与学习有关的一切-v0.1

这个话题太大，展开下去会无穷无尽，v0.1 版本先挑三个问题来讨论：

1. 要重视基础知识的积累
2. 为何持续学习如此重要
3. 我该如何达到持续学习

缺乏基础知识的实践是危险的

最近，我在开发一个新项目，目标是将公司的物联网网关接入 Home Assistant 平台。这对我和公司来说都是全新的领域，同事们缺乏相关经验，我只能自己上网跟着文档进行实践。

起初，我打算从官方文档入手，但文档内容晦涩难懂。Home Assistant 平台涉及的概念和知识点繁多，我并不清楚自己需要掌握哪些知识才能实现目标，像是无头苍蝇一样四处摸索。这种状况持续了一周。 (4.21-4.25 事后发现是不符合学习的 85% 法则 ¹，所以比较痛苦)

本着「再发散下去五一就要到了」的心理，我开始进行 vibe-coding ² 了。于是五一前后共两周，我在 AI 编写的代码基础上，调试出了一个功能上基本可用的版本。此时大概 90% 的代码都是 AI 写的，我不过是协助 AI 进行测试、不断精细化项目需求的那个人。 (4.27-5.10 此时我作为代码产品经理的角色，已经是搞清楚需求实现的方向，但是代码至于我仍然是一个黑盒)

到了这周三，我终于是承认 vibe-coding 的产物我已经无法控制了，虽然功能是实现了，但其实有很多 BUG，只要稍微一用就能发现，但此时已经改不动了，因为 AI 的代码是我多次交流得出来的结果，估计每一次交流所产生的代码，都会在某种程度上引入一定程度的 BUG。

于是周三开始我从零开始编写这个项目。这一次，我惊喜地发现之前看不懂的文档知识点，现在大多都能理解。重写后，进度已达 80%，但代码量不到之前的 50%，结构也更加简洁更好维护。（5.12-5.16 此时，我已经有信心将设备完美接入 Home Assistant 了）

以上是我最近开发项目中的经历。我并非在检讨或后悔，若没有第二阶段放手让 AI 协助，我可能寸步难行。但我感到庆幸，也有些后怕，幸好项目并未紧急到让我在功能刚实现时就草率交付。坦白说，大规模 vibe-coding 导致的不可维护性还是出乎我的意料。

问题在于「AI 让我跳过了基础知识的积累，直接进入实践阶段」。我们往往因此轻易得到答案，可一旦问题稍有变化，答案就可能从正确变为大错特错。这种行为如同用竹竿撑起高楼，过于冒险，难以做到举一反三。

这也是我当天在课上想说，但没说清楚的。实践是学习的重要环节，早期实践能让人迅速利用知识达成目标，并加深理解。然而，我们必须意识到，这种实践的结果往往潜藏风险。我们还是要沿着走过来的路，将一路上的螺丝拧紧（那是或许是离题了，网上也有一些这方面的反思 ³）

为何持续学习如此重要

生活上

1. 丰富生活的感受：说来可能不信，当我第一次去现场听完交响乐并且将里面涉及到的乐器都了解的一番之后，我觉得我对以前所有听过的音乐都有更深刻的理解了 ⁴
2. 有助于维护健康：例如学习如何维持身心健康。
3. 结交更多朋友：有更多话题之类的。

事业上

1. 保持体面工作的竞争力：常听人提起「35 岁危机」，这往往是因为没有及时更新知识，导致技能落伍，最终在竞争中失利。持续学习让我们紧跟行业趋势，保持核心优势。这不仅是避免淘汰的防线，更是抓住新机遇、突破职业瓶颈的利器。总而言之，若前期积累无法在关键时刻转为通用能力，一旦环境稍变，便会暴露短板。
2. 拥有选择工作的主动权：知识越广、技能越精，我们在求职市场上就越有话语权，能挑选符合自身价值观和生活方式的职位，而非被动接受机会。这种主动权还体现在薪资谈判中，甚至为独立创业提供了底气和可能。

认识到自己并不会学习

先谈谈我的个人经历。我大学主修软件工程。在校期间，我常常轻视教授讲授的内容，认为许多知识早已过时，属于上世纪的陈旧理论。于是，我大多依靠网上资源自学，甚至自以为是地放弃了大多数同学和老师推荐的学习路径，选择了一条难度更高的道路。结果，毕业前找工作时，我不得不回归原先的路线，却发现自己已「跟不上进度」。

