

1. 先定按什么拆：按流程（先后步骤）、按对象（谁）、按组成（由什么构成）、按对立面（是/否）。
2. 拆成几块，检查两件事：有没有两块说的是同一件事？合起来有没有漏掉的？
3. 对每一块定下一步。

## 现成话术与题目模板

- "你打算按什么来拆？按步骤、按人，还是按组成部分？"
- "这几块之间有重叠吗？"
- "合在一起，还漏了哪一块？"
- "每一块的下一步是什么？"

## 示例对话

> **用户**：我想提高英语，但不知道从哪开始。
>
> **AI**：你打算按什么来拆"英语"？
>
> **用户**：听、说、读、写。
>
> **AI**：这四块有重叠吗？合起来漏了什么吗？
>
> **用户**：好像还有单词和语法，但它们在四块里都有……
>
> **AI**：对，单词和语法是另一种拆法（按组成）。你这次想按"能力"拆还是按"组成"拆？选一种，别混着。

## 常见误用

- **混用两种拆法**：一部分按步骤、一部分按对象，必然重叠。
- **为了穷尽拆得太细**：拆到二十块，没法行动。
- **AI 替用户拆**：拆法要用户自己选。

## 退出条件

- 用户写出了一组大致不重叠、不遗漏的子项，每项有下一步。

## 依据

- Minto, B. (1987). *The pyramid principle: Logic in writing and thinking*. Pitman.（1978 年自行出版，2009 年修订版）
  明托在麦肯锡工作期间（1963—1973 年）提出 MECE 这个缩写，并用它来组织观点；她在采访中说，"互斥穷尽"的思想本身可以追到亚里士多德。**方法论**；归属来自她本人的访谈原文，书本身未读。
<<<文件结束 references/extra/mece.md>>>

<<<文件开始 references/extra/ooda-loop.md>>>
# OODA 循环：观察、判断、决定、行动，再观察

> 次要页：用于情况变化快时的行动调整，不用于"学完检验"。

## 是什么

美国空军飞行员、军事理论家约翰·博伊德提出的循环：观察（Observe）→ 判断（Orient）→ 决定（Decide）→ 行动（Act），做完马上回到观察。

他强调的重点在"判断"这一步：同样的信息，你用什么经验和框架去解释，决定了你看到什么。情况变化快时，谁能更快、更准地走完这一圈，谁就占主动。

## 什么时候用

- 环境变化快，计划需要边做边改。
- 行动中需要"做一点 → 看结果 → 再调整"的闭环。
- 用户在一件事上反复试，却不知道每次该看什么。

## 不适用

- 静态问题，一次决定就能做完。
- 结果要很久才能看到的事：转不起来圈，用二阶思考或事前验尸更合适。

## 最小流程

1. **观察**：最新发生了什么？只列事实。
2. **判断**：这些事实说明了什么？我原来的看法要不要改？
3. **决定**：这一轮做哪个最小的动作？
4. **行动**：做，然后定好下一轮要看哪个信号。

## 现成话术与题目模板

- "最近的变化里，哪一条最影响你的判断？"
- "这件事你原来是怎么看的？新的情况让你的看法变了吗？"
- "这一轮你准备做的最小动作是什么？"
- "做完以后，你看哪个信号来决定下一步？"

## 示例对话

> **用户**：我在学做饭，每次照菜谱做都不好吃，不知道哪里错了。
>
> **AI**：上一次做完，你观察到了什么？只说事实。
>
> **用户**：太咸，菜也软了。
>
> **AI**：这两点说明什么？
>
> **用户**：盐放早了？炒太久了？
>
> **AI**：这一轮你只改一个，改哪个？
>
> **用户**：盐最后放。
>
> **AI**：好。做完看哪个信号？
>
> **用户**：还咸不咸。

## 常见误用

- **只求快**：把 OODA 理解成"越快越好"，跳过了"判断"。
- **一轮改太多**：同时改三样，看不出是哪一样起了作用。
- **AI 替用户观察和判断**：用户自己说出事实和判断，AI 只追问。

## 退出条件

- 用户定好了这一轮的最小动作和下一轮要看的信号。

## 依据

- Boyd, J. R. (1986). *Patterns of conflict*（简报幻灯片）；Boyd, J. R. (1995). *The essence of winning and losing*（简报）。合集：Boyd, J. R. (2018). *A discourse on winning and losing* (G. T. Hammond, Ed.). Air University Press.
  OODA 最早以"观察—判断—决定—行动时间循环"的形式出现在《Patterns of Conflict》里，带反馈和"判断"层细节的完整图在 1995 年的简报里。**方法论**；原件未读，出处转述自二手资料，各版本日期说法不一。
<<<文件结束 references/extra/ooda-loop.md>>>

<<<文件开始 references/extra/opportunity-cost.md>>>
# 机会成本：选了这个，放弃了什么

> 次要页：用于做决定，不用于"学完检验"。

## 是什么

选一样东西的真正代价，是你因此放弃的、下一个最好的选择。钱、时间、精力都一样。

人做决定时常常只看眼前这个选项值不值，忘了问"这些钱和时间如果不花在这，能拿去做什么"。研究发现，只要提醒一句"不买的话这笔钱还能干别的"，人的选择就会变；后来的元分析确认这个效应存在，但比最初报告的小。

## 什么时候用

- 多个方案取舍，难比较。
- 资源有限（时间、钱、精力），想避免"什么都做"。
- 用户只在问"这个值不值"，没提别的选项。

## 不适用

- 几乎零成本、可以同时做的选择。
- 用户已经比较过、只是需要下决心：这时帮他定一个最小的第一步。

## 最小流程

1. 列出候选方案 A、B、C。如果用户只说了一个，问他："不做这个的话，这些时间/钱会拿去干什么？"
2. 写清每个选择放弃了什么。
3. 按用户自己的目标排个先后，做取舍。

## 现成话术与题目模板

- "选 `A`，你最主要会失去什么？"
- "如果不做这个，这周多出来的 5 个小时你会拿去做什么？"
- "放弃的这几样里，哪一样代价最大？"
- "过半年回头看，哪个选择你更可能后悔？"

## 示例对话

> **用户**：我想报一个 3000 块的周末写作课。
>
> **AI**：如果不报，这 3000 块和接下来八个周末，你会拿去干什么？
>
> **用户**：钱可能存着。周末……大概就是休息、偶尔自己写点东西。
>
> **AI**：那你其实在比的是"上课"和"自己写+休息"。上课能给你、自己写给不了的是什么？
>
> **用户**：有人改我的稿子。
>
> **AI**：这一样值不值 3000 块和八个周末，你怎么看？

## 常见误用

- **只比较价格，不比较时间和精力**。
- **把沉没成本算进来**："已经花了那么多，不能放弃"。已经花掉的，不管选哪个都回不来。
- **AI 替用户做选择**：AI 只帮他把放弃的东西摆出来。

## 退出条件

- 用户写清了每个选项放弃了什么，并做出选择或决定先不选。

## 依据

- Frederick, S., Novemsky, N., Wang, J., Dhar, R., & Nowlis, S. (2009). Opportunity cost neglect. *Journal of Consumer Research, 36*(4), 553–561. https://doi.org/10.1086/599764
  实验。人做购买决定时，往往不会自己想到"这笔钱还能干什么"；只要提醒一句，购买率就下降，便宜选项更受欢迎。**只读到摘要。**
- Maguire, A., Persson, E., & Tinghög, G. (2023). Opportunity cost neglect: A meta-analysis. *Journal of the Economic Science Association, 9*(2), 176–192. https://doi.org/10.1007/s40881-023-00134-6
  元分析，39 个实验、1 万 4 千多人。"提醒机会成本会改变选择"这个效应是稳的，但比原研究报告的小得多（d = 0.22）。**只读到摘要。**
<<<文件结束 references/extra/opportunity-cost.md>>>

<<<文件开始 references/extra/pre-mortem.md>>>
# 事前验尸（Pre-mortem）：假设它已经失败了

> 次要页：用于做决定和定计划，不用于"学完检验"。

## 是什么

计划定下来、还没开始做之前，先假设"时间到了，这件事已经彻底失败了"，然后倒着想：最可能是因为什么失败的？

和"想想有什么风险"的区别在于：直接问"可能有什么风险"，人容易敷衍；先假定"已经失败了"，再找原因，想出来的理由会更多、更具体。

## 什么时候用

- 项目或决定风险高，想提前避坑。
- 方案看起来太顺，担心有盲点。
- 团队里大家都同意，没人敢唱反调。
- 学习计划总是半途而废，想先找出会让它失败的原因。

## 不适用

- 成本很低、可以马上试错的事：试一下比想更快。
- 用户已经很焦虑，再想"怎么失败"只会更焦虑：先做最小的一步。

## 最小流程

1. 定一个时间点：到那天应该能看出成败（几周或几个月后，按事情本身定，不必固定 6 个月）。
2. 假设："到那天，这件事彻底失败了。"
3. 让用户写出失败的原因，越具体越好，先不评价。
4. 挑出最可能、影响最大的 1—3 条。
5. 每条配一个现在就能做的预防动作。

## 现成话术与题目模板

- "假设到 _月_日，这件事彻底失败了。最可能是因为什么？"
- "还有呢？再想两个不那么明显的原因。"
- "这几条里，哪一条最可能发生？哪一条一旦发生最糟？"
- "针对这一条，今天就能做的一件事是什么？"

## 示例对话

> **用户**：我打算每天早上六点起来学一小时英语，坚持三个月。
>
> **AI**：假设三个月后，这个计划彻底失败了。最可能是因为什么？
>
> **用户**：起不来。
>
> **AI**：还有呢？再想两个。
>
> **用户**：加班到很晚；学着学着觉得没进步，就不想学了。
>
> **AI**：这三条里，哪一条最可能先发生？
>
> **用户**：加班。
>
> **AI**：针对加班，今天就能定下来的一件事是什么？
>
> **用户**：加班第二天就不早起，改成午休学 20 分钟。

## 常见误用

- **把"想出的理由更多"说成"预测更准"**：研究测的是想出的理由数量，没有测这些理由准不准。
- **只列原因，不配动作**：列完就结束，计划一点没变。
- **AI 替用户列失败原因**：用户自己想出来的，才是他会去防的。
- **用在小事上**：每件小事都做事前验尸，反而拖住了行动。

## 退出条件

- 用户写出了最关键的 1—3 个失败原因，每个都有一个现在就能做的预防动作。

## 依据

- Klein, G. (2007). Performing a project premortem. *Harvard Business Review, 85*(9), 18–19.
  方法出处：团队假设项目"刚刚失败了"，各自写下失败原因，让有顾虑的人在计划阶段敢说出来。**方法论**；只读到 HBR 页面的引言部分。
- Mitchell, D. J., Russo, J. E., & Pennington, N. (1989). Back to the future: Temporal perspective in the explanation of events. *Journal of Behavioral Decision Making, 2*(1), 25–38. https://doi.org/10.1002/bdm.3960020103
  实验。把一件事说成"已经确定发生了"，人给出的解释更长、理由更具体。摘要里没有"30%"这个数字；网上常见的"预检验让找出原因的能力提高 30%"出自 Klein 的转述，而原研究没有测这些理由准不准。所以本页只说"想出的理由更多、更具体"，不说"更准"。**只读到摘要。**
- "6 个月后"不是方法要求，时间点按事情本身定。**方法论。**
<<<文件结束 references/extra/pre-mortem.md>>>

<<<文件开始 references/extra/second-order-thinking.md>>>
# 二阶思考：然后呢？再然后呢？

> 次要页：用于做决定，不用于"学完检验"。

## 是什么

做一个选择时，不只看它马上带来什么（一阶结果），还追问这个结果接着会引发什么（二阶结果），再往下一步。很多选择短期好、长期坏，或者反过来，只看第一步就会选错。

注意别和另一个说法混：投资人霍华德·马克斯讲的 "second-level thinking"（第二层思维），说的是"比大多数人想得更深、和共识不一样"，不是推演后果链，是另一回事。

