- 引言 — 2 西格玛问题与 AI 私教的承诺
- 先说陷阱 — AI 毁掉学习的三种方式
- 技法 1 — 苏格拉底式导师
- 技法 2 — 费曼角色扮演
- 技法 3 — 出题生成器与间隔重复
- 技法 4 — 错题分析器
- 技法 5 — 难度阶梯(i+1)
- 技法 6 — 对照学习
- 技法 7 — 把 AI 当审阅者用(自己生成，AI 检查)
- 技法 8 — 模拟面试官
- 验证循环 — 不被幻觉吞掉
- 串成一条工作流 — 新技术 4 周学习示例
- 结语
- 参考资料
引言 — 2 西格玛问题与 AI 私教的承诺
1984 年，教育心理学家本杰明·布卢姆(Benjamin Bloom)发表了一项著名的观察：接受 1:1 私教辅导的学生，平均成绩比接受普通课堂教学的学生高出 2 个标准差(2 西格玛)。这不是说前 2% 的学生变得更厉害，而是说本来只是课堂平均水平的学生，被抬到了前 2% 的水准。问题出在成本上 — 不可能给每个人都配一个私教。布卢姆把这称为"2 西格玛问题"，此后 40 年间，它一直是教育技术领域的圣杯。
LLM 是迄今为止最接近这座圣杯的工具。你现在拥有一个有无限耐心、贴合你水平、随时可以提问的对象。但这里有一个陷阱：用错了，AI 不是在帮你学习，而是替你把学习这件事做掉了。 本文先把这个陷阱说清楚，再整理 8 种基于学习科学的用法和对应提示词。这是继职业知识地图和面试全攻略之后，三部曲的最后一篇。
先说陷阱 — AI 毁掉学习的三种方式
流畅性错觉。 正如记忆力的秘密一篇所说，读一段写得很好的解释会让人产生"懂了"的感觉，但那种感觉不是记忆。AI 的解释格外流畅，这种错觉因此变得更强。理解阅读内容和能够自己复述出来之间的差距，只有在考场或面试现场才会暴露出来。
生成依赖。 罗迪格与卡皮克的研究揭示的测试效应(testing effect)的核心在于，构建记忆靠的不是输入，而是检索(retrieval)。让 AI 替你生成答案，检索练习的机会就整个消失了。这和 AI 把代码全部写好、你的编程"肌肉"却不会长进，是同一个道理。
幻觉与不加批判地照单全收。 LLM 会以看似合理的方式犯错，尤其是在数字、最新信息、API 细节和论文引用上。如果没有验证的习惯就全盘吸收，错误概念会和自信一起在脑子里累积。
三个陷阱共同的解药只有一句话：别让 AI 回答，让它来问你。
技法 1 — 苏格拉底式导师
最基础的设定。明确赋予 AI"绝不直接给答案的导师"这一角色。
你是一位苏格拉底式导师。规则：
1. 绝对不要直接说出正确答案。
2. 如果我的答案错了，就一步一步抛出引导性问题，
让我自己发现错在哪里。
3. 只有当我连续卡壳两次时，才给一个小提示。
4. 当我得出正确答案后，指出我的解释里还缺了什么。
主题：[例：Kubernetes 的 Pod 调度]
从第一个问题开始。
这个设定的力量在于，把检索练习硬生生嵌进了对话本身的结构里。读书式的学习变成了问答式的学习。
技法 2 — 费曼角色扮演
费曼技法(试着用简单的话解释出来)的最大弱点是，一个人做的时候看不见自己的盲点。把 AI 设定成"较真的初学者"，这个弱点就消失了。
接下来我要解释[主题]。你要同时扮演两个角色：
1. 好奇的初学者：我的解释哪里说不通，就在那里问"为什么？"。
2. 严格的考官：等我讲完后，把我含糊其辞或不准确的地方
逐条列出来。
准备好了就回复"开始解释"。
讲解过程中卡壳的地方，正是自己知识上的漏洞。只需要重新学那些漏洞，复习范围就会大幅缩小。
技法 3 — 出题生成器与间隔重复
让 AI 把刚学的内容转成考题，就能无限生成检索练习。
我刚学的内容：[粘贴笔记]
根据这些内容出 5 道题。条件：
- 3 道四选一(含似是而非的错误选项)，2 道简答题
- 一次一题，我答完后立刻给出批改和讲解
- 讲解里必须指出我的答案具体缺了哪部分
再把间隔重复结合进来。可以要求"把三天前学的 X 再考我一次"，或者把错题导出成 Anki 卡片的格式。这正是"遗忘前夕的复习最能强化记忆"这一原理的直接应用。
技法 4 — 错题分析器
比"答错了"这个事实更重要的是错误背后的误解类型。AI 在这种诊断上非常擅长。
题目：[题目]
正确答案：[正确答案] / 我的答案：[我的答案]
不要给我打分。请推测我是因为哪种误解才给出这个答案，
再出 2 道能验证我是否存在该误解的确认题。
先用带有详细解析的工具练习 — 比如本站的 JLPT 实战模拟测验或 TOEFL 阅读练习 — 然后只把反复出错的题型带给 AI，让它做根因诊断，这种组合特别有效。
