feynman-technique-enhanced

name	feynman-technique-enhanced
description	当需要彻底理解一个复杂概念，而不仅仅是记住它时

feynman-technique-enhanced

When to Use

当需要彻底理解一个复杂概念，而不仅仅是记住它时description

Core Logic

执行步骤

1. 选择目标概念

   • 输入：学习材料（书本、课程、文章等）。
   • 操作：从中提取一个你希望深入理解的具体概念、原理或流程。
   • 判断标准：概念界定清晰，范围适中（既非一个庞大领域，也非一个琐碎事实）。
   • 输出：一个明确的概念陈述。

2. 模拟教学讲解

   • 输入：步骤1选择的概念。
   • 操作：设想你正在向一个完全不懂该领域的聪明孩子（或朋友）解释这个概念。使用最简单的语言、类比和例子，口头或笔头进行解释。
   • 判断标准：讲解过程中，能发现自己在哪些地方会卡壳、使用晦涩术语或无法自圆其说。
   • 输出：一份模拟讲解的记录，以及一份“卡壳点/模糊点”清单。

3. 审查与回溯学习

   • 输入：步骤2输出的“卡壳点/模糊点”清单。
   • 操作：针对清单中的每一点，返回到原始学习材料，重新学习相关部分。查找其他资料（如不同作者的讲解、AI解释）以获得多角度理解。
   • 判断标准：对每个“卡壳点”都能找到至少一种清晰、准确的解释方式。
   • 输出：修补后的、更完整的概念理解。

4. 组织与简化表达

   • 输入：步骤3后更新的概念理解。
   • 操作：重新组织你的解释。使用更精炼的语言、更贴切的类比，并尝试用一幅图或一个极简的模型来概括核心思想。目标是让解释比步骤2时更简短、更有力。
   • 判断标准：能够用比最初少得多的语言，更深刻地阐明该概念。
   • 输出：一个简化后的、最终版本的概念解释（可文字、可图示）。

输出格式要求

引导用户完成一次费曼技巧练习，输出结构为：

1. 你选择的概念：[用户输入的概念]
2. 初次讲解的卡壳点：[列出用户可能遇到的1-3个难点]
3. 回溯学习建议：针对每个难点，提供1个可查询的关键词或思考方向。
4. 简化后的核心：提供一个简化解释的范例框架。

Metadata

属性	值
领域	学习与成长
类型	procedural (procedural)
置信度	95%
前置条件	有待理解的特定概念或知识点
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 > 系统性地反思你所学的写下来