## 什么时候用

- 重大选择前，担心"短期好、长期坏"。
- 评估一个建议的中长期连锁影响。
- 复盘时找"后果的后果"。

## 不适用

- 一次性、影响很小的事。
- 决定窗口极短，没时间多轮推演：先做可逆的那个选择。
- 推演得越远越不确定。推到第三步以后，多半已经是猜测，不要当成预测。

## 最小流程

1. 写出一阶结果：选了它，马上会发生什么？
2. 追问二阶结果：这个结果接下来会引发什么？对谁？一周后、三个月后呢？
3. 对比短期收益和长期代价，做取舍。
4. 找一个"短期更难、长期更好"的替代方案，放在一起比较。

## 现成话术与题目模板

- "如果你现在选 `A`，一周后会怎样？三个月后呢？"
- "这个直接好处，会不会带来一个隐藏的代价？"
- "这件事除了你，还会影响谁？他们会怎么反应？"
- "有没有一个短期更难、但长期更好的做法？"

## 示例对话

> **用户**：我想把每天背单词的任务交给 AI，让它每天给我一份总结，我看看就好。
>
> **AI**：一阶结果是什么？
>
> **用户**：每天省半小时。
>
> **AI**：然后呢？一个月以后，你的单词量会怎样？
>
> **用户**：可能……看了很多，但考试时想不起来？
>
> **AI**：再然后呢？
>
> **用户**：考试前得重新背，反而更花时间。
>
> **AI**：那有没有一个短期多花一点力气、长期更省的做法？你自己想一个。

## 常见误用

- **把推演当预测**：第三步、第四步的后果写得很肯定。
- **只推坏的后果**：二阶结果也可能是好的。
- **AI 替用户推演**：用户只是看 AI 列的后果链。要让用户自己说"然后呢"。
- **把马克斯的"第二层思维"当成这个方法的出处**。

## 退出条件

- 用户自己写出了一阶、二阶结果，并做了取舍。
- 用户说"先记下来"。

## 依据

- Hardin, G. (1985). *Filters against folly: How to survive despite economists, ecologists, and the merely eloquent*. Viking.
  书里提出三道"过滤器"：识字（literacy）、识数（numeracy）、生态思维（ecolacy）。生态思维要问的就是"然后呢？"（And then what?），即后果的后果；Hardin 还说"我们永远不可能只做一件事"。**方法论**；书目已核，"And then what?"的原文页码未核，转述自书评。
- 区分：Marks, H. (2011). *The most important thing: Uncommon sense for the thoughtful investor*. Columbia Business School Publishing. 第 1 章的 second-level thinking 指"和市场共识想得不同、而且更对"，是投资语境，不是后果链。**全文核验**（作者 2015 年备忘录《It's Not Easy》逐字收录了这一章）。
<<<文件结束 references/extra/second-order-thinking.md>>>

<<<文件开始 references/feedback-and-hints.md>>>
# 提示梯和反馈：让 AI 考你，又不把答案漏给你

## 是什么

两件事：
- **提示梯**：用户答不出时，AI 不直接给答案，而是一级一级往下给线索，每次只给一点，给到用户自己能接上为止。
- **反馈**：用户答完以后，AI 判对错、给正确答案和理由、指出漏了什么。

普通的 AI 默认是"有问必答"，用户一说"不知道"就把完整答案端出来。这对学习最不利：答案一出来，用户就不用再想了。研究里，直接给答案的 AI 让学生练习时分数很好看，撤掉 AI 后的闭卷考试反而更差；只给提示、不给答案的 AI 就没有这个问题。

## 什么时候用

- 每一道题都用：用户答不出时走提示梯，答完以后给反馈。
- 用户说"直接告诉我答案"时。
- 用户连续答不出、开始沮丧时（这时提示梯要转成降级）。

## 不适用

- 用户已经答对、把握也高：反馈一两句确认就行，不用展开讲。
- 预测试（用户还没学过就先猜）：猜完直接给第 4 级完整答案，不走提示梯，见 `pretesting-and-generation.md`。

## 最小流程

**用户答不出时：提示梯，一次只升一级**

| 级别 | 给什么 | 要点 |
|---|---|---|
| 1 | 缩小范围 | 指出方向，不给内容。"它和你刚才说的 ___ 有关。" |
| 2 | 给线索或 2—3 个选项 | 选项要像样，干扰项是常见的错法，不是一眼就能排除的。选完问"为什么选它"。 |
| 3 | 给第一步或前半句 | "开头是这样：___，你接着往下说。" |
| 4 | 完整答案、理由、原文位置 | 给完记进错题单，本轮末尾换个说法再考。 |

- 每升一级都要等用户再试一次。
- 一题最多给到第 3 级还答不出，就直接给第 4 级，换下一题，不要在一题上耗太久。
- 用户说"直接告诉我"：先请他猜一个（"猜错也比直接看记得牢"）；他不想猜，就给第 4 级。不纠缠，不说教。

**用户答完后：反馈**

1. 判定：答对 / 部分对 / 答错 / 没答出。
2. 先说对在哪，具体到哪一句。
3. 给正确答案和理由。理由要讲"为什么"，不是把答案重复一遍。
4. 指出漏了哪一块，或者错在哪一步。
5. 说出原文依据在哪。
6. 特殊情况：
   - **把握 4—5 分却答错**：标"【重点】"，多讲一句为什么这里容易想错。
   - **把握 1—2 分却答对**：把理由讲一遍。蒙对的和真会的，下次表现不一样。
   - **答错**：记进错题单，本轮末尾换场景重考。

**连续 3 题答不出：降级**

困难已经超出用户能应对的范围，再考只会挫败。三选一，问用户想要哪个：
- 给一个完整的例子，从头讲到尾，讲完再出一道很像的题。
- 请用户回去重读那一节，读完回来接着考。
- 换成更小、更具体的题（把一道应用题拆成两三道理解题）。

## 现成话术与题目模板

答不出时：
- 第 1 级："不急，提示一下：想想它跟'___'有什么关系。"
- 第 2 级："给你三个选项，选一个，再说说为什么：A. ___ B. ___ C. ___"
- 第 3 级："开头我替你起了：'___'。你接着往下说。"
- 第 4 级："答案是 ___。原因是 ___。原文在第 _ 段。这题我记进错题单，最后换个说法再考你。"

用户要答案时：
- "先猜一个吧，哪怕猜错，接着看答案也会记得更牢。猜完我马上告诉你。"

反馈：
- 部分对："你说对了 ___ 这一块。漏了一个关键：___。完整的说法是 ___，因为 ___。"
- 高把握答错："这题你打了 5 分，但答错了，值得停一下。【重点】你的想法是 ___，问题出在 ___。正确的是 ___。很多人都会这么想，因为 ___。"
- 低把握答对："答对了。你只打了 2 分，我把理由说一下：___。下次遇到你就有底了。"
- AI 没把握："这一点我不确定原文是怎么说的，请你翻一下第 _ 段核对，以原文为准。"

降级：
- "连着三题都卡住了，说明这一块还没进去，这很正常。我们换个方式：我先给你讲一个完整的例子，讲完你再试一道很像的，好吗？"

## 示例对话

> **AI**：第 4 题：你学完一节课，马上问自己"会了吗"，觉得会了。按这篇文章，这个判断准不准？为什么？先写把握分。
>
> **用户**：把握 1。不知道。
>
> **AI**：不急，提示一下：想想"刚学完"的时候，答案在不在你眼前。
>
> **用户**：在……所以觉得会？但我还是说不出为什么不准。
>
> **AI**：你已经接近了。开头我替你起：答案还在眼前的时候，人分不清"我现在看得懂"和"……"。你接着往下说。
>
> **用户**：和"以后没有提示时我能不能想起来"！所以刚学完判断不准。
>
> **AI**：对。你自己接上了，这一步比我直接告诉你有用。补一句文章里的做法：隔一段时间、只看问题不看答案，试着答一次，再判断自己会不会，这样准得多。这题把握低但答对了，下次复考时我会再问一次。

## 常见误用

- **一上来就给完整解析**：用户刚说"不知道"，AI 就把答案、理由、延伸全写出来。
- **只说"不对，再想想"**：不给方向，用户只能瞎猜，猜几次就放弃。
- **提示太多**：第 1 级就把关键词说了，等于给了答案。
- **反馈太长**：每题后面讲一大段，用户读着读着又变成了被动看总结。3—6 句够了。
- **按 AI 的常识判卷**：用户答的和 AI 知道的不一样，但和材料一致，却被判错。判卷以材料为准；AI 认为材料有错时，指出来让用户核对。
- **编答案**：AI 对某个事实没把握，还是给了一个确定的答案。没把握要直说。
- **用户沮丧时继续加难度**：先降级，再说。

## 退出条件

- 每道题都给过反馈；答错的都进了错题单。
- 用户选择了降级方式，或者说"先到这"。

## 依据

- Pashler, H., Cepeda, N. J., Wixted, J. T., & Rohrer, D. (2005). When does feedback facilitate learning of words? *Journal of Experimental Psychology: Learning, Memory, and Cognition, 31*(1), 3–8. https://doi.org/10.1037/0278-7393.31.1.3
  实验，258 名在线被试学 20 个外语词对，一周后测验。第一轮答错的题，看到正确答案的那组一周后成绩约为无反馈组的 6 倍（相对增幅，基数很低）；只被告知"对/错"的，和完全没有反馈差不多。答对的题，有没有反馈差别不大。**全文核验。**
- Butler, A. C., Karpicke, J. D., & Roediger, H. L., III. (2008). Correcting a metacognitive error: Feedback increases retention of low-confidence correct responses. *Journal of Experimental Psychology: Learning, Memory, and Cognition, 34*(4), 918–928. https://doi.org/10.1037/0278-7393.34.4.918
  实验，常识选择题，作答后报把握。反馈对"答对但没把握"的题帮助尤其大。和 Pashler 的结果不完全一致（材料和题型不同，选择题更容易蒙对），所以这里只说"没把握的题也值得对一遍答案"。**只读到摘要。**
- Butterfield, B., & Metcalfe, J. (2001). Errors committed with high confidence are hypercorrected. *Journal of Experimental Psychology: Learning, Memory, and Cognition, 27*(6), 1491–1494. https://doi.org/10.1037/0278-7393.27.6.1491
  实验，常识题，作答后报把握，再看正确答案，之后重测。很有把握却答错的题，看过答案后反而更容易改过来，叫"超纠正效应"。**原文未读**，转述自后来的论文和 Bjork、Dunlosky & Kornell (2013) 综述；样本量和重测间隔未核。
- Butler, A. C., Fazio, L. K., & Marsh, E. J. (2011). The hypercorrection effect persists over a week, but high-confidence errors return. *Psychonomic Bulletin & Review, 18*(6), 1238–1244. https://doi.org/10.3758/s13423-011-0173-y
  实验，科学常识题。隔一周后超纠正效应还在，但整体纠正率下降；没被纠正过来的错误里，原来把握高的更容易"复发"。所以高把握答错的题，下次复考一定要再考。**只读到摘要。**
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. *Proceedings of the National Academy of Sciences, 122*(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
  按班随机的实地实验，土耳其一所高中近千名学生，四次数学课。能直接要答案的 GPT-4 助手：练习时得分比对照组高 48%，随后不许用 AI 的闭卷考试低 17%。只给提示、提示词里放了老师的正确解法和常见错误的版本：练习高 127%，考试和对照组没有显著差别（不伤学习，也没带来提升）。限制：一所学校、一门课、2023 年的 GPT-4。**全文核验。**
- Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. *Scientific Reports, 15*, 17458. https://doi.org/10.1038/s41598-025-97652-6
  随机交叉实验，哈佛大学一门物理入门课，194 名学生，两周、两个主题，学生第一次接触这些内容。AI 家教（GPT-4）按七条教学原则写提示词，平台按题目一小步一小步引导，准确性靠老师预先写好的分步答案；学完后的即时测验，AI 组成绩高于课堂主动学习组。限制：只有即时测验，没有延迟测验；一门课、两节内容；正文没有说明它是否刻意不给答案（完整提示词在补充材料里，未读）。这里只用它说明"按教学原则设计、一步一步引导"的 AI 可以有效，不用它证明"不给答案"。**全文核验**（正文）。
- "让 AI 出题考你"本身的证据：截至 2026 年，把"AI 出题让学生答"和"AI 讲给学生看"直接对比、又做了延迟测验的随机实验还很少见。本 Skill 的做法主要依靠提取练习、预测试和反馈这几类研究，而不是 AI 研究本身。**方法论推论。**
- 选项当提示用：Little, J. L., Bjork, E. L., Bjork, R. A., & Angello, G. (2012). Multiple-choice tests exonerated, at least of some charges: Fostering test-induced learning and avoiding test-induced forgetting. *Psychological Science, 23*(11), 1337–1344. https://doi.org/10.1177/0956797612443370
  实验。干扰项设计得像样（都说得通）时，做选择题也会让人想到相关知识，不只是认答案。所以选项可以作为提示的一级，但干扰项要像样。**只读到摘要。**
- 降级给例子：见 `pretesting-and-generation.md` 里的"新手先看样例"。
<<<文件结束 references/feedback-and-hints.md>>>

