如何用 AI 辅助学习
AI 能在几秒内补一个前置概念、换个例子，再检查答案。问题是，它解释得越顺，人越容易把“看懂了”误当成“会了”。
学习不是要把所有费劲的地方都消掉，而是把力气花在概念和练习上，不要浪费在找下一道题或适应五套符号上。
从一个具体缺口开始
“教我线性代数”给了 AI 太多说话空间。先挑一个目标，比如特征分解，再让它出几道短题，检查可能缺失的前置知识。
做题结果比问“你懂矩阵、行列式和基底吗”诚实。一旦找到第一个缺口，就停止诊断，直接处理它。测个没完也可能是在逃避正题。
只解释一步，下一步留给自己
让 AI 针对缺口解释。最好给一个完整例子，再留一道相近的题不做完。
重要定义和公式要回到教材、论文或官方资料核对。话说得顺不等于证据充分。AI 可以把几份资料换成同一套符号，但不能代替资料本身。
关掉答案，再讲一遍
读完以后把答案藏起来，凭记忆重建思路。Roediger 和 Karpicke 关于测试增强学习的研究说明，主动回忆通常比再读一遍更有效。
可以这样检查自己：
- 用自己的话讲清楚概念；
- 不看答案推导主要步骤；
- 改掉题目中的数字或假设，再做一次；
- 解释一个看似合理的错误答案为什么错。
如果目标是证明、计算或编程，只会复述结论还不够。
查看清晰大图对照深色的重复阅读组与浅色的回忆测验组：在这项短文学习实验中，五分钟后再测，复读更有利；两天或一周后再测，先做过无反馈回忆测验的人记得更多。纵轴是记住的内容单元比例，底部有断轴，误差线表示标准误。这为检查延迟回忆提供了依据，但实验没有检验 AI 辅导的效果。
只保存下一步，不保存整段聊天
学习记录不用很复杂。记下当前目标、已经确认的前置知识、一个还没解决的误解，以及下一道练习就够了。
current_target: eigendecomposition
confirmed:
- matrix multiplication
- basis and linear independence
open_gap: geometric meaning of an eigenspace
next_check: explain why Av stays on the line through v, and what the sign of λ changes
自己的解题过程和下一道题，通常比 AI 的整段独白更有用。
三种常见失败
清楚的解释会制造理解感。Rozenblit 和 Keil 发现，人们往往要到亲自解释一个机制时，才意识到自己没有想象中懂得那么多。AI 总能再写一段流畅文字，这让误判更容易发生。
AI 也可能包办所有真正有用的工作。如果证明、推导和代码都由它完成，最后也许得到一份漂亮笔记，却没学会多少东西。索要完整答案之前，先要一个提示、反例或下一道问题。
最后，第一步答错会让后面的内容全建在错地基上。专业结论要绑定来源，重要公式要独立检查。资料互相冲突时，把分歧留下来，不要让 AI 揉成一个自信但虚假的答案。
分工保持简单
让 AI 负责出题、转换符号、找资料和快速反馈。回忆、推导、判断与最后的解释，留给自己。