技法 5 — 难度阶梯(i+1)
什么是流畅一篇里提到的克拉申"可理解输入"原理，在语言学习之外同样适用。学习发生的位置，是略高于当前水平的那一格，即 i+1。AI 能精确地做到这种难度调节。
我正在学习[主题]。我目前的水平：[已知内容概述]。
请给我一个恰好比目前水平难一级的练习任务。
我做出来就把难度提高一级，连续卡壳两次就降低半级。
教材给所有人的是同一段台阶，而 AI 是实时为你一个人削出专属的台阶。这正是私教胜过讲课的地方。
技法 6 — 对照学习
容易混淆的概念对(进程与线程、认证与授权、RAG 与微调)分开学习时会一直混淆不清，只有并排放在一起，边界才会显现出来。
A：[概念 A]，B：[概念 B]
1. 给出 3 个能决定性区分这两者的问题。
2. 分别举一个 A 成立而 B 不成立、以及 B 成立而 A 不成立的场景。
3. 解释人们混淆这两个概念最常见的原因。
正如面试全攻略中所看到的，相当一部分面试题瞄准的正是这种"区分能力"。
技法 7 — 把 AI 当审阅者用(自己生成，AI 检查)
代码、文章、设计，顺序决定一切。先自己动手做出来，再交给 AI 审阅。 顺序一旦颠倒，就会失去生成效应(自己动手做出来时记忆更强)带来的好处。
这是我写的[代码/设计/答案]：[粘贴]
1. 按"致命问题 → 可改进之处 → 风格"的顺序分别给出审阅意见。
2. 每条意见都要从原理层面说明"为什么这是个问题"。
3. 不要直接给修改后的版本，只指出方向，让我自己去改。
第 3 条是关键。一旦拿到修改后的版本，学习就结束了，剩下的只是复制。
技法 8 — 模拟面试官
这是面试全攻略的 8 周计划中承诺过的提示词。
你是[公司类型]的资深面试官。请对[职位]岗位进行技术面试。
规则：
- 像真实面试一样，一次只问一个问题。对我的回答最多追问 2 次。
- 如果我回答得含糊，就要求给出具体的例子。
- 45 分钟(约 4~5 道题)后结束，并给出评分表：
问题解决 / 沟通表达 / 深度 / 协作信号，各满分 5 分，附评分依据。
- 最后指出我最应该优先补强的一件事。
一个人无法制造出的实战压力和即时反馈，可以无限重复地获得。行为面试用的故事库，也可以用同样的方式来彩排。
验证循环 — 不被幻觉吞掉
这是贯穿全部 8 种技法的安全装置。
- 要求给出出处："告诉我支持这个说法的官方文档或论文是什么。如果不确定，就说不确定。"
- 把事实和判断分开：版本号、API 签名、数值、引用必须和官方文档交叉核对。概念讲解和练习题生成相对是安全区域。
- 反向验证：重要内容不妨反问一句"刚才的解释里，最可能出错的是哪部分？"AI 往往能出乎意料地准确找出来。
- 不要输入个人信息或公司代码：即便是当作学习工具来用，输入的边界也要守住。
串成一条工作流 — 新技术 4 周学习示例
把 8 种技法按实际顺序编排起来，大致是这样。以 Kubernetes 入门为例。
- 第 1 周 — 地图与输入：让 AI 生成学习路线图(用技法 5 做水平诊断)→ 阅读官方文档和教程 → 每天结束前生成小测(技法 3)。
- 第 2 周 — 检索与实操：在 Kubernetes 实验场里动手操作 → 卡壳就用苏格拉底式导师(技法 1)→ 错题分析(技法 4)。
- 第 3 周 — 生成与审阅：自己动手搭一个小项目 → AI 审阅(技法 7)→ 对容易混淆的概念对做对照学习(技法 6)。
- 第 4 周 — 讲解与考核：用费曼角色扮演(技法 2)完整讲一遍 → 把学到的内容整理成博客(可见性！)→ 用模拟面试(技法 8)收尾。
阅读 → 检索 → 生成 → 讲解，构成一个循环，重点在于 AI 在每个阶段扮演的角色都不一样。AI 最强大的时候，不是作为答案卡，而是作为出题机器、考官、审阅者、面试官。
结语
布卢姆提出 2 西格玛问题至今已经 40 年，个人私教终于装进了每个人的口袋。但拥有私教和用好私教是两回事。好学生遇到好私教时发生的事 — 不断被追问、自己开口讲解、错误被精准诊断出来 — 用提示词把这一切重现出来，就是本文的全部内容。做接受提问的人，而不是接受答案的人。这才是 AI 时代实力真正积累起来的那一侧。
参考资料
현재 단락 (1/79)
1984 年，教育心理学家本杰明·布卢姆(Benjamin Bloom)发表了一项著名的观察：接受 1:1 私教辅导的学生，平均成绩比接受普通课堂教学的学生高出 **2 个标准差(2 西格玛)**。这...