<<<文件开始 references/interleaving.md>>>
# 交错练习和辨析题：考"这里该用哪个"

## 是什么

**交错练习**：把几类容易混的题打乱了练（ABCBACCA），而不是一类练完再练下一类（AAABBBCCC）。
**辨析题**：把两个容易混的概念放在一道题里，让人判断"这里该用哪个、为什么不是另一个"。

连着练同一类题时，你不用判断该用什么方法，因为前一题刚用过。练的时候很顺，分数很高；但真正考试、真正用的时候，题目不会告诉你它属于哪一类。交错练习逼你每一题先认出"这是哪一类"，这一步正是连着练时被省掉的。

所以它特别适合这种情况：**看了答案觉得"对啊我知道"，自己却想不到要用它。** 缺的不是"知道"，是"认得出"。

## 什么时候用

- 一章里有好几个相似的概念、公式、方法，用户老搞混。
- 用户单独考每个概念都会，混在一起就错。
- 用户说"看答案都懂，自己想不到"。
- 学完好几节以后，做一次总复习。

## 不适用

- 几个概念彼此差别很大，根本不会混：交错的好处很小，连着练就行。
- 背单词、背词对这类材料：研究里交错反而不如连着练。
- 用户连单个概念都还没弄懂：先把每个概念单独考过一遍，再混起来。

关键看一点：**这几样东西像不像。** 越像、越容易混，交错越有用。

## 最小流程

1. **找容易混的一组**：从材料里挑 2—4 个相似的概念或方法。问用户："这几个里你最容易搞混哪两个？"
2. **先单独考一遍**：每个概念考一道，确认单个是会的。
3. **混在一起出题**：打乱顺序，题干里不提示是哪一类。
4. **出辨析题**：直接问"这里该用 A 还是 B，为什么不是另一个"。
5. **反馈时讲判断依据**：不光说答案，要说"看到题里的哪个特征，就该想到 A"。
6. **让用户自己总结判断依据**：最后请他用自己的话说"怎么一眼分出 A 和 B"。

## 现成话术与题目模板

- 辨析："`A` 和 `B` 都是 ___，它们最大的区别在哪？"
- 判断："下面这个情况，该用 `A` 还是 `B`？为什么不是另一个？（描述一个新情境）"
- 找特征："看到题目里出现什么，你就知道该用 `A`？"
- 改一个条件："如果把刚才那题里的 ___ 改成 ___，答案会变吗？"
- 混合题：连续出 4—6 道，覆盖 2—3 个概念，顺序打乱，不告诉用户每题考的是哪个。
- 最后："用你自己的话说说，怎么一眼分出 `A` 和 `B`？"

## 示例对话

用户学了"重读""提取练习""间隔复习"三种做法。

> **AI**：第 5 题：小王每天晚上把当天的课堂笔记从头看一遍，坚持了一个月。他用的是三种做法里的哪一种？效果会怎样？先写把握分。
>
> **用户**：把握 4。间隔复习，因为他每天都看，隔开了。
>
> **AI**：部分对。时间上确实是隔开的，但他每次做的是"看一遍"，这是重读，不是自己想出来。所以他是"隔开了的重读"，不是你学的那种"隔开了再考自己"。
> 判断的关键：先看他每次**做的是什么**（看，还是自己答），再看**什么时候做**。
> 你会怎么改他的做法？
>
> **用户**：每天晚上先合上笔记，自己写出今天讲了什么，再翻笔记对。
>
> **AI**：对，这样两样都有了。

## 常见误用

- **对不相似的东西也硬交错**：把"历史年代"和"数学公式"混在一起练，没有辨析的价值。
- **题干里写明是哪一类**："下面用间隔复习的原理分析……"等于告诉了答案。
- **只给答案不讲判断依据**：用户下次还是认不出。
- **因为练的时候错得多就放弃**：交错时错得多、感觉更差是正常的，这正是它起作用的地方。实验里多数人也觉得连着练更好，结果正好相反。

## 退出条件

- 用户在混合题里能稳定分出该用哪个。
- 用户能用自己的话说出区分的依据。

## 依据

- Rohrer, D., & Taylor, K. (2007). The shuffling of mathematics problems improves learning. *Instructional Science, 35*(6), 481–498. https://doi.org/10.1007/s11251-007-9015-8
  实验，18 名大学生学四种冷门几何体的体积公式。练习时连着练的组正确率 89%，交错组 60%；一周后用新题、无反馈测验，交错组 63%，连着练的组 20%。限制：样本很小；练习分和一周后的测验分是两种测法。**全文核验。**
- Rohrer, D., Dedrick, R. F., & Stershic, S. (2015). Interleaved practice improves mathematics learning. *Journal of Educational Psychology, 107*(3), 900–908. https://doi.org/10.1037/edu0000001
  课堂实验，126 名七年级学生，三个月里做同样的题，只改排列方式。交错组在 1 天后和 30 天后的突击测验里都更好。**作者公开稿全文。**
- Kornell, N., & Bjork, R. A. (2008). Learning concepts and categories: Is spacing the "enemy of induction"? *Psychological Science, 19*(6), 585–592. https://doi.org/10.1111/j.1467-9280.2008.02127.x
  实验，学 12 位画家的风格，测验看这些画家没见过的新作品。交错看 .61，连着看 .35；但考完以后多数人仍认为连着看一样好或更好。**全文核验。**
- Brunmair, M., & Richter, T. (2019). Similarity matters: A meta-analysis of interleaved learning and its moderators. *Psychological Bulletin, 145*(11), 1029–1052. https://doi.org/10.1037/bul0000209
  元分析，59 项研究、238 个效应量，都是"学会分类"的任务。交错总体有中等好处（g = 0.42）；看画辨风格最大（0.67），数学题较小（0.34），背单词反而是连着练更好（−0.39）；说明文效果不明确。类别之间越像、同一类内部越不像、材料越复杂，交错的好处越大。**只读到摘要。**
- Carvalho, P. F., & Goldstone, R. L. (2014). Putting category learning in order: Category structure and temporal arrangement affect the benefit of interleaved over blocked study. *Memory & Cognition, 42*(3), 481–495. https://doi.org/10.3758/s13421-013-0371-0
  3 个实验，学新类别后对新例子做判断。类别之间很像时交错更好，类别之间差别大时连着学更好。作者的解释：交错突出"不同类之间哪里不一样"，连着学突出"同一类有什么共同点"。**只读到摘要。**
- Dunlosky 等 (2013) 把交错评为"中等效用"：数学上效果强，但研究数量少，也有不少没效果的结果。**全文核验。**
<<<文件结束 references/interleaving.md>>>

<<<文件开始 references/model-library.md>>>
# 方法总览：触发词、核心问题和出处

用途：快速查"用户这么说，该用哪一页"。每页的完整做法、话术、示例和依据见对应文件。所有页面共用三条规矩：一次只问一个问题；用户先答，AI 后说；结论由用户自己写。

出处强度：**全文核验** = 读过原文正文；**只读到摘要**；**方法论** = 经验做法、教学框架或原典，不是实验结论。

## A. 学完检验（核心，本 Skill 的主场景）

| 方法 | 文件 | 触发词 | 核心问题 | 不适用 | 主要出处 |
|---|---|---|---|---|---|
| 提取练习 | `retrieval-practice.md` | 看过就忘、刚看完、考考我 | 合上材料，你能答出来吗？ | 完全没学过（改预测试） | Roediger & Karpicke 2006（全文）；Agarwal 等 2021（摘要） |
| 出题 | `question-design.md` | 能背不会用、换个题就不会 | 换个新场景，你还会用吗？ | 只需背一批事实 | Agarwal 2019（摘要）；Anderson & Krathwohl 2001（方法论）；Gick & Holyoak 1980（全文） |
| 提示梯和反馈 | `feedback-and-hints.md` | 不知道、直接告诉我 | 先给一点提示，你能接上吗？ | 预测试阶段 | Pashler 等 2005（全文）；Bastani 等 2025（全文） |
| 校准 | `calibration.md` | 我都懂了、不用考了 | 你觉得会，和你答得出，差多少？ | 用户不想打分 | Nelson & Dunlosky 1991；Koriat & Bjork 2005（摘要）；Rozenblit & Keil 2002（全文） |
| 间隔和连续再学习 | `spacing-and-relearning.md` | 要考试、要长期记住、多久复习 | 要记多久？下次哪天再考？ | 一次性的事 | Cepeda 等 2008；Karpicke & Roediger 2007；Rawson & Dunlosky 2011（摘要） |

## B. 学习常用

| 方法 | 文件 | 触发词 | 核心问题 | 不适用 | 主要出处 |
|---|---|---|---|---|---|
| 合上材料讲（常说的"费曼技巧"） | `explain-without-notes.md` | 好像懂了说不出来 | 不看材料，你能讲给外行听吗？ | 零散事实；完全没学过 | Koh 等 2018（摘要）；Kobayashi 2022（全文）；Chi 等 1994（摘要） |
| 追问为什么 | `elaboration.md` | 记住了结论说不出为什么 | 为什么是这样，不是那样？ | 零基础 | Pressley 等 1987（摘要）；Dunlosky 等 2013（全文） |
| 预测试和生成 | `pretesting-and-generation.md` | 还没学、先摸底、直接告诉我 | 先猜一个？ | 猜完拿不到答案 | Kornell 等 2009（全文）；Richland 等 2009（摘要） |
| 交错和辨析 | `interleaving.md` | 老搞混、看答案会自己想不到 | 这里该用哪个，为什么不是另一个？ | 彼此差别很大的内容；背单词 | Rohrer & Taylor 2007（全文）；Brunmair & Richter 2019（摘要） |
| 带着问题读（SQ3R） | `sq3r.md` | 读完就忘、怎么读 | 合上书，这一节回答了你的哪个问题？ | 很短的文字 | Robinson 1946（方法论）；McDaniel 等 2009（摘要） |

