ai-augmented-feynman-technique

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

1. 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。

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。

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。

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：

1. 初始理解：用户最初对概念的解释（暴露问题）。
2. 关键缺口：识别出的模糊点、术语和逻辑跳跃。
3. 优化解释：经过AI辅助澄清和简化后的核心解释。
4. 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