夜雨聆风
曾柯雯:重庆高中生AI学习指南:第一条就是别用AI做题
事情是这样的。
我手上有一份材料，是重庆南开中学2024级毕业生写的「薪火集」 电子版，涵盖了语数外理化生政史地、强基计划、心态调整，基本上把高三能踩的坑全踩了一遍，然后认认真真地写下来告诉学弟学妹。（每年都在翻看，真的渡过了好多我无聊的晚自习时光 emmm）
今天看到上海的大学生总结了一份文档，很有趣，我想想能不能把二者的经验一起结合。
我听过一个这样的观点，现在的大学生生活费每月应该+150，专门供充值顶尖模型，其实高一高二的学生也可以有类似的做法，不用每天都用手机和 ai，但是一定要有这样的理念了。
这篇文章真正想聊的，是一套可以迁移到任何学科、任何考试、甚至任何学习场景的 AI 使用方法论。我会用高考的例子来讲，但你完全可以把它搬到考研、考公、职业技能学习，甚至学一门新乐器上。
底层逻辑是通用的。
好，开始。
1. 一个你必须理解的前提，AI 是镜子，不是老师
我见过太多同学用 AI 的方式是这样的，把题目拍照发过去，AI 给出答案，抄上，下一题。这不是学习，这是自杀。
L 同学有一个概念叫「原生思维」，借自生物学里的「原生生物」，最简单的真核生物，却是所有复杂生命的进化起点。映射到学习中，就是回归最基础的逻辑砖块，不带偏见地审视每一道题。
这个东西，其实有一个更广为人知的名字，叫第一性原理。
如果你让 AI 直接给答案，你的大脑就没有经历「从零搭建思维链条」的过程。你看似学了，实际上什么都没长出来。就像健身时让别人替你举杠铃，你的肌肉不会有任何变化。第一性原理要求你自己走完从公理到结论的每一步，AI 可以在你走偏时纠正方向，但不能替你走。
正确的姿态是什么？
AI 是一面镜子。 你先自己想，想到哪里卡住了，把你的思考过程喂给 AI，让它告诉你「你卡在哪里」「你的思维在哪个环节出了偏差」。这个过程中，思考是你的，AI 只负责照出你看不见的盲区。
这是整篇文章最重要的一句话，后面所有的方法和 Prompt 都建立在这个前提上。如果你跳过这一条，后面的东西对你没有任何用处。
2. Prompt 的本质，不是「咒语」，是你对自己问题的精确描述
很多人觉得写 Prompt 是一种玄学，好像存在某种神奇的咒语，念对了 AI 就能给出完美答案。
不是的。
Prompt 的本质，是你对自己当前处境的精确描述。你描述得越准确，AI 的回答就越有针对性。这跟你去看医生一个道理，你说「我不舒服」，医生只能让你做全套检查；你说「我左下腹吃完饭后隐痛，持续三天了，按压时加重」，医生马上就能缩小范围。
所以一个好的学习类 Prompt，核心结构永远是这四层：
第一层，我是谁。 你的学习阶段、目标、当前水平。这决定了 AI 回答的难度和深度。
第二层，我卡在哪。 不是「这道题我不会」，而是「这道题我做到第二步就不知道往哪走了」或者「我选了 B 但答案是 C，我不理解为什么 B 不对」。越具体越好。
第三层，我要什么。 你要的是完整解答？还是只要一个突破口的提示？还是要错误类型的诊断？还是要同类题的规律总结？这个必须明确说，否则 AI 会给你一堆你不需要的东西。
第四层，不要什么。 这一层很多人忽略，但极其重要。「不要给我完整答案」「不要泛泛而谈」「不要超出高中范围」「不要用我看不懂的术语」。限制条件越清晰，AI 的输出越精准。
我给你一个万能模板，你可以往任何学科里套：
我是一个正在准备 XX 考试的学生，目前在 XX 阶段。这道题/这个知识点，我的理解是 XX，但我在 XX 环节卡住了/做错了。请你帮我：1）诊断我的问题属于哪种类型；2）只给我思路提示而不是完整答案；3）告诉我以后遇到类似情况的判断规则。不要泛泛而谈，要具体到我这道题的情境。