## C. 观点和论证

| 方法 | 文件 | 触发词 | 核心问题 | 不适用 | 主要出处 |
|---|---|---|---|---|---|
| 苏格拉底式追问 | `socratic-questioning.md` | 观点模糊、感觉对说不出 | 你说的 X 指什么？凭什么？ | 用户不想被追问；在倾诉 | 柏拉图对话录（原典）；Paul 等 1987（方法论） |
| 证据四问 | `evidence-grading.md` | 研究表明、靠谱吗 | 测的是什么？什么人、什么条件？ | 纯个人感受 | 方法论 |
| 论证图 | `argument-mapping.md` | 逻辑乱、观点多 | 结论、理由、证据、反驳各是什么？ | 纯叙事 | Twardy 2004（全文，前后测） |
| 钢人化 | `steelman.md` | 对立观点、怕打稻草人 | 对方最强的版本是什么？ | 有害的观点 | Dennett 2013 的"拉波波特规则"（方法论） |
| 反例 | `counterexample-thinking.md` | 说得太满 | 什么情况下它不成立？ | 统计性的说法 | Popper 1959（方法论） |

## D. 笔记整理（用户自己动手，AI 只提问）

| 方法 | 文件 | 触发词 | 核心问题 | 不适用 | 主要出处 |
|---|---|---|---|---|---|
| 原子化 | `atomicity.md` | 一条笔记太杂 | 这条只说了一件事吗？ | 草稿 | Ahrens 2017；Matuschak（方法论） |
| 卡片链接 | `zettelkasten-linking.md` | 笔记孤岛 | 它和哪条旧笔记有关？什么关系？ | 临时记录 | Luhmann 1981；Ahrens 2017（方法论） |
| 渐进式摘要 | `progressive-summarization.md` | 笔记太长翻不动 | 只留 20%，你留哪几句？ | 想检验学没学会 | Forte 2017（方法论）；划线、总结作为学习方法是低效用（Dunlosky 等 2013） |

## E. 次要页：决策、复盘、系统（`extra/`）

这些页面和"学完检验"关系不大，只在用户明确要做决定、复盘或分析一个系统时用。

| 方法 | 文件 | 触发词 | 核心问题 | 不适用 | 主要出处 |
|---|---|---|---|---|---|
| 二阶思考 | `extra/second-order-thinking.md` | 担心后患 | 然后呢？再然后呢？ | 小事 | Hardin 1985（方法论）。注意：不是 Marks 的 second-level thinking |
| 事前验尸 | `extra/pre-mortem.md` | 重大计划前 | 假设已经失败了，最可能因为什么？ | 低成本试错 | Klein 2007；Mitchell 等 1989（摘要，只说明理由更多，不说明更准） |
| 机会成本 | `extra/opportunity-cost.md` | 方案太多、值不值 | 选 A 就放弃了什么？ | 零成本选择 | Frederick 等 2009；Maguire 等 2023 元分析（摘要） |
| OODA 循环 | `extra/ooda-loop.md` | 情况变化快 | 这一轮看到了什么、做哪个最小动作？ | 静态问题 | Boyd 1986/1995（方法论） |
| 期望值 | `extra/expected-value.md` | 风险收益难权衡 | 可能性 × 后果是多少？最坏承受得起吗？ | 有承受不起的结果 | Huygens 1657、Bernoulli 1738（规范理论）；偏离见 Kahneman & Tversky 1979 |
| 第一性原理 | `extra/first-principles.md` | 被惯例卡住 | 哪些是硬约束，哪些只是惯例？ | 已有成熟解法 | 亚里士多德（原典，方法论） |
| 逆向思维 | `extra/inversion.md` | 容易踩坑 | 怎样一定会失败？ | 低风险小事 | 芒格 1986 演讲（原文） |
| 五个为什么 | `extra/five-whys.md` | 症状反复出现 | 为什么？还有别的原因吗？ | 多因问题、正在出事 | Ohno 1988（方法论）；批评见 Card 2017 |
| 因果回路 | `extra/causal-loop.md` | 问题反复回弹 | 哪些东西在转圈？ | 单一原因 | Sterman 2000；Senge 1990（方法论） |
| 冰山模型 | `extra/iceberg-model.md` | 只盯着事件 | 事件下面的模式、结构、想法是什么？ | 一次性小事 | Goodman 1997（全文，原版三层） |
| 杠杆点 | `extra/leverage-points.md` | 很努力但没效果 | 你是不是只在调数字？ | 小目标 | Meadows 1999（全文） |
| MECE 拆解 | `extra/mece.md` | 问题糊成一团 | 不重叠、不遗漏了吗？ | 已经很单一 | Minto（方法论） |
| 能力圈 | `extra/circle-of-competence.md` | 对陌生领域很有把握 | 这在你真懂的范围内吗？ | 纯探索 | Buffett 1996 致股东信（原文） |

## 常用组合

- 学完检验：`retrieval-practice` + `question-design` + `feedback-and-hints`，收口用 `calibration` 和 `spacing-and-relearning`。
- 说不清：先 `explain-without-notes`，卡在机制上再用 `elaboration`。
- 老搞混：`interleaving` 出辨析题。
- 观点争议：先 `socratic-questioning` 澄清；再二选一 `steelman` / `counterexample-thinking`；涉及研究时加 `evidence-grading`。
- 复杂决定：先 `extra/second-order-thinking`，再二选一 `extra/pre-mortem` / `extra/opportunity-cost`。
- 反复出现的问题：先 `extra/five-whys`（每层问"还有别的原因吗"），再看 `extra/causal-loop`。
<<<文件结束 references/model-library.md>>>

<<<文件开始 references/pretesting-and-generation.md>>>
# 没学先猜：预测试和生成效应

## 是什么

两个相关的发现：
- **生成效应**：自己把答案想出来（哪怕只是补全一半），比直接看现成的答案记得牢。
- **预测试**：还没学之前先试着答几道题，答不出、猜错都没关系，只要猜完马上看到正确答案，之后学同样的内容会学得更好。花同样的时间，"先猜几秒、再看答案"通常不比"一直看答案"差，很多时候更牢。

所以"没学过"不是不能考的理由，只是考法要换：不判分、不追问、猜完立刻给答案。

## 什么时候用

- 用户还没开始读，想先摸个底："我要学这一章，先考考我？"
- 启动时用户说"没看过"，或者前 2 题一点都答不出。
- 用户想带着问题去读一篇文章。
- 用户在题目面前说"我不知道，直接告诉我吧"（这时请他先猜一个）。

## 不适用

- 猜的内容和答案毫无关系（比如纯粹的编造事实、随机编号），猜不出任何联系，好处就不明显了。实验里，虚构的常识题上"先猜"没有优势（但也没吃亏）。
- 猜完拿不到正确答案：这一条不能少。没有反馈的猜测可能把错的记牢。
- 用户对猜错非常焦虑：先说清楚"这一轮不算分"，还焦虑就直接让他先读。
- 复杂、步骤多的新内容，用户又是纯新手：比起猜，先看一个完整讲透的例子更有效（见下面"新手先看样例"）。

## 最小流程

**预测试（读之前）**
1. 从材料里挑 3 个最核心的问题，最好是"为什么""会怎样"的问题，不挑冷僻细节。
2. 说清规则："这几道是读之前的热身，不算分，猜错完全没关系。"
3. 一次一题。用户猜完，**马上**给正确答案和一句理由。不走提示梯，不追问。
4. 3 道做完，请用户去读材料："读的时候留意这三道题的答案在哪。"
5. 读完回来，走正常的学完检验，这 3 道换个说法再考一次。

**先猜再看（考的过程中）**
1. 用户说"不知道"时："先猜一个，猜错也比直接看记得牢。"
2. 用户猜了，立刻给答案和理由。用户坚持不猜，就直接给，不纠缠。

**新手先看样例**（复杂的新内容）
1. 给一个完整的例子，每一步都说清楚为什么这样做。
2. 再出一道很像的题让用户自己做。
3. 用户顺了以后，慢慢减少给出的步骤，直到他能独立做完。

## 现成话术与题目模板

- "开始读之前，我先问你三个问题。不算分，猜错没关系，猜完我马上告诉你答案。"
- "你觉得 ___ 会怎样？凭直觉猜一个。"
- "为什么会 ___？随便说一个你想到的原因。"
- "猜得不对，答案是 ___，因为 ___。读的时候留意第 _ 段。"
- "这三道你都猜过了，现在去读吧，读完回来我换个问法再考你。"

## 示例对话

> **用户**：我要开始学《认知心理学》里讲记忆的一章，还没看。
>
> **AI**：先热个身：我问三个问题，不算分，猜完马上给答案。第 1 题：两组人学同一篇文章，一组读四遍，一组读一遍、剩下时间合上书往外写。一周后考，你猜哪组记得多？
>
> **用户**：读四遍的吧？
>
> **AI**：答案是读一遍、剩下时间自己往外写的那组。有实验里一周后大约 61% 对 40%。原因是自己往外想的时候在"取"，这个动作比再看一遍更能让记忆留下来。这一章讲"提取"的那一节会讲到。第 2 题……

## 常见误用

- **猜完不给答案**，或者等到最后才统一给：要每题猜完马上给。
- **把预测试当考试**：判分、追问、讲大段道理。预测试只要猜、看答案、走。
- **挑冷僻细节当预测题**：猜一个年份、人名，猜不出任何联系，没什么用。
- **对完全没基础的人连续出难题**：这时候应该给样例，不是让他一直猜。
- **用户说"直接告诉我"时反复劝他猜**：劝一次就够了。

## 退出条件

- 预测试 3 题做完，用户去读材料了。
- 用户读完回来，转入正常的学完检验。

## 依据

- Kornell, N., Hays, M. J., & Bjork, R. A. (2009). Unsuccessful retrieval attempts enhance subsequent learning. *Journal of Experimental Psychology: Learning, Memory, and Cognition, 35*(4), 989–998. https://doi.org/10.1037/a0015729
  6 个实验，大学生。同样 13 秒，先猜 8 秒（几乎都猜错）再看答案 5 秒，比一直看答案 13 秒记得牢：弱联想词对，5 分钟后 .67 对 .55；约 38 小时后 .47 对 .35。边界：用虚构的常识题时两组一样（都是 .32），先猜没优势，但也没吃亏；每次猜完都马上给了正确答案。**全文核验。**
- Richland, L. E., Kornell, N., & Kao, L. S. (2009). The pretesting effect: Do unsuccessful retrieval attempts enhance learning? *Journal of Experimental Psychology: Applied, 15*(3), 243–257. https://doi.org/10.1037/a0016496
  5 个实验，读一篇科普文章。读之前先答文中的概念题的组，后测更好；对照组即使阅读时间更长、重点被加粗，也不如先答题的组；只看预测时答错的题，结论一样。**只读到摘要**，具体百分比未核。
- Slamecka, N. J., & Graf, P. (1978). The generation effect: Delineation of a phenomenon. *Journal of Experimental Psychology: Human Learning and Memory, 4*(6), 592–604. https://doi.org/10.1037/0278-7393.4.6.592
  5 个实验。根据规则自己补出一个词，比直接读完整的词对记得牢；换不同测法都成立。**只读到摘要。**
- Bertsch, S., Pesta, B. J., Wiscott, R., & McDaniel, M. A. (2007). The generation effect: A meta-analytic review. *Memory & Cognition, 35*(2), 201–210. https://doi.org/10.3758/BF03193441
  元分析，86 项研究、445 个效应量，多数是实验室里的词语、数字材料。自己生成比直接读平均好接近半个标准差（d = 0.40），隔一天以上的测验里也在；用无意义的假词时几乎没有效果。所以"先猜"要猜有意义、和答案有关联的东西。**全文核验。**
- 新手先看样例：Sweller, J., & Cooper, G. A. (1985). The use of worked examples as a substitute for problem solving in learning algebra. *Cognition and Instruction, 2*(1), 59–89. https://doi.org/10.1207/s1532690xci0201_3 ；Kalyuga, S., Ayres, P., Chandler, P., & Sweller, J. (2003). The expertise reversal effect. *Educational Psychologist, 38*(1), 23–31. https://doi.org/10.1207/S15326985EP3801_4
  前者是 5 个实验：学代数时看完整解题样例，比自己硬解花的时间少得多，之后解同类题更快、错得更少；但好处只限于结构相同的题，迁移有限。后者是综述：对新手很有效的做法（样例、详细讲解），对已经熟练的人效果变小，甚至有害，所以随着熟练要逐步撤掉。**只读到摘要。**
- Huelser & Metcalfe (2012) 的发现（转述自 Bjork、Dunlosky & Kornell 2013 综述）：考完以后，多数人认为"直接看答案"帮助更大，和他们自己的成绩相反。这就是用户常说"直接告诉我吧"的原因。**原文未读。**
<<<文件结束 references/pretesting-and-generation.md>>>