时间过得很快，转眼五年过去了。回想过去，我很惊讶地发现，大学时的学习效率远高于工作后，简直不是一个量级。如今科技发达，每个人都能轻易接触到知识，但我却觉得自己这几年总是停滞不前。这不禁让我陷入思考，也让我想起一个老生常谈与之同构的问题：「是该考研还是出来工作」。或许也是我心中一直存在的「背景板式」的疑问。

最终，我意识到一个看似显而易见的事实：我并不擅长学习。

究竟差别在哪里？(出题篇)

此时 MECE 法则可以用上

1. 时间与精力管理：大学期间拥有大块、连续的专属学习时间，精力充沛。而工作后时间高度碎片化，且常伴随工作疲劳。
2. 知识获取与信息环境：大学主要依赖体系化、精选的教材，学习内容相对聚焦。工作后信息来源广泛庞杂（网络、报告、博客等），时效性强但质量不一。
3. 理论与实践的结合：大学偏重理论学习，实践环节相对独立或滞后。工作后学习常由实际问题驱动，强调知识的快速应用，但也易忽视系统理论构建。
4. 学习环境与人际互动：大学有天然的学习社群、师生互动和同侪激励。工作后多为独立学习，需主动构建学习圈、寻求导师与反馈。

我的行为指南，以及接下来的步骤（答题篇）

1. 可以试试听书：现在的 AI 有声书已经很成熟了，例如微信阅读的就很棒。可以使用通勤时间、以及晚饭后的散步时间来听一些非专业类书籍。晚上睡觉前适合看人物传记方面的书籍。（对应时间管理）
2. 保证身心健康 ⁵：多吃蔬菜水果 ⁶、减少碳水摄入 ⁷⁸、多喝水 ⁹、饭后多走走 ⁷、适当运动 ⁹、多跟朋友聊天 ¹⁰、周末外出活动 ¹⁰、每天睡够 7 小时 ¹¹¹²。（其中最重要的是睡眠。对应精力管理）
3. 控制信息输入 ¹³: 短视频、微博、一期播客、一篇文章，应该减少这种短篇幅的信息载体的摄入 ¹⁴。看这些的时候要有科学思维，关注信源 ¹⁵。增加像是纪录片、书籍，其篇幅就注定了能够完整地将事情说清楚，基本上都是一种树状或者成体系的内容。如果可以的话，应当去看对应学科的大学教材。不过这个或许门槛有点过高。千万要小心的是不要被碎片化的信息占据了不是碎片化的时间。（对应信息环境，以及精力管理）
4. 记录工作上的每日一学：说是每日一学，但其实不一定是每日，而是说，有时候需要将工作上遇到的问题记录下来，等有空余时间了，见缝插针地把对应的不稳固的知识点上的螺丝给拧紧了（对应理论与实践的结合）
5. 关注对应的技术群体：例如我最近在做 Home Assistant 的接入，那么我就有在关注对应的社区在 Home Assistant 上有什么玩法，也可以在上面跟他们交流。（对应学习环境与人际互动）

Footnotes

1. 学习的 85% 法则 | 36氪 - 当 85% 的知识是会的，15% 是新东西的时候学习是最有效率的 ↩

2. Vibe coding | 维基百科，自由的百科全书 - 指不求甚解，依赖直觉或 AI 工具快速编码，以期尽快获得功能性结果的开发方式。 ↩

3. Avoiding Skill Atrophy in the Age of AI - 如何避免在 AI 时代技能退化。 ↩

4. 我为什么会喜欢一首歌 - 从「没有音乐细胞」到开始理解音乐的心路历程 ↩

5. 赛博电子人尝试找回现实感 - 如何恢复并保持身心健康 - 关于身心健康维护的个人实践总结 ↩

6. 《疯狂的尿酸》- 认识尿酸对健康的影响，不能喝饮料啦 ↩

7. 《控糖革命》- 了解糖分对身体的影响 ↩ ↩²

8. 《我们为什么会发胖？》- 探讨肥胖的成因，对于 IG 值的认识 ↩

9. Wellness | 椒盐豆豉 - 也有很多健康方面的借鉴信息，例如健身 Fasting 方面的建议 ↩ ↩²

10. How to Be Happy | LessWrong - 人是需要社交产生的催产素才能保持心理健康的 ↩ ↩²

11. 《我们为什么要睡觉？ 》 - 睡眠的重要性不妨多让 ↩

12. 褪黑素研究综述 - 关于褪黑素的作用，以及如何吃 ↩

13. Feed 内容阅读姿势 — 互联网尾气回收员的自救 - 反思信息摄取比例，让 Feed 阅读回归甜点而非主食 ↩

14. 拒看新闻的生活艺术 | Elizen ↩

15. 科学思维要点 | 汪诘 ↩