科研与学习

大部分时候关注全局与整体，少部分时候深入熟悉重点与细节，并知道什么时候应当检验它们。学习先把握一个领域的问题、概念与关系，形成整体感，再按需要深入局部。优先学「最泛」的东西，也就是能够跨具体任务使用的理解和方法。

设计就是一个例子：判断要做什么、为什么做、怎样组织整体，以及什么结果才算合适。AI 承担实现后，人可以把主要学习精力放在这些问题上。设计两次甚至多次，是提出和比较不同方案，必要时重新考虑问题、前提和评价标准。更进一步，连组织实践与反思的框架本身也可以改变；这就是这里所说的在当前双环之外推理。

先分清想怎样学习

理论与实践相互支持；除非当前做的是纯理论研究，否则优先从实践进入。先看想完成什么：就业需要哪些能力，项目要解决什么问题，作业要求解释或做出什么，再倒推需要的概念、原理和方法。

这是一种双向剪枝：一边用实际需求筛选理论的范围与深度，一边沿理论的依赖关系补足理解缺口。当前理论看不懂，就补让它变得可理解的基础，再回到原来的问题；理论也会帮助发现实践中的错误假设和不必要步骤。范围随真实困难调整。纯理论研究则可以沿自身的问题、概念与论证展开。

如果想自己给自己上大学，或补习重要领域的基础知识与实践知识，下面的五步就是一条系统学习路径：从兴趣草拟课程体系，准备课程、书籍、工具与环境，再写出理论和实践路径，开始实际学习。可以只补一个重要领域，也可以逐渐扩展成自己的课程体系。

另一个入口是从书籍或论文出发。直接靠这些材料熟悉陌生领域，往往更难组织：论文通常省略共同背景，一本书也可能预设其他学科的基础。模型可以帮助把缺失的知识关系补出来，但阅读目的决定需要补到多深。

这几个入口可以互相转入。读论文时发现基础缺口很大，可以返回课程；日常阅读遇到特别感兴趣的问题，也可以再深入。只有选择系统课程路径时，才需要先完成下面相应的材料、环境和路径准备；单篇阅读可以边读边准备。两个老师都能支持这些入口，按当前方便的方式选择老师即可。

参考材料与老师

无论是系统课程、一本书、单篇论文，还是沿多篇论文推进一个问题，都可以把原文和学习目的交给 Dot 或本地 Codex，让模型用 Teacher Skill 编写相互连接的参考材料，再由老师带着读、讲解和讨论。写材料与使用 Teacher 是这些学习入口通用的支持。

这里采用以母语文本和 AI 准备材料为入口的自学路径，不安排观看或收听原课。在系统课程路径中，先读已选课程采用的主教材、章节或论文的母语版本或译文，再使用该课的 AI 预备文件。本来就是母语的书可以直接读；外语来源先由模型翻译。原作者的文本及其忠实译文，与 AI 编写的解释、指南和练习，各有不同作用，具体顺序见材料的阅读优先级。

根据学习对象，可以采用下面两份或三份材料的安排。模型解释概念与关系，保留原始章节、讲次、页码或论文段落，加入例子与必要图示，并连接已有理解、兴趣和实际问题：

材料围绕同一个学习对象组织：一篇论文可以有自己的两份或三份参考材料，一组共同回答一个问题的论文也可以合用一套，按需要保留各篇的对应位置。总的学习路径负责跨课程选择，具体指南负责理解眼前的书、论文或问题；原文与模型解释保留各自身份。

准备深度跟着目的走。系统课程可以先备好整套资料再开始；单篇阅读和论文学习可以先写当前需要的材料，遇到基础缺口，再把补读论文的知识与关系写回术语表和指南。日常学习也可以使用同样的安排，重点展开重要抽象、结论和例子，按需准备少量理解检查。

选择一个方便使用的老师

两者共享教学方法，可以从当前方便的入口开始。直接说「带我读这篇论文」「解释这个概念与我原来理解的关系」或「帮我讨论这个研究想法」即可。老师也可以调用下面的学科资料与科研方法；下载、安装、连接和具体选用交给模型。通用工具与文件安排见工具使用。

一、上电子自学大学

为自己组织系统的基础知识与实践知识学习，按下面五步准备和展开。步骤之间可以返回调整，理论与实践在准备完成后相互推进。

1. 从兴趣草拟课程体系

探索兴趣，比较培养方案

从一个感兴趣的方向开始，例如「人因」。和 AI 聊聊自己更想理解人的认知、人与机器的配合，还是产品和工作环境的设计，用具体问题逐渐明确方向。

让 AI 搜索国内哪些学校在相关方向上比较有积累，查找近几年的硕士培养方案和相应招生专业的考研参考书目。人因相关内容也可能以工效学、工程心理学、人机交互等名称出现，应结合实际研究团队和课程判断。提取课程、主要内容、先修要求与书籍，保留学校、院系、年份和原始链接。

