action-first-learning-loop

name	action-first-learning-loop
description	当陷入过度准备、信息过载（“教程地狱”），而迟迟无法开始时

action-first-learning-loop

When to Use

当陷入过度准备、信息过载（“教程地狱”），而迟迟无法开始时description

Core Logic

执行步骤

1. 最小化启动

   • 输入：基础知识和一个明确的启动行动（如“写第一篇文章”、“做第一次销售通话”）。
   • 操作：在认为自己“还没准备好”之前，立即执行这个最小化的启动行动。接受最初成果的粗糙和不完美。
   • 判断标准：行动已经发生，获得了第一次真实世界的反馈。
   • 输出：一次初步的行动尝试及其直接结果（可能是失败）。

2. 分析具体障碍

   • 输入：一次初步的行动尝试及其直接结果。
   • 操作：
     • IF 行动失败或结果远低于预期：THEN 冷静分析导致失败或效果不佳的具体、单一原因（例如，“不是时间不对，而是开场白没有引起兴趣”）。
     • ELSE (行动成功或符合预期)：THEN 记录成功因素，并扩大行动规模或复杂度，进入步骤4。
   • 判断标准：问题被定位到一个可解决的具体点上，而非模糊的“我做得不好”。
   • 输出：一个明确的、待解决的具体问题。

3. 针对性搜寻学习

   • 输入：一个明确的、待解决的具体问题。
   • 操作：以此具体问题为关键词，主动搜寻解决方案（如询问他人、搜索资料、查阅案例）。学习范围严格限定于此问题。
   • 判断标准：学习活动有明确的边界，旨在解决已遇到的具体障碍，而非泛泛学习。
   • 输出：一个或多个针对该问题的潜在解决方案。

4. 应用并迭代

   • 输入：一个或多个针对该问题的潜在解决方案。
   • 操作：将学到的方法应用于下一次行动尝试中。
   • 判断标准：新的尝试融合了上一次的教训和新学到的知识。
   • 输出：新一轮的行动尝试及其结果。随后，回到步骤2，形成“行动-失败/分析-学习-再行动”的循环。

输出格式要求

使用循环图展示“行动 → 结果分析 → 针对性学习 → 再行动”的闭环。提供一个“行动-学习日志”模板，包含“本次行动”、“遇到的问题”、“学到的对策”、“下次调整”等字段。

Metadata

属性	值
领域	学习与执行
类型	procedural (procedural)
置信度	90%
前置条件	已掌握某个领域的基础知识（参考“fundamentals-vs-tactics”模型）, 有一个明确的过程目标或启动行动（参考“process-oriented-goal-setting”模型）
来源	重获专注力的八个步骤 - 在行动中自我教育