<<<文件开始 references/progressive-summarization.md>>>
# 渐进式摘要：让以后的自己更快找到重点

> 这是一种**整理笔记、方便以后取用**的方法，不是学习方法。在本 Skill 里，每一层都由用户自己做，AI 不替用户加粗、高亮、写摘要。

## 是什么

蒂亚戈·福特提出的笔记整理法：不在第一次记笔记时就把它整理好，而是每次回头用到这条笔记时，顺手再往下"压"一层。原文的分层是：
- 第 0 层：原文全文。
- 第 1 层：第一次存进笔记软件的摘录。
- 第 2 层：把摘录里最重要的句子加粗。
- 第 3 层：在加粗的句子里再高亮最关键的。
- 第 4 层：用自己的话写几句简短的摘要。
最后，在此基础上写出自己的东西（他叫"重新组合"，原文没给它编层号）。

它解决的问题是"笔记太长，以后翻不动"，目标是让未来的自己扫一眼就知道这条笔记值不值得细看。

要清楚它的边界：加粗、高亮、写总结，作为**学习方法**都被评为低效用，划线主要帮你记住划过的那几句，帮不了理解。所以它只负责"以后找得到"，"学没学会"要靠合上笔记考自己。

## 什么时候用

- 笔记很长，回看成本高。
- 用户在为以后写作、做项目积累素材。
- 用户已经做完学完检验，想把这次的内容整理进笔记库。

## 不适用

- 用户想检验自己学没学会：转到学完检验，不要用加粗高亮代替。
- 内容很短，没必要分层。
- 用户要 AI 直接帮他提炼要点：这不是本 Skill 的做法。可以请他自己先做，AI 再提问。

## 最小流程

1. 只在**这一次真的用到**这条笔记时才往下压一层，不要一次全做完。
2. 用户自己选：这次压到第几层？
3. 用户自己加粗、高亮或写摘要。AI 只问问题：
   - "如果只能留 20%，你留哪几句？为什么是这几句？"
   - "这几句里，你下次最可能用到的是哪一句？"
4. 用户写第 4 层摘要时，AI 只指出说错或漏掉的地方，不改写。
5. 提醒一句：想知道自己记没记住，下次合上这条笔记，看着标题答一遍。

## 现成话术与题目模板

- "这条笔记你这次是为了什么回来看的？就按这个目的往下压一层。"
- "如果只能留 20%，你留哪几句？"
- "用你自己的话，三句以内，这条笔记说了什么？"
- "整理好了。要不要现在合上它，我考你两道题？"

## 示例对话

> **用户**：我有一篇读书笔记很长，帮我提炼一下重点吧。
>
> **AI**：提炼这一步由你来做更有用，我在旁边提问。你这次回来看这篇笔记，是为了什么？
>
> **用户**：下周要跟同事分享这本书。
>
> **AI**：那就按"分享"这个目的来。你先把你觉得非讲不可的句子加粗，最多十句。弄完发我看看。
>
> **用户**：（加粗了八句）
>
> **AI**：这八句里，同事最可能追问的是哪一句？你能不看笔记把它讲清楚吗？

## 常见误用

- **AI 替用户提炼**：用户拿到一份"重点"，等于又看了一遍别人的总结。
- **把高亮当成学会**：高亮得再漂亮，合上笔记照样可能想不起来。
- **一次压完所有层**：这个方法本来就是"用到才压"。
- **把层次搞错**：网上常见"三层"或"五层"的说法，原文是第 0 到第 4 层，外加不编号的重新组合。

## 退出条件

- 用户自己完成了这一次要压的那一层。
- 或者用户发现自己其实想检验学没学会，转到学完检验。

## 依据

- Forte, T. (2017, 2023 年更新). Progressive summarization: A practical technique for designing discoverable notes. Forte Labs 博客.
  方法出处；分层以原文为准：第 0 层原文、第 1 层摘录、第 2 层加粗、第 3 层高亮、第 4 层用自己的话写的摘要，之后的"重新组合"不编号。原文的目的是让笔记"容易被以后的自己发现"。**全文核验**（原文页面）。
- Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving students' learning with effective learning techniques. *Psychological Science in the Public Interest, 14*(1), 4–58. https://doi.org/10.1177/1529100612453266
  综述，写总结、划线/高亮都被评为低效用（不能稳定带来学习收益）。**只读到摘要。**
- Ponce, H. R., Mayer, R. E., & Méndez, E. E. (2022). Effects of learner-generated highlighting and instructor-provided highlighting on learning from text: A meta-analysis. *Educational Psychology Review, 34*, 989–1024. https://doi.org/10.1007/s10648-021-09654-1
  元分析，36 篇实验。自己划线对记住内容有小到中等的帮助，对理解没有可靠帮助，而且主要在大学生身上看得到。**只读到摘要。**
<<<文件结束 references/progressive-summarization.md>>>

<<<文件开始 references/question-design.md>>>
# 出题：考"会不会用"，不考"记没记住原句"

## 是什么

让 AI 考你，题出得好不好决定了这一轮有没有用。好题有三个特点：
- **要自己想出来**：答案不在题干里，也不能靠认出原文的字答对。
- **考到要用的层次**：不只问"是什么"，还问"为什么""换个情况怎么办""这两个哪里不同"。
- **场景是新的**：材料里的例子换个名字不算，要换一个材料里没出现过的情境。

出题的层次可以借布鲁姆分类（修订版）的六个层级：记忆、理解、应用、分析、评价、创造。它原本是给教学目标归类用的，在这里只拿来提醒自己"别只出记忆题"，不是要求一级一级往上爬。

## 什么时候用

- 每次"学完检验"出题前。
- 用户说"能背不会用""换个题就不会了"。
- 用户想自己给自己出题（读书时、做笔记时）。

## 不适用

- 用户完全没学过：这时出的是预测试题，规则见 `pretesting-and-generation.md`，难度放低、猜完立刻给答案。
- 用户就是要记一批事实（单词、术语、法条编号）：这时记忆题就是主菜，用闪卡式问答，少出场景题。

## 最小流程

1. **列考点**：从材料里挑 5—8 个点。优先：核心概念、关键机制（为什么）、容易混的一对、能用在哪。
2. **定答案要点**：每个点写 2—4 条答案要点和原文位置，不给用户看。
3. **配题型**：大约三分之一记忆、理解题，三分之二应用、分析、评价题，混着出，不要先把记忆题全出完。这个比例是经验做法，研究支持的是"混着出"，不是具体比例。
4. **查漏答案**：每道题出完自查一遍：题干里有没有答案的关键词？有没有暗示答案的形容词？是不是原文例子换了个名字？
5. **排顺序**：第 1 题选用户能答出一部分的；之后难易交替；容易混的两个点隔开一两题再考另一个，或者直接出辨析题。

## 现成话术与题目模板

把 `X`、`Y` 换成材料里的概念，把场景换成用户的生活或工作。

**记忆**（少出，只在要背的内容上用）
- "不看材料，这一节讲了哪几件事？"
- "`X` 指的是什么？用你自己的话说。"

**理解**
- "为什么 `X` 会导致 `Y`？中间经过了哪一步？"
- "用一个材料里没有的例子说明 `X`。"
- "如果给一个初中生解释 `X`，你会怎么说？"

**应用**（主力题型）
- "你同事说'___'。按这一节讲的，你会怎么跟他说？"
- "你下周要 ___，用今天学的 `X`，你第一步会做什么？为什么？"
- "下面这个情况里，`X` 用得上吗？怎么用？（描述一个新情境）"

**分析 / 辨析**
- "`X` 和 `Y` 都是 ___，它们最大的区别在哪？各举一个例子。"
- "下面这个情况，该用 `X` 还是 `Y`？为什么不是另一个？"
- "这个说法错在哪一步：'___'？"

**评价**
- "有人说'___'。按材料里的证据，这个说法哪部分站得住、哪部分说过头了？"
- "`X` 在什么情况下不管用？"

**创造**（用户基础好时偶尔用）
- "如果让你设计一个 ___ 来解决 ___，你会怎么用上 `X`？"

**技能类内容**（编程、解题、写作）
- 不问"这个函数是干什么的"，而是"写一小段代码，做到 ___"。
- 不问"这个公式是什么"，而是给一道新题让他做，做完说为什么用这个公式。

**康奈尔提问栏的用法**（用户自己做笔记时）
- 笔记右边记内容，左边只写问题或关键词。复习时**盖住右边**，看着左边的问题说出答案，再掀开对。
- 帮用户把笔记小标题改成问题："第三节 提取强度" → "为什么刚看完觉得会，过两天就想不起来？"

**AI 自己用的答案卡（不展示）**
```
考点：…… ｜ 层级：应用 ｜ 答案要点：①…… ②…… ③…… ｜ 原文位置：第 _ 段 ｜ 常见错法：……
```

## 示例对话

材料是一篇讲"间隔复习"的文章，用户说一个月后要考试。

> **AI**：第 3 题：你室友打算考前一晚把整本笔记从头到尾看两遍，说"一口气看完印象最深"。按这篇文章，他说对了什么、错在哪？先写把握分。
>
> **用户**：把握 3。他说对了一半，考前看确实印象深，但过几天就忘了？可考试就是第二天啊。
>
> **AI**：部分对，而且你发现了一个关键点。考试就在第二天的话，考前集中看确实能撑一下，这是他说对的。错在"印象深"不等于记得久：文章讲的是，同样看两遍，分开在不同的日子看，一个月后记得更多。你室友的问题是只靠考前一晚，前面一个月没有隔开复习。要是还有一个月，你会建议他怎么排？这个留到本轮最后再问你。

这道题的设计：场景是新的（室友），题干没有出现"间隔""集中"这些答案词，还要用户判断"对在哪、错在哪"，考到了评价层。

## 常见误用

- **原句填空**："重读会产生___错觉"。能答对只说明记住了那几个字。
- **题干漏答案**："间隔复习为什么比集中复习好？"题干已经告诉了用户哪个好。改成"考前一个月，每周看一次和最后一晚连看四次，哪种一个月后记得多？为什么？"
- **只出记忆题**："先把基础背熟再出应用题"听起来稳，但有研究发现，只考事实的练习帮不了后来的高阶题，考高阶题或混着考才有帮助。
- **假场景**：把原文例子里的"小明"换成"小红"就叫新场景。
- **选项太明显**：一个正确选项加两个一看就错的，等于送分。选项只在提示梯第 2 级用，而且干扰项要像样。
- **一题问好几件事**："X 是什么、为什么重要、怎么用？"用户只会答第一问。拆开。
- **按 AI 的常识出题、不按用户的材料**：材料和常识有出入时，以材料为准；有明显错误时，提出来让用户核对，不要悄悄改。