如果不同学校分别偏工程、心理或设计，或者设在计算机、心理、人工智能、设计等不同院系，就选几份有代表性的方案，让 AI 解释它们各自关注什么问题、重视哪些知识与方法。

以一个方案为主，草拟课程体系

让 AI 根据你感兴趣的问题、对课程的反应和想做的事情，判断哪个方案最适合，并说明理由，供你选择或修正。以最感兴趣的方案为主，用其他方案查漏补缺：合并重复课程，补足基础与方法，安排先修顺序，区分核心课和按兴趣深入的课。先得到一套可调整的课程体系草案，每门课都能说明为什么学、与其他课有什么联系。

这时先有方向和课程草案。接下来取得材料、准备工具时，逐步记录哪些课程、书籍和实际能力能够相连，待它们落实后再整理成学习路径。准备中若发现课程不合兴趣、资料不合适或工具条件改变，可以返回换课、调整课程体系，甚至换一个更感兴趣的方向。

2. 把课程与书籍变成可读材料

找到对应资源，下载整理

拿着课程体系，主要寻找主题或课名对应的国外网课，并选择最新的可获得版本。核对课程大纲和授课年份；名称不同但内容相近时说明对应关系，只有旧版时注明版本。前一步取得的国内考研书目和培养方案用于选择、核对课程。选定自学课程后，沿该课的大纲、教材表和讲次安排取得它实际使用的主教材、章节与论文，并标明对应的单元。

让模型先找齐已选课程指定或实际使用的主教材、所需章节和论文，再下载相关讲义、课件、字幕／口述稿、作业与代码，按课程整理并检查完整性。网课在这里提供课程结构和材料来源，不作为本人需要听完的课程。只有取得必要的字幕或图示确实需要视频时，才由模型处理视频。模型无法完成的下载，列出材料、原始链接和原因，由本人手动补齐。目录中标明哪些已下载、哪些只有在线入口、哪些仍待补齐。

先翻译来源，再编写预备文件

这里的「原书、原论文」属于已经选好的那门自学课程：例如它使用的主教材、某一单元指定的章节，或课堂实际讨论的论文。先确认课程与材料的对应关系，再准备阅读版本；不为落实「原作优先」另找一套课外书目。课程未采用相应教材或论文时，就使用该课已有来源编写的 AI 预备文件。

材料的语言不适合直接阅读时，让模型先把要读的书、章节或论文完整翻译成母语；对这里的中文学习者，就是准备中文译文。保留章节、页码或段落对应，保留公式、图表、引文与参考文献，并核对术语和重要论述。已有合适的中文版本时可以直接采用，本来用中文写的书也直接阅读。翻译提供原作的可读版本，不用一份概述代替原书或原论文。

再根据这些来源，按前面的两份或三份材料安排编写术语表、主指南，以及需要的习题与实验。预备文件帮助理解结构、查清概念、补背景和选择练习；原作已有清楚展开时，指南指向对应章节并补充必要解释，不要求先读完指南才进入原作。

材料的阅读优先级

已选课程使用的主教材／章节／论文的母语版本或译文 → 该课 AI 生成的两三个预备文件 → 该课必要的讲义 → PPT → 口述稿。

这个顺序是选取阅读材料的优先级，不要求把每一层都读完。该课采用的主教材或论文足够时，就以它为主；课程没有采用相应原作时，从该课已有的 AI 预备文件进入。讲义、PPT 和口述稿作为后备来源，由模型翻译、整理后按需呈现，不另行安排阅读整套未经处理的课程材料。课程或单元的简短总览可以保留，用来定位正在学什么，但不替代主要文本，也不把读者重新引回听课顺序。

检查预备文件与阅读入口

检查原作或译文、两三个预备文件是否可以打开，是否互相链接到对应位置。需要训练材料时，可以先按课程整体范围准备题目、解答与评估依据，核对答案并把题目和解答分开保存，供实际学习时选择。这条系统课程路径先准备资料、环境和学习路径，再开始阅读与练习；其他阅读入口可以边读边补材料。

3. 准备实践工具与环境

材料与笔记准备好以后，让模型根据课程草案、已取得的资料和想发展的能力，把真正要用的环境接起来。软件可以先安装备用，也可以由模型辅助操作。是否安装、是否付费、是否能够使用，以及是否已经熟悉，是不同的判断。

