我不太想把 GPT-5.5 当成“万能老师”。
它更像学习助理：陪你读材料、整理笔记、追问盲点，把概念讲清楚。但学习最后还是要自己消化。
先定一个窄主题
很多人用 AI 学习，上来就把资料全丢给模型。我更愿意先定一个窄主题。
不是“学习 AI”，而是“用两周搞懂 RAG 基本流程”。主题越窄，越容易拆任务。
我会这样问：
我想在 14 天内入门 RAG，目标是看懂技术方案，并写一个简单 demo。请帮我拆成每天 60 分钟的学习计划。
然后删掉不现实的部分。AI 计划常常好看，但人的精力没那么满。
读材料前，先让它做问题清单
读书或长文时，我不会先让模型总结。太早看总结，容易误以为自己懂了。
我更喜欢让 GPT-5.5 先生成问题清单：
- 核心概念是什么？
- 哪些地方容易误解？
- 我该回答哪些问题，才能证明自己看懂？
这样读材料就不是“看完”，而是带着问题看。
笔记做成概念卡片
我会把笔记拆成概念卡片。每张只写一个概念：
- 它是什么
- 解决什么问题
- 一个具体例子
- 容易和什么混淆
比如“Prompt caching”这张卡片，可以写清楚它是什么、解决什么成本问题、适合什么场景、不能替代什么。
GPT-5.5 可以生成初版，但一定要自己改。改过一遍，才知道哪里没懂。
每学完一段，做一次反向讲解
判断自己有没有学会，最简单的方法是讲给别人听。没人听，也可以讲给 AI。
比如用自己的话解释 RAG，再让 GPT-5.5 指出哪里太粗、哪里可能误导初学者。它指出问题后，再重讲一遍，比背定义有效。
用错题本记录“我为什么没懂”
学习系统里要有错题本。但我不只记录正确答案，也记录自己错在哪里。
比如：我以为 JSON mode 能保证字段符合 schema，后来才知道它主要保证合法 JSON，不保证严格匹配 schema。
这种笔记记录的是误区，不只是知识点。以后复盘时，直接看误区，比重新翻资料快。
换几个模型解释同一个概念
有些概念，换个说法就懂了。
这时我会把同一个问题交给不同模型分别解释。比如 GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro Preview 各讲一版。
我是用 147AI 中转平台，把同一个问题同时发给 GPT、Claude、Gemini，对比它们的回答。
这个动作不是追新，而是比较解释方式。多试几次，就能找到适合自己的反馈方式。
但多模型回答不能直接当标准答案。学习时，还是要回到教材、论文、官方文档或老师给的资料。
每周复盘，而不是一直塞新资料
很多人的学习焦虑，来自一直收藏新资料。资料越多，越觉得自己没学完。
我会每周复盘一次，只问四个问题：
- 真正弄懂了什么？
- 哪些还只是“听过”？
- 哪个问题反复卡住？
- 下周删掉哪些任务？
学习计划不是越满越好，删掉不重要的任务，才能把重点学透。
最后
AI 最大的价值不是让你“看起来学了很多”，而是更快发现自己没懂哪里。承认没懂，再补上去，学习才真的发生。