## 退出条件

- 5—8 道题都出过、答过、反馈过。
- 应用题至少答对过一道换了场景的题。答不对，就在下次复考时重点出。

## 依据

- Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). *A taxonomy for learning, teaching, and assessing: A revision of Bloom's taxonomy of educational objectives*. Longman.
  方法论（教学目标分类）。把原版改成六个动词：记忆、理解、应用、分析、评价、创造，并加了知识类型维度。**方法论。**
- Krathwohl, D. R. (2002). A revision of Bloom's taxonomy: An overview. *Theory Into Practice, 41*(4), 212–218. https://doi.org/10.1207/s15430421tip4104_2
  修订版概述。六个层级改成动词，另加知识类型一维（事实、概念、程序、元认知）；原文说修订版放宽了严格的层级要求，允许各层重叠（比如理解和应用）。**全文核验**（方法论文章）。
- Agarwal, P. K. (2019). Retrieval practice & Bloom's taxonomy: Do students need fact knowledge before higher order learning? *Journal of Educational Psychology, 111*(2), 189–209. https://doi.org/10.1037/edu0000282
  实验（据二手介绍：两个大学生实验室实验、一个初中历史课堂实验）。摘要原意：考高阶题的练习和混合练习提高了后来高阶题的成绩，只考事实的练习没有。本页"混着出"的建议是据此推出的做法。限制（二手）：期末题和练习题很像；课堂实验里混合练习只比纯高阶练习略好。**只读到摘要。**
- Pauk, W. (1962). *How to study in college*. Houghton Mifflin.
  康奈尔笔记法的出处：右栏记内容，左栏写问题或提示，复习时盖住右栏、只看左栏用自己的话说出来。**方法论**；"盖住右栏背诵"这一步是从该书后来的版本和康奈尔大学学习中心的介绍里核到的，1962 年初版原文未核。这种笔记格式本身的直接实验很少，起作用的部分是"盖住右栏自测"，证据见 `retrieval-practice.md`。
- 迁移的难处：Gick, M. L., & Holyoak, K. J. (1980). Analogical problem solving. *Cognitive Psychology, 12*(3), 306–355. https://doi.org/10.1016/0010-0285(80)90013-4
  5 个实验，大学生先读一个"分兵攻城"的故事，再解一道表面完全不同、解法相同的"放射线治肿瘤"问题。实验 4 里，提示"前面的故事有用"的组 92%（12 人中 11 人）想到了同样的解法，没提示的组只有 20%（15 人中 3 人，而且都只答出一部分）。记住了，不等于遇到新情况认得出该用它。所以应用题要换场景。**全文核验**（扫描本）。
- 题目不能只说对错、选项怎么用：见 `feedback-and-hints.md`。
<<<文件结束 references/question-design.md>>>

<<<文件开始 references/retrieval-practice.md>>>
# 提取练习：合上材料，自己把答案想出来

## 是什么

学完以后不再看材料，靠自己把内容想出来、写出来、说出来，然后对照答案。心理学叫"提取练习"，它带来的好处叫"测试效应"：同样花时间，考自己一次，比再读一遍记得更久。

关键的区别是这一条：**刚学完马上测，多读几遍的人分数更高；隔几天再测，结果反过来。** 重读让内容"现在一想就来"，但这种状态撤掉材料很快就没了；费劲回想一次，才让它在几天后还找得回来。

## 什么时候用

- 刚读完、看完、听完一段内容，想知道自己是不是真会了。
- 习惯了反复看笔记、看 AI 的总结，看的时候都懂，用的时候想不起来。
- 要备考，或者这些内容以后工作里要用。
- 已经学过一遍，过了几天想检查还剩多少。

## 不适用

- **完全没接触过的内容**：没有东西可以提取，硬考只会挫败。改成预测试：先猜、立刻看答案、再去读（`pretesting-and-generation.md`）。
- **一题都答不出来、又拿不到正确答案**：回忆失败又没有反馈，效果会打很大折扣。这时一定要给答案，或者先回去读。
- **非常复杂、环环相扣的材料，用户还是新手**：有研究者认为这类材料上测试效应会变小，先给一个完整讲透的例子更合适（见"依据"里的争议）。
- 用户只要一份摘要交差、不打算学，这不是学习场景。

## 最小流程

1. **确认材料已经看过一遍。** 没看过就转预测试。
2. **合上材料。** 告诉用户："接下来答题时不要翻材料，也不要翻我们前面的对话。"
3. **出题，一次一道。** 先问把握分，再让用户作答。题怎么出见 `question-design.md`。
4. **用户答完，马上给正确答案和理由。** 只说对错没用。反馈规则见 `feedback-and-hints.md`。
5. **答错的题本轮末尾换个说法再考一次。**
6. **隔几天再考。** 收口时排好日期，见 `spacing-and-relearning.md`。

成功的四个条件，缺一个效果就打折：
- **闭卷**：答题时看着材料，等于在重读。
- **能答出一部分**：完全答不出时先给提示（提示梯），再不行就给答案。
- **有反馈**：答完要看到正确答案。
- **隔开时间**：今天连考三遍同一道题，不如今天考一遍、过几天再考一遍。

## 现成话术与题目模板

开场：
- "接下来我一次出一道题。答的时候别翻材料，想不起来就先猜，猜错也比不答强。"
- "答之前先写个把握分，1 到 5，凭第一感觉就行。"

几种最常用的提取题（`question-design.md` 里有更全的）：
- 自由回忆："不看材料，这一节讲了哪几件事？想到几条写几条。"
- 解释："用你自己的话说说，为什么 ___ 会导致 ___？"
- 应用："你同事说 ___，按这一节讲的，你会怎么跟他说？"
- 辨析："___ 和 ___ 都是 ___，它们最大的区别在哪？"

用户想翻材料时：
- "先别翻，想不起来的地方就空着或者猜一个。答完我把原文位置告诉你，那时候再翻，记得更牢。"

## 示例对话

用户刚读完一篇讲"为什么重读会让人以为自己懂了"的文章。

> **AI**：第 1 题：你刚看完一份 AI 总结，读得很顺，觉得自己全懂了。按这篇文章的说法，这种"顺"说明了什么、没说明什么？先写把握分，再写答案。
>
> **用户**：把握 5。说明我理解了，因为读得顺就是理解了。
>
> **AI**：答错了，而且你很有把握，这题值得停一下。【重点】
> 读得顺，只说明这些字你刚见过、很眼熟，文章把它叫"流畅性错觉"。它说明不了你合上材料还能不能想起来。原文第三段的例子是：同一章看第二遍时，熟悉感会被当成"我懂了"。
> 你漏掉的是"顺"和"会"之间的区别。本轮最后我换个场景再考你一次。
>
> **AI**：第 2 题：你的朋友准备考试，打算考前一周把笔记从头看三遍。按文章里的实验，你会建议他怎么改？先写把握分。
>
> **用户**：把握 2。少看几遍，用看的时间自己考自己？
>
> **AI**：答对了。你把握不高，所以我把理由说一遍：实验里，读一遍、剩下时间合上书往外写的那组，一周后记得比连读四遍的组多；只是学完五分钟时，连读的组分数更高。所以考前一周，"考自己"比"再看一遍"划算。你可以再补一句：考完要对答案。

## 常见误用

- **开卷答题**：一边看材料一边答，这只是换了个姿势重读。
- **只说对错**：用户答完 AI 只回"不对，再想想"，不给答案。只知道错了、不知道正确答案，和没反馈差不多。
- **马上重考同一题**：刚给完答案立刻原题再问一遍，答对只说明答案还在眼前。至少隔几道题、换个说法。
- **考原句**：填空"重读会产生___错觉"，考的是记没记住原文的字，不是懂没懂。
- **先总结再考**：先给用户一份要点回顾，再出题，等于把答案先给了。
- **把"考完觉得累"当成没效果**：费劲正是它起作用的地方。

## 退出条件

- 本轮每个点都闭卷答对过一次，答错的题末尾重考也答对了。进入收口，排下次复考。
- 用户说"先到这"。
- 连续 3 题答不出：退出考核，改讲样例或请用户先回去读。

## 依据

- Roediger, H. L., III, & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. *Psychological Science, 17*(3), 249–255. https://doi.org/10.1111/j.1467-9280.2006.01693.x
  实验。大学生读两篇托福阅读短文。实验 2：读四轮的组 5 分钟后 83%、一周后 40%；读一轮、考三轮的组 5 分钟后 71%、一周后 61%。读得最多的组对自己最有信心。条件：自由回忆、中间没有反馈、材料是 250 多词的短文。**全文核验。**
- Karpicke, J. D., & Roediger, H. L., III. (2008). The critical importance of retrieval for learning. *Science, 319*(5865), 966–968. https://doi.org/10.1126/science.1152408
  实验。背斯瓦希里语单词，一个词答对后只再读、不再考，一周后的成绩和不再碰差不多；继续考的，一周后约 80%，不再考的约 35%（作者在 2009 年文章中给的近似值）。学生对各组的预测都在 50% 左右。材料是词对。**只读到摘要**，数字来自同一作者的全文复述。
- Agarwal, P. K., Nunes, L. D., & Blunt, J. R. (2021). Retrieval practice consistently benefits student learning: A systematic review of applied research in schools and classrooms. *Educational Psychology Review, 33*, 1409–1453. https://doi.org/10.1007/s10648-021-09595-9
  系统综述，只收真实课堂研究：50 个实验、49 个效应量、总样本 5374 人，57% 为中等或大效应；学段、学科、题型不同都成立。限制：只有 6% 在非西方发达国家做。**只读到摘要。**
- Rowland, C. A. (2014). The effect of testing versus restudy on retention: A meta-analytic review of the testing effect. *Psychological Bulletin, 140*(6), 1432–1463. https://doi.org/10.1037/a0037559
  元分析。考自己比再学一遍更好；要自己回想的题型（简答、填空）比选择题收益更大，支持"费劲回想"是原因之一。**只读到摘要**，平均效应量没核到原文，这里不报数字。另据二手转述（未核原文）：有反馈时效果更稳；没有反馈、第一次又只答对不到一半时，看不到测试效应。这和本页"能答出一部分、要有反馈"的条件一致。
- Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving students' learning with effective learning techniques. *Psychological Science in the Public Interest, 14*(1), 4–58. https://doi.org/10.1177/1529100612453266
  综述，评了 10 种学习方法。只有"练习测试"和"分散练习"是高效用；重读、划线、写总结是低效用（指不能稳定带来好处，不是"有害"）。**只读到摘要。**
- Bjork, E. L., & Bjork, R. A. (2014). Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning. In M. A. Gernsbacher & J. Pomerantz (Eds.), *Psychology and the real world* (2nd ed., pp. 59–68). Worth.
  综述章节。区分"当下的表现"和"长期学会"；让当下变难的做法（考自己、隔开、交错）往往长期更好，但前提是学习者应付得了，应付不了的困难就不再"合意"。**全文核验。**
- 争议：van Gog, T., & Sweller, J. (2015). Not new, but nearly forgotten: The testing effect decreases or even disappears as the complexity of learning materials increases. *Educational Psychology Review, 27*(2), 247–264. https://doi.org/10.1007/s10648-015-9310-x 认为材料越复杂、元素之间牵连越多，测试效应越小。**只读到摘要。** 同一期有反驳文章：Karpicke, J. D., & Aue, W. R. (2015). The testing effect is alive and well with complex materials. *Educational Psychology Review, 27*(2), 317–326. https://doi.org/10.1007/s10648-015-9309-3 认为"复杂度"没有被量化定义，那些没效果的研究问题出在考法（只考孤立的词、学完马上集中考），不是材料复杂。**只读到摘要。** 本页按"有争议"处理：复杂材料上，新手先看样例，有基础的再考。
<<<文件结束 references/retrieval-practice.md>>>

<<<文件开始 references/socratic-questioning.md>>>
# 苏格拉底式追问：一问一答，把模糊的想法问清楚

## 是什么

不直接告诉对方对错，而是一个接一个地问，让对方自己发现说法里含糊、矛盾或站不住的地方，再自己修正。

柏拉图的对话录里，苏格拉底常用一个固定套路：请对方下定义 → 举一个反例 → 对方修正定义 → 再举反例……比如在《拉凯斯篇》里，将军拉凯斯说"勇敢就是守住阵地、不逃跑"，苏格拉底就问：那些边撤退边作战的骑兵算不算勇敢？拉凯斯只好把定义改宽，改成"灵魂的坚持"，苏格拉底又问：不明智的硬撑也算勇敢吗？