先让模型查现有软件、插件与公开接口，选择能完成当前事情的组合，再用一个小的实际操作验证：能否读取材料、完成操作、保存结果、重新打开并继续。

使用付费工具时，先了解许可、订阅与功能限制；购买按本人实际授权执行。需要固定版本时，记录可用版本，关闭相应自动更新，并保留可恢复的安装材料。版本选择服务于实际兼容性与使用。

把准备中确认的工具能力、可用材料与操作入口留给下一步编写路径。开始实践以后，再把「这个工具适合做什么」「我怎样表达要求」「怎样判断结果」「还想熟悉什么」补回实践路径。软件清单和安装记录可以由模型维护，给人阅读的入口则应说明可做的事情、与课程的关系和如何开始。模型读取的协作描述与个人材料可以支持这种安排；给人阅读的路径说明可做的事情，个人记录保留在私人位置。

4. 写出理论与实践学习路径

材料和实践环境已经准备好后，让模型把准备中逐步形成的对应关系整理成两条可用的路径。理论路径应指向实际取得的课程、书籍、笔记与章节；实践路径应指向实际可用的工具、素材、操作入口，以及要发展的能力。准备前的课程草案提供方向，这一步才有充分依据把两条路径写具体。

理论路径按知识组织，实践路径按能力与工具组织。同一门课通常既有理论也有实践，但两种组织方式回答不同的问题。课程能帮助理解概念、原理和方法；实践发展设计、分析与制作能力。实践遇到的困难又会指出哪些理论值得回去深学。

实践路径写成能力与工具大纲。例如设计可以区分纸上草图、视觉表达、信息与交互结构、原型、动效、平台差异和设计交付；统计可以区分数据整理、图表、模型选择、解释与复核。它们是能力范围，具体用什么作品、数据或任务来练习，留给实际学习时选择。

如果目的是就业，让模型查阅真实岗位要求与工作材料，区分共同基础、专项分支、资历条件和可选工具；如果目的是兴趣、创作或研究，则根据相应的作品、问题和方法选择。

原有课程适合时可以保留，只补上实践路径及其与课程的对应关系。路径帮助选择与接续。核对两条路径能否带到相应材料和可用环境；缺口回到前面的准备环节补齐，随后再开始阅读与实践。实际学习中的新兴趣和困难，也可以使路径及准备工作重新调整。

5. 阅读、实践与重点检验

完成材料、环境和路径准备后，再进入实际学习。准备阶段由模型整理和核对资料、测试工具。都准备好以后，心情好、想学的时候再打开。

按前面的通用老师入口选择当前方便使用的老师，接着从准备好的材料开始。

从眼前的问题读起

按材料的阅读优先级，先打开已选课程当前单元使用的主教材、章节、论文或中文译文。可以先看单元的简短总览定位内容，再沿作者的展开阅读。术语陌生、背景不足或论证难懂时，使用预备文件中的术语表与主指南，再回到原作的对应段落；该课没有采用相应原作时，以该课的 AI 主指南为入口。需要核对译文、推导或证据时，由模型返回标出的原文位置检查并修正材料。

用图示看见关系，用讨论说出自己的理解与疑问；让老师连接新旧知识、比较解释，展开尚未说清的部分，再检查它有没有理解错。保存的笔记和当前讲解可以互相修订：有用的例子、解释与新问题写回原来的材料。

从实践倒推理论，再回到实践

选择实践大纲中当前需要的能力，由老师结合实际对象写出具体要做什么、比较什么、怎样检查结果。例如，先比较一个界面的转场，遇到「为什么这个响应让人难以判断状态」的问题，再进入动效、反馈或知觉的相关理论；需要解释一组数据时，再选择适合的统计模型及其条件。理论看不懂，继续补它真正依赖的基础，理解后带回原来的设计或分析中使用。

路径提供大纲；具体任务、理论补读位置和返回实践的问题在这次活动中安排，先后次序由实际知识依赖决定。练习对象随当前需要选择和更换。需要的理论可能很少，也可能值得深入，深度由问题和理解缺口决定。

熟悉工具既包括知道它能做什么、文件与操作如何组织，也包括判断何时用它、怎样表达意图、怎样检查结果。模型可以承担复杂界面的操作、代码和重复制作；人可以通过纸上草图、照片、口述、比较和修订参与。若想培养自己的手绘或直接操作能力，就保留相应的亲手尝试；若岗位或考试要求本人操作，也要按那个要求检验。评估时说明本人完成的部分与模型提供的帮助。

什么时候需要检验重点与细节

当一个细节可能改变整体判断、结果与预期不符、理解出现矛盾，或准备把方法用到新情境时，就回到相关概念、条件与证据。先和老师判断究竟卡在哪里，再用例子、反例、推演或实验检查。例如，从相关关系走向因果解释时，需要弄清多加了什么假设，以及证据是否支持它。

