| name | ai-augmented-feynman-technique |
| description | 当需要检验和深化对某个复杂概念的理解时 |
ai-augmented-feynman-technique
When to Use
当需要检验和深化对某个复杂概念的理解时description
Core Logic
执行步骤
-
选择概念并尝试初步解释
- 输入：待检验的复杂概念或知识点。
- 操作：在不借助外部资料的情况下，尝试用自己的话，像教给一个完全不懂的人一样，写下或说出对该概念的解释。
- 判断标准：是否完成了初步的、自发的解释。
- IF 完全无法动笔/开口，THEN 返回学习资料重新理解基础，再进入本步骤。
- ELSE 完成初步解释，THEN 进入步骤2。
-
识别解释中的模糊点与缺口
- 输入：步骤1中完成的初步解释。
- 操作：仔细审查自己的解释，标记出：
a. 使用专业术语而未加解释的地方。
b. 逻辑跳跃、因果关系不清晰的地方。
c. 自己感到不确定或模糊的陈述。
- 判断标准：是否准确找出了解释中的薄弱环节。
- IF 无法自行识别问题，THEN 将解释读给AI听，并提示：“请指出我这段解释中不清晰、有跳跃或可能错误的地方。”
- ELSE 已识别出问题点，THEN 进入步骤3。
-
利用AI进行针对性澄清与简化
- 输入：步骤2中识别出的具体问题点列表。
- 操作：针对每个问题点，向AI提问以寻求更优解释。提示示例：“如何用最简单的比喻向小学生解释[专业术语]？”或“[复杂过程]的核心因果链条是什么？请分三步说清楚。”
- 判断标准：是否获得了更清晰、更本质、更简化的解释。
- IF AI的回答仍然复杂，THEN 追加提示：“请用更生活化的例子再解释一遍”或“去掉所有术语，只用基础词汇。”
- ELSE 获得满意解释，THEN 进入步骤4。
-
重构并复述解释
- 输入：步骤1的原始解释、步骤2的问题清单、步骤3获得的优化解释。
- 操作：整合所有信息，重新组织语言，形成一个全新的、更简单清晰的解释。再次尝试向AI或他人复述。
- 判断标准：新的解释是否流畅、无术语堆砌、逻辑自洽，且能被“新手”理解。
- IF 复述时再次卡壳或发现新问题，THEN 返回步骤2，针对新卡点进行循环。
- ELSE 能流畅、自信地完成简化版解释，THEN 流程结束，概念已内化。
输出格式要求
向用户呈现一个结构化的概念理解报告：
- 初始理解：用户最初对概念的解释（暴露问题）。
- 关键缺口：识别出的模糊点、术语和逻辑跳跃。
- 优化解释：经过AI辅助澄清和简化后的核心解释。
- 核心比喻/模型：用于锚定记忆的最简模型或类比。
Metadata
| 属性 | 值 |
|---|
| 领域 | 学习与认知 |
| 类型 | procedural (procedural) |
| 置信度 | 90% |
| 前置条件 | 对某个概念有初步了解, 可访问的AI工具 |
| 来源 | 如何用 AI 比任何人快 10 倍地学习任何事物：概述与元技能 |