后来的批判性思维教学把常用的追问整理成几类，这里用六类：
1. **澄清**：你说的 X 具体指什么？
2. **假设**：这个说法默认了什么前提？
3. **理由和证据**：凭什么这么说？证据是什么？
4. **换视角**：别人会怎么看？反对的人会说什么？
5. **推论和后果**：如果这是真的，会推出什么？
6. **问问题本身**：这个问题问得对吗？为什么它重要？

## 什么时候用

- 用户有一个观点或判断，但说不清为什么。
- 用户读完一篇论证性的文章，想检验文章的观点或自己的理解。
- 学完检验中，用户的答案"大方向对、但很含糊"。
- 用户说"感觉对，但说不出为什么"。

## 不适用

- 用户要记的是事实，问的是"是什么"：用提取练习，不用追问。
- 用户只要一个快速答案、明确说不想被追问：尊重，给答案或者结束。
- 用户情绪低落、在倾诉：这时追问会像审问。先听。
- 涉及的是价值观、个人选择，没有对错：可以帮他想清楚，但不要把他"问到认输"。

## 最小流程

1. 请用户用一句话说出观点。
2. 先问**澄清**：关键词是什么意思。很多分歧在这一步就解决了。
3. 再按需要选一两类追问，一次只问一个。不要六类全过一遍。
4. 用户的说法出现漏洞时，举一个**反例**，问他怎么看。
5. 请用户自己修改原来的说法。
6. 改到用户满意，或者问到"这个我需要查一下"为止。

**追问到对方答不上来时**：
- 不要接着逼问。说一句："这个问题本来就不好回答，答不上来说明我们找到了值得想的地方。"
- 给两个选择：先记下这个问题以后再查，或者一起换个角度想想。
- 不要在这时把"正确答案"讲出来收场。

## 现成话术与题目模板

- 澄清："你说的'___'具体指什么？能举个例子吗？"
- 假设："这个说法成立，需要先假定什么？那个前提一定对吗？"
- 理由和证据："你是怎么知道的？有什么证据？证据是怎么来的？"
- 换视角："不同意你的人，最有力的理由会是什么？"
- 推论和后果："如果这是真的，那 ___ 也应该是真的，对吗？"
- 问问题本身："我们为什么在乎这个问题？问'___'是不是更准确？"
- 反例："有没有一种情况，___，但你的说法不成立？"
- 收："好，现在你会怎么改你最开始那句话？"

## 示例对话

> **用户**：我觉得用 AI 学习就是在偷懒。
>
> **AI**：你说的"用 AI 学习"，具体指哪种用法？
>
> **用户**：就是有问题直接问 AI，让它解释给我听。
>
> **AI**：那"偷懒"是指什么？省时间，还是没学进去？
>
> **用户**：没学进去吧。省时间不算坏事。
>
> **AI**：好，那你的说法其实是"让 AI 解释给我听，会让我学不进去"。有没有一种情况，用了 AI，但学进去了？
>
> **用户**：嗯……如果它出题考我，我自己答，那应该算学进去了。
>
> **AI**：那现在你会怎么改你最开始那句话？
>
> **用户**：不是用 AI 就偷懒，是光看 AI 解释、自己不动脑才偷懒。

## 常见误用

- **一次问一串**：把六类问题列成清单一次抛出。用户只会答第一个。
- **问题里带答案**："你不觉得这样其实是错的吗？"这是引导，不是追问。
- **把用户问到认输**：追问是为了让他想清楚，不是为了赢。
- **追问到最后，AI 自己给结论**：最后那句修改后的说法要用户自己写。
- **对事实问题也追问**：用户问"这个词什么意思"，直接说就行。

## 退出条件

- 用户自己写出了修改后的、更准确的说法。
- 或者用户找到了一个需要去查的问题，记下来了。
- 用户说"先到这"。

## 依据

- 柏拉图《拉凯斯篇》（Laches）、《欧绪弗洛篇》（Euthyphro）：下定义 → 反例 → 修正的对话结构。**原典，方法论。**
- 六类追问：Paul, R., et al. (1987). *Critical thinking handbook: 4th–6th grades. A guide for remodelling lesson plans in language arts, social studies, & science*. Center for Critical Thinking and Moral Critique, Sonoma State University.（ERIC ED 308 480）书中的"苏格拉底式提问分类"原文就是这六类：澄清、追问假设、追问理由和证据、视角、推论和后果、关于问题本身的问题；同一分类也见于 Paul 1989、1990 年的同系列手册。**全文核验**（ERIC 缩微版）。这套分类是教学用的整理，不是实验结论。后来 Paul & Elder 的《苏格拉底式提问的艺术》(2006) 按"思维要素"另作了重组。
<<<文件结束 references/socratic-questioning.md>>>

<<<文件开始 references/spacing-and-relearning.md>>>
# 隔开再考：间隔和连续再学习

## 是什么

同样的复习次数，分开在不同的日子做，比挤在一天做记得久。这叫间隔效应（分散练习）。

三个要点：
1. **隔多久，看你要记多久。** 要记得越久，间隔拉得越开；但按比例算，要记的时间越长，间隔占的比例越小。
2. **"越隔越长"不一定最好。** 常见的 1、2、4、7、15 天这类越拉越长的表，只在很短期的测验里占优；隔两天再测时，均匀间隔反而更好。真正要紧的是：第一次再考之前先隔开一点，让自己费点劲。
3. **复习要"考"，不要"看"。** 隔开了再重读，好处远不如隔开了再考自己。把"考到答对"和"隔几天再考到答对"连起来做几轮，叫连续再学习。

所以本 Skill 里，"今天连对三遍"只叫"今天会了"。**真正掌握，是在几个不同的日子里各答对一次。**

## 什么时候用

- 每次学完检验的收口：排下次复考日期。
- 用户要备考、要长期记住、工作里要反复用。
- 用户问"我该多久复习一次"。
- 用户带着上次的错题单回来复考。

## 不适用

- 一次性的事：明天开个会用一下就不用了，今天考一遍、会了就行。
- 用户还完全没学会：先把今天这一轮考过，再谈间隔。隔太久、一点都想不起来、又没有答案可对，这种困难就不再有用了。

## 最小流程

**收口时排日期**
1. 回看启动时第 2 问"要记多久"。
2. 按下表给出具体日期（写成"10 月 13 日"，不要只写"三天后"）：

   | 要记多久 | 下次复考 | 怎么来的 |
   |---|---|---|
   | 一周内就要用 | 隔 1—3 天 | 研究里约为要记时长的 20%—40%，按一周算 |
   | 一个月左右 | 隔大约一周 | 两头之间的粗估 |
   | 半年、一年以上 | 隔 3—5 周 | 研究里约为要记时长的 5%—10%，按一年算 |

   这些是按论文比例估算的，不是精确值，跟用户说清楚是"大概"。
3. 告诉用户复考时做什么：只考错题和没把握的题，加上换场景的新题。

**复考时**
1. 先考上次的错题和高把握答错的题，换个场景、换个问法。
2. 每题答对一次就过；答错的本轮末尾再考到答对。
3. 再排下一次：这次都对了，下次可以隔长一点；又错了，下次隔短一点。
4. 一个点在 **2—3 个不同的日子**里都答对了，就从错题单上划掉。

## 现成话术与题目模板

- "这个你说下个月考试要用。我建议 _月_日 再考一次，大概隔一周。这是按研究里的比例粗估的，差一两天没关系。"
- "到时候把这张错题单和下面这段话发给 AI 就行。"
- "今天这几题都答对了，但这只能说明今天会。隔几天还答得出来，才算真的记住。"
- 复考开场："上次你错了 3 道、没把握 2 道。我们先从这 5 道开始，换个说法问。"
- 用户问"要不要用 1、2、4、7、15 天那个表"："那张表没有研究依据。比起固定的表，更要紧的是按要记多久来隔，而且每次都要考，不是看。"

## 示例对话

> **用户**：考完了，我下个月月底要考这门。
>
> **AI**：好。最后一步先请你自己写一两句结论……（用户写完）
> 下次复考：10 月 17 日，大概隔一周。这是按研究里"要记的时间越长、间隔越开"的比例粗估的。
> 那天只考错题单上的 3 道和你没把握的 2 道，我会换场景问。都答对了，再隔一周多考一次；又错了，就过三四天再考。同一道题在两三个不同的日子都答对了，就可以划掉。
>
> **用户**：那我这周要不要每天再看一遍笔记？
>
> **AI**：想复习的话，别看，合上笔记把错题单上的题自己答一遍，答完再翻笔记对。看一遍，当时觉得很熟，但这种熟过几天就没了。

## 常见误用

- **套固定的越拉越长的表**（1、2、4、7、15 天）：没有研究依据，而且常被说成"艾宾浩斯发现的"，其实不是。
- **复习时重读**：隔开了，但做的还是"看"。
- **今天连考三遍就算掌握**：同一天内的重复主要提高的是"现在想得起来"。
- **隔太久又没有答案可对**：完全想不起来、也不去对答案，白费。复考时一定要有错题单和答案。
- **把估算说成精确值**："研究证明第 3 天复习最好"。只能说"大约"。

## 退出条件

- 给出了具体的下次复考日期和复考提示词。
- 复考时：每个点在 2—3 个不同的日子都答对过，划掉。

## 依据

- Cepeda, N. J., Vul, E., Rohrer, D., Wixted, J. T., & Pashler, H. (2008). Spacing effects in learning: A temporal ridgeline of optimal retention. *Psychological Science, 19*(11), 1095–1102. https://doi.org/10.1111/j.1467-9280.2008.02209.x
  大样本实验，1350 多名参与者学一组事实，隔不同时间复习一次，再隔最长一年做最终测验。间隔从零拉长，成绩先升后降；最佳间隔约为测验延迟的 20%—40%（测验在一周后时），降到约 5%—10%（测验在一年后时）。本页表格的天数是按这个比例换算的估算。**只读到摘要。**
- Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. *Psychological Bulletin, 132*(3), 354–380. https://doi.org/10.1037/0033-2909.132.3.354
  元分析，317 个实验。最佳间隔随"要记多久"变长。**只读到摘要。**
- Karpicke, J. D., & Roediger, H. L., III. (2007). Expanding retrieval practice promotes short-term retention, but equally spaced retrieval enhances long-term retention. *Journal of Experimental Psychology: Learning, Memory, and Cognition, 33*(4), 704–719. https://doi.org/10.1037/0278-7393.33.4.704
  3 个实验，词对。越拉越长的间隔在 10 分钟后的测验里占优，2 天后的测验里均匀间隔更好；推迟第一次测验，不管后面怎么排都更好。作者的结论是第一次提取的难度比"间隔是否递增"更关键。**只读到摘要。**
- Rawson, K. A., & Dunlosky, J. (2011). Optimizing schedules of retrieval practice for durable and efficient learning: How much is enough? *Journal of Experimental Psychology: General, 140*(3), 283–302. https://doi.org/10.1037/a0023956
  3 个实验，533 名学生学概念定义，1—4 个月后测。第一次学时答对的次数越多越好，但这个差别会随着后来的再学习变小；后来几次再学习用很少的额外时间换来很大的长期收益。作者的建议：第一次学到答对 3 次，之后隔开较长时间再学 3 次、每次答对为止。**只读到摘要。** 本页"2—3 个不同的日子各答对一次"是据此简化的做法。
- Rawson, K. A., Dunlosky, J., & Sciartelli, S. M. (2013). The power of successive relearning: Improving performance on course exams and long-term retention. *Educational Psychology Review, 25*(4), 523–548. https://doi.org/10.1007/s10648-013-9240-4
  两个大学心理学课堂实验，学生用电脑闪卡在相隔至少一天的几次练习里反复考到答对。和学生自己学的概念相比，课程考试和之后的记忆都更好；隔开了的重读也有帮助，但小得多。**只读到摘要**，具体数字只见于作者后来的介绍文章，这里不报。
- 艾宾浩斯的遗忘曲线测的是"重学时省下的时间比例"，不是"还记得百分之几"，也没有给出过固定的复习日程。Ebbinghaus, H. (1885/1913). *Memory: A contribution to experimental psychology*, Chapter 7. **全文核验**（英译本）。
<<<文件结束 references/spacing-and-relearning.md>>>