实际练习应删去预备材料中的大部分，只留下当前真正必要的极少数关键点。对这些点，增加图示、具体例子和小步练习，必要时反复做、换情境再检验，直到足以支持眼前的理解与判断，然后返回整体。未选中的材料仍可保留，遗忘或以后需要时再取用。

练习帮助形成理解；测试提供表现证据；评估则据此决定哪里还需改进。解释、回应反例和实际作品也能提供证据。判断个人理解时，要区分自己完成的部分和模型提供的帮助，通过解释、运用和修正来判断掌握程度。

科研还需要检验成果

学习可以为了兴趣和理解世界；科研则围绕尚未解决的问题形成可论证、可检验的成果，并在过程中继续学习。个人理解与研究成果的可靠性要分别判断。让模型回到原始来源核对引文与主张，检查论证前提、计算和代码，并用不同方法、反例或重现结果交叉核验。人需要看懂关键假设、证据与局限，判断成果是否回答了问题；发现知识缺口时，再回到相应课程。

二、沿论文学习陌生领域知识

看不懂时，沿参考文献找到可以理解的起点

先选一篇与自己问题有关的目标论文，让模型说明它研究什么、贡献是什么，以及哪些概念或推理挡住了理解。如果缺的是背景知识，就让模型查看参考文献，反向查找解释这些概念、结果或方法的更基础论文。读过内容后，判断哪份材料能补上当前缺口；必要时用教材章节或综述搭桥。

从当前能够接上的材料开始，先理解它的问题、主要结论、适用条件，以及支撑结论的基本论证或证明。接着回到引用它的论文，说明刚补上的知识怎样支持下一步理解。仍然卡住，就继续向前找基础；已经足以理解当前环节，就向目标论文返回。模型可以把这条关系画出来，并保留原文位置，让你知道「为什么要读这一篇」「它补上了什么」。

这样逐点推进，直到理解最初的目标论文，再换一篇相关论文。相邻论文会带来新的概念、不同方法和对原结论的限制；对其中必要的新知识，重复这个过程。所谓把周围必要的新论文读懂，是围绕当前问题补齐关键依赖、代表性方法和重要争议，达到足以理解与比较的程度；新问题出现时再扩展。

从重要问题走向自己感兴趣的方法

也可以先让模型帮助评估目标论文及其相关研究方向的重要性与可做性：它解决的问题为什么值得关注，贡献相对已有工作在哪里，仍有什么没有解决；如果自己想参与，需要哪些知识、数据、设备、时间或合作条件。让判断对应论文、综述和实际资源，把已知事实与推测分开。

重要性和兴趣可以引导不同的阅读选择。某篇重要论文的问题值得理解，但它采用的方法不合兴趣，仍可先把握它的问题与贡献，再让模型找同一问题或相近问题的其他处理方式，比较不同方法看见了什么、付出了什么代价、又留下了什么。沿着这些关系，可以从一篇不太想深入的方法论文，走到使用自己喜欢的方法的论文；遇到基础缺口，再按前面的方式补读。

偏好的方法提供深入学习的动力，是否适合问题仍要看其假设、证据与结果。保留不合兴趣但会改变判断的重要工作。模型可以帮助检索、梳理关系、讲解和比较；如果进一步要提出研究主张、修改方法或检验成果，就要把学习推进到相关的关键证明、实验与反例。

三、日常学习

如果只是为了日常学习、扩大理解，读陌生领域的论文通常可以把目标放在有价值的重要抽象与最终结论上。让模型说明：论文把什么现象抽象成了什么对象和关系，这种抽象为什么有用，最后得到了什么结论，以及它与自己熟悉的事情怎样相连。

同时弄清它的关键条件、研究范围与局限；用一个具体例子和一个不适用的例子检查理解。可以略过不服务于当前目的的技术细节，但仍要分清作者的发现、模型的解释和自己产生的联想。此时达到的是对重要思想与结论的理解。

当某个抽象特别有启发，或准备据此做实际决定时，再深入对应的论证、证据与基础。日常阅读本身已经可以是完整的学习目的。

补充资源：学科参考与科研方法

下面的资源库可交给老师或模型按需阅读、选用。需要时，让模型下载并接入教学与研究环境：

前者补充学科理解，后者支持具体工作。老师按问题选择有用的部分。

补充资源：论文写作与发表

需要读论文、发展论证或准备投稿时，可以让老师或模型取用这些公开方法：

模型根据实际写作问题选取方法，并接通所需工具。