reality-metabolism-loop

name	reality-metabolism-loop
description	当意识到所学知识与实践脱节，或学习效率低下、知识留存率差时

reality-metabolism-loop

When to Use

当意识到所学知识与实践脱节，或学习效率低下、知识留存率差时description

Core Logic

执行步骤

1. 摄入“现实”素材

   • 输入: 学习主题。
   • 操作: 主动寻找并接触与学习主题相关的、未经过度加工的“现实”素材。这包括真实项目、案例研究、原始数据、一线人员经验分享、失败记录等，而非仅阅读教科书或总结性文章。
   • 判断标准: 素材是否包含复杂性、不确定性或具体细节？是否反映了该主题在真实世界中的应用或挑战？
   • 输出: 一组“高现实浓度”的学习素材。

2. 进行认知加工

   • 输入: 步骤1获取的“现实”素材。
   • 操作: 对素材进行主动处理：尝试解决问题、分析案例成败原因、模仿实践、或基于素材进行微小创作。核心是“动手”和“动脑”，而不仅是“观看”或“阅读”。
   • 判断标准: 是否对素材提出了自己的问题或假设？是否产生了基于素材的衍生输出（如分析笔记、解决方案草图、模仿作品）？
   • 输出: 经过个人认知处理后的中间产物（理解、疑问、初步方案）。

3. 产出实践结果

   • 输入: 步骤2产生的认知加工产物。
   • 操作: 将你的理解、方案或模仿作品，转化为一个具体的、可展示的实践结果。它可以是一个可运行的程序片段、一份分析报告、一个原型、或一次模拟演示。
   • 判断标准: 产出物是否具体、可被他人感知？它是否直接应用或验证了从“现实”素材中提取的知识？
   • 输出: 一个具体的实践产出物。

4. 对比与代谢

   • 输入: 步骤3的实践产出物，以及步骤1的原始“现实”素材或更广泛的现实反馈（如同行评价、实际效果数据）。
   • 操作: 将你的实践产出与原始素材或真实世界的反馈进行对比。分析差距：哪里做对了？哪里理解有偏差？现实中有哪些因素被你忽略了？
   • 判断标准: 是否明确识别出至少一个认知偏差或知识漏洞？是否根据对比结果更新了对原有知识的理解？
   • 输出: 更新后的、更具现实适应性的认知模型，以及一份待深入学习的“知识漏洞”清单。
   • IF 对比发现重大认知偏差或知识不足 THEN 以更新后的认知模型和漏洞清单为新的“输入”，跳转至步骤1，寻找针对性更强的“现实”素材，开始新一轮循环。
   • ELSE (认知基本吻合，实践结果达标) THEN 当前学习循环结束，知识完成“代谢”和内化。

输出格式要求

向用户呈现一个动态的“代谢循环”状态图，包含：

1. 当前循环阶段：指明用户正处于“摄入”、“加工”、“产出”、“对比”中的哪一阶段。
2. 本阶段行动建议：基于当前阶段，给出一个具体的下一步行动指令。
3. 代谢成果：以清单形式展示在本循环或历史循环中已被“代谢”内化的关键知识点。
4. 待代谢清单：列出通过“对比”环节发现的、有待在下个循环中解决的知识漏洞或认知偏差。

Metadata

属性	值
领域	认知与学习科学
类型	procedural (procedural)
置信度	80%
前置条件	正在进行某种形式的学习或技能获取
来源	快速学习技能：如何应对学习初期的不知所措感