<<<文件开始 references/sq3r.md>>>
# 带着问题读：SQ3R 和"读—背—查"

## 是什么

SQ3R 是一套老牌的读书方法，五步：
1. **Survey 浏览**：先扫一遍标题、小标题、图表，知道这一章大概讲什么。
2. **Question 提问**：把小标题改成问题。
3. **Read 阅读**：带着问题读，找答案。
4. **Recite 复述**：读完一节，合上书，自己说出这一节的答案。
5. **Review 复查**：全部读完，回头再试着答一遍所有问题，答不上的回原文找。

这五步里，最有研究支持的是"合上书复述、再回去查"这一段。整套 SQ3R 的直接研究不多，结果也不一致；而一个只有三步的简化版"读—背—查"（读一段、合上书把记得的说出来或写出来、再回去看原文对一遍）在实验里比重读和记笔记都好。

## 什么时候用

- 用户准备读一章书、一篇长文，想读得更主动。
- 用户说"读完就忘""读的时候都懂，合上书什么都说不出"。
- 学完检验之前，用户还没读材料，想知道怎么读。

## 不适用

- 很短的文字，几分钟就能读完：读完直接做一次学完检验就行。
- 小说、随笔这类不以"记住内容"为目的的阅读。
- 用户已经读完了：直接转学完检验。

## 最小流程

AI 在这里只是带用户走流程，**不替用户浏览、不替用户提问、不替用户复述**。

1. **浏览**："先花两分钟，只看这一章的标题和小标题。看完告诉我，你猜它讲了哪几件事？"
2. **提问**："挑两三个小标题，把它们改成问题。"（用户改完，AI 可以帮他把问题改得更具体，但不给答案。）
3. **阅读**："带着这几个问题读第一节。读完回来。"
4. **复述**："合上书，说说第一节回答了你的哪个问题，答案是什么。"AI 只追问漏掉的、说错的，提示梯照常用。
5. **查**："现在翻回去，对一下你漏了什么。"
6. 下一节重复 3—5。全部读完，转入学完检验，排复考日期。

## 现成话术与题目模板

- "先别读正文，只看小标题。你猜这一章想回答什么问题？"
- "把'第二节 储存强度与提取强度'改成一个问题，你会怎么问？"
- "读完这一节，合上书。这一节回答了你的哪个问题？"
- "你漏了一点，翻回去找找讲 ___ 的那段，看完再合上说一遍。"

## 示例对话

> **用户**：我要读一本书里讲睡眠的一章，怎么读？
>
> **AI**：先别读正文。花两分钟只看小标题，看完告诉我有哪几个小标题。
>
> **用户**：睡眠的阶段、为什么要睡觉、睡眠不足的影响、怎么睡得更好。
>
> **AI**：把它们改成你真的想知道答案的问题，挑两个就行。
>
> **用户**：睡眠不足到底会伤到什么？怎么才能睡得更好？
>
> **AI**：好，带着这两个问题读第三节。读完回来，合上书告诉我第一个问题的答案。

## 常见误用

- **AI 替用户浏览、列问题、写摘要**：五步全由 AI 做，用户只读了 AI 的输出。这正是本 Skill 反对的。
- **复述时开着书**：等于重读。
- **问题太大**："这一章讲了什么？"改成具体的："为什么睡眠不足会影响记忆？"
- **只做前三步**：浏览、提问、阅读都做了，跳过了合上书复述。最有用的恰恰是最后两步。
- **把"24 小时内必须回顾"当规矩**：这个时间没有出处。什么时候再考，按 `spacing-and-relearning.md` 排。

## 退出条件

- 每一节都做过一次"合上书复述 → 回去查"。
- 读完转入学完检验。

## 依据

- Robinson, F. P. (1946). *Effective study*. Harper & Brothers.
  SQ3R 的出处。**方法论**；书目信息只核到图书馆目录，原书未读。
- McDaniel, M. A., Howard, D. C., & Einstein, G. O. (2009). The read-recite-review study strategy: Effective and portable. *Psychological Science, 20*(4), 516–522. https://doi.org/10.1111/j.1467-9280.2009.02325.x
  2 个实验，大学生读教育类文章。"读—背—查"（读、合上书复述、再看原文）在即时和一周后的自由回忆上好于重读和记笔记；在较长、较难的工程类文章上，选择题和解题题上好于重读，和记笔记一样好但用时更少。**只读到摘要。**
- 整套 SQ3R 的证据：直接研究少、结果不一，这一判断来自学习科学科普团队 The Learning Scientists 的综述文章（2021），**未核原始研究**。
- 为什么"合上书复述"有用：见 `retrieval-practice.md`。
<<<文件结束 references/sq3r.md>>>

<<<文件开始 references/steelman.md>>>
# 钢人化：先把对方的观点说到最好，再反驳

## 是什么

和"稻草人"相反。稻草人是把对方的观点歪曲成一个很弱的版本再去打；钢人化是先把对方的观点重述成最强、最合理的版本，强到对方会说"对，我就是这个意思，而且你说得比我还清楚"，然后再回应。

哲学家丹尼特在《直觉泵》里转述过一套"拉波波特规则"，可以当步骤用：
1. 把对方的观点重述得清楚、生动、公平，让对方说"谢谢，我希望我当初也这么说"。
2. 列出你同意的地方（特别是不那么常见的共识）。
3. 说出你从对方那里学到了什么。
4. 做完前三步，才开始反驳。

## 什么时候用

- 用户和某个观点对立，担心自己在打稻草人。
- 读到一篇和自己看法相反的文章，想公平地评价它。
- 学完检验中考"评价"层：请用户先替反方把观点说到最好。

## 不适用

- 用户只要快速做个决定，不需要辩论。
- 对方的观点本身是在伤害别人（比如歧视、骚扰）：不必替它找"最强版本"。

## 最小流程

1. 请用户写出对方的观点。
2. 请他把它改写成最强的版本：对方最好的理由是什么？在什么情况下它是对的？
3. 问："如果对方看到你这版重述，会认可吗？"不认可就再改。
4. 请用户列出同意的地方和学到的东西。
5. 最后才让他写出回应。

## 现成话术与题目模板

- "如果你是对方，你最有力的理由是什么？"
- "在什么情况下，对方说的是对的？"
- "对方看到你这版重述，会说'对，就是这个意思'吗？"
- "这个观点里，有哪一点你其实是同意的？"
- "好，现在你的回应是什么？"

## 示例对话

> **用户**：有人说"学习就该让 AI 总结，省时间"，我觉得这是胡扯。
>
> **AI**：先替他说说：他最有力的理由是什么？
>
> **用户**：嗯……信息太多，看不过来，总结能帮人快速知道哪些值得看。
>
> **AI**：在什么情况下，他说的是对的？
>
> **用户**：如果只是要筛选读什么、或者只要知道个大概，那确实省时间。
>
> **AI**：他看到你这版会认可吗？有没有你同意的地方？
>
> **用户**：会认可。我同意总结适合用来筛选。
>
> **AI**：那你现在的回应是什么？
>
> **用户**：总结适合用来决定读什么，但要真学会，还得自己读、自己答。

## 常见误用

- **假钢人**：表面上重述对方，其实悄悄加了弱点。
- **钢人化完就认输**：最强版本也可能是错的，钢人化是为了反驳得更准。
- **AI 替用户重述**：重述的过程才是用户要练的。

## 退出条件

- 用户写出了对方会认可的最强版本，以及自己的回应。

## 依据

- Dennett, D. C. (2013). *Intuition pumps and other tools for thinking*. W. W. Norton.
  第一部分"十二个通用思考工具"里的"拉波波特规则"（丹尼特归给博弈论学者阿纳托尔·拉波波特，四条的具体说法是丹尼特写的）。**方法论**；书目已核，原文措辞转述自逐字引用的二手资料。
- "钢人"（steelman）这个词是网络讨论里与"稻草人"相对的说法，没有单一出处。**方法论。**
<<<文件结束 references/steelman.md>>>

<<<文件开始 references/zettelkasten-linking.md>>>
# 卡片链接：新笔记和旧笔记是什么关系

> 笔记整理方法，由用户自己动手，AI 只提问和挑错。

## 是什么

记下一条新笔记后，不是放进文件夹就完了，而是去找它和哪几条旧笔记有关，并写清是什么关系：支持、反对、补充、举例、可以迁移到哪里。德国社会学家卢曼用纸质卡片盒这样做了几十年，他说卡片盒像一个可以"对话"的伙伴：因为每张卡片都连着别的卡片，翻的时候常常会碰到意想不到的联系。

找关系的过程，本身也是一次提取：你得回想自己以前记过什么、那条讲的是什么。

## 什么时候用

- 新笔记写好了，不知道怎么和旧知识连起来。
- 笔记越来越多，却成了一座座孤岛，用不起来。
- 学完检验之后，用户想把这次的收获接进自己已有的知识。

## 不适用

- 临时记录、还没成形的想法。
- 用户的笔记库很小或刚开始建：先积累，不必硬找链接。

## 最小流程

1. 请用户先**不翻笔记库**，凭记忆说说：这条新笔记让他想起以前记过的哪些东西？
2. 再去笔记库里找，看看有没有漏的。
3. 每条关系写清类型：支持 / 反对 / 补充 / 举例 / 迁移。
4. 在两边都写上链接和一句关系说明。

## 现成话术与题目模板

- "先别翻笔记，凭记忆：这条让你想起以前记过的什么？"
- "它和那条是支持、反对，还是补充？"
- "这条有没有和你以前的想法矛盾的地方？"
- "以后在什么场合你最可能用到它？"

## 示例对话

> **用户**：我新写了一条："隔几天再考自己，比一天连看几遍记得久。"
>
> **AI**：先别翻笔记库，凭记忆，它让你想起以前记过的什么？
>
> **用户**：我以前记过一条健身的，"肌肉是在休息的时候长的"。
>
> **AI**：这两条是什么关系？
>
> **用户**：有点像类比？都是"中间留空当，效果反而好"。
>
> **AI**：那这条链接写上"类比"，再加一句说明它们像在哪、不像在哪。

## 常见误用

- **AI 替用户找关系**：用户只是在看 AI 列的链接，没有自己回想。
- **只写链接不写关系**：半年后看到一个链接，不知道为什么连在一起。
- **为了连而连**：硬凑出来的关系没有用。

## 退出条件

- 新笔记至少和一条旧笔记建立了写清关系的链接，或者用户确认它暂时是独立的。

## 依据

- Luhmann, N. (1981). Kommunikation mit Zettelkästen: Ein Erfahrungsbericht. In H. Baier, H. M. Kepplinger, & K. Reumann (Eds.), *Öffentliche Meinung und sozialer Wandel* (pp. 222–228). Westdeutscher Verlag. https://doi.org/10.1007/978-3-322-87749-9_19
  卢曼介绍自己的卡片盒，题目就是"和卡片盒交流"。**方法论**；只核到书目信息，正文内容（把卡片盒当成交流伙伴、翻卡片时碰到意外的联系）转述自二手介绍。
- Ahrens, S. (2017). *How to take smart notes*. CreateSpace. **方法论**。
- 关系类型（支持、反对、补充、举例、迁移）是常用的整理方式，不出自单一来源。**方法论。**
- "先凭记忆找"利用的是提取练习，见 `retrieval-practice.md`。
<<<文件结束 references/zettelkasten-linking.md>>>