Claude 学习助手：读论文、背知识点与考试备考

它是陪练，不是讲台

看视频、读教程，最容易产生的错觉是「我懂了」。真到要用的时候，脑子里只剩一个模糊的印象。

学习真正发生在一问一答之间：你说出一个理解，被指出偏差，再修正。这个过程需要有人不停追问，而且不能嫌你笨。它刚好能干这个。

所以用法要倒过来：少让它讲，多让它问。

先定计划，再定检验标准

计划最容易写成愿望清单。加上检验标准才有约束力：

我想在三个月内，能自己用 Python 处理一份表格数据，主要是清洗和画图。 现状：会用 Excel 做透视表，没写过代码，每天能投入一个半小时。 目标：拿到一份杂乱的销售明细，能自己清洗、算出结论、做出三张图。 请给：

1. 按周划分的阶段，每阶段一个可交付的小成果；
2. 每个阶段的验收方式，要能自己判断过没过；
3. 每个阶段最常见的卡点。

关键是第二项。「学完 pandas 基础」没法验收，「能对一份 500 行的表做去重、补缺失、分组汇总」可以。

换着方式用：解释与自测

用三层解释找自己的位置

同一个概念，讲法要跟你的基础匹配。让它一次给三档：

用三个层次解释「梯度下降」：

1. 给完全没接触过的人，用一个生活场景，不许出现公式；
2. 给会写代码但没学过机器学习的人，可以提「函数」「斜率」；
3. 给正在准备面试的人，要说清它和另外几种优化方法的差别。

读完三档，你能立刻知道自己停在哪一层。停在第一层不丢人，硬啃第三层才浪费时间。

让它考你，而不是讲给你听

这是最容易被跳过的一步。学完一节，直接说：

我昨天看完了 HTTP 的入门章节。请出五个问题考我，一次问一个，我答完你再问下一个。全部问完后，告诉我哪些答对了、哪些有偏差、哪个概念我其实没懂。

它的追问会比你自己的复盘狠。答不上来的地方，就是下一轮该回去读的地方。

同理，准备面试就让它扮演面试官：

你扮演一家中型互联网公司的产品岗面试官，用英文提问，一次一个。我答完你用中文给反馈：要点有没有答全、表达顺不顺、哪里还能更好，然后继续下一题。

规则写清楚，它就不会一口气抛十个问题。

读材料：摘要、章节、论证

读论文摘要，先给它你的背景，再要四样东西：研究问题、核心结论、方法一句话、对你有什么用。

读整章书，要三样：200 字概括、两个能用在真实场景的例子、一个值得继续想的问题。

读一篇观点文章，让它做批判性检查：

指出作者的核心主张、支撑它的证据、论证里跳过的步骤，以及作者绕过去的反例。

最后一项最有价值。它替你想反例，比替你总结更能训练判断。

把学过的东西留下来

学完不整理，一周后只剩感觉。两个低成本动作：

提纲。 「把我刚学的用户体验设计基础整理成缩进提纲，按定义、原则、方法、工具、评估五层。」拿到后自己删改，删不掉的才是真记住的。

卡片。 给它一段材料，让它按问答对生成卡片，正面一个问题，背面一两句话。生成的卡片要自己过一遍，凡是它自己补的细节都要核。

三条使用纪律

1. 重要事实要交叉验证。 数字、文献、药名、法条，一律回原始来源核对。它会给出格式很像真的引用，这是幻觉最危险的形态。
2. 每次都说明你的水平。 不说明，它只能按平均水平讲，你要么嫌浅要么听不懂。
3. 主动输出。 让它考你、让你讲给它听，比被动读一遍管用得多。具体做法可以参考写一条能复用的系统提示里的角色设定。

下一课把这套分析能力用到工作上：分析助手：让 Claude 帮你看数据、做决策。