这个模板的每一个元素都可以替换，但结构不变。它的底层逻辑是，让 AI 知道你的上下文，知道你卡在哪，知道你要什么程度的帮助，知道什么是你不需要的。
3. 七种可迁移的 AI 学习策略
接下来我要讲七种具体的 AI 使用策略。每一种都是从薪火集里那些同学的方法论中提炼出来的，再结合第一性原理和费曼学习法这两个经过验证的思维框架，抽象到「任何学科都能用」的层面。
你可以把它们理解为七种「和 AI 对话的姿势」，每种姿势解决一类不同的学习问题。
策略一，「白纸审题法」——对抗思维定势
这个策略来自 L 同学的「原生思维」。问题是什么？你做了太多题之后，会形成一种条件反射，看到某个题目特征就自动关联到某个解法。大多数时候这是好事，但偶尔题目做了一点小改变，你的条件反射就会把你带进沟里。L 同学的原话，「对情景做一点小小的改变是举手之劳，可对自己的偏见做出改变是难于上青天。」
AI 怎么帮你？当你做错一道题，而且你怀疑自己是被「经验」带偏的时候，用这个 Prompt：
这道题我做错了（附上题目和我的过程）。我怀疑自己是被之前做过的类似题「带偏」了。请你：1）找出这道题和我可能联想到的经典模型之间，那个「一点小改变」在哪里；2）这个改变为什么导致了完全不同的结果；3）如果我从零开始，只用最基本的原理一步步推，正确的思维链条是什么。
这个策略的可迁移性在哪？
不只是物理。英语阅读理解里，你看到一个选项觉得「对，我之前做过类似的题答案就是这种表述」，结果这次题目的侧重点变了。政治选择题里，你看到一个说法觉得「这个表述我见过，是对的」，结果它和材料的匹配方向不一样。甚至学编程的时候，你看到一个 bug 觉得「上次也是这个问题，改那个地方就行」，结果这次根因完全不同。
所有这些场景，底层问题都是一样的，你的经验在帮你走捷径，但这次捷径通向悬崖。AI 的价值是帮你「暂停条件反射」，回到第一性原理重新审视。
学习曲线和常见失败点： 这个策略最难的地方在于，你得先意识到自己「被带偏了」。很多时候你做错题根本不知道是因为思维定势，你只是觉得「粗心了」。建议的做法是，每次做错题先问自己一个问题，「我是不是在看到题目的瞬间就已经决定了解法？」如果是，大概率是思维定势在作祟。第一性原理的核心纪律就是，在动笔之前，强迫自己回到「这道题的已知条件是什么、适用的基本定律是什么」，而不是「这道题像我做过的哪道题」。
策略二，「反向教学法」——用费曼学习法让 AI 当你的学生
这个策略的理论根基是费曼学习法。理查德·费曼，诺贝尔物理学奖得主，他有一个著名的学习信条，如果你不能用简单的语言把一个概念解释给外行听，说明你自己还没真正理解它。
这个方法在没有 AI 的时代有一个巨大的执行障碍，你去哪里找一个「外行」来听你讲？你总不能每天拉着你妈听你讲电磁感应吧。
但AI 是一个永远不会不耐烦、永远可以扮演任何知识水平的「学生」。你可以让它装作完全不懂，然后你来教它。在你教的过程中，你会发现自己哪些地方其实是「背下来的」而不是「理解了的」，哪些环节你只能说「反正就是这样」而给不出「为什么」。
这些「给不出为什么」的地方，就是你知识体系里的空洞。
AI 怎么帮你？让它扮演一个好奇但无知的学生，不断追问你「为什么」：
接下来我要给你讲解「XX 知识点/概念」。请你扮演一个完全不懂这个领域的高中生，在我讲解的过程中：1）对每一个我没有解释清楚的术语追问「这是什么意思」；2）对每一个我跳过的逻辑环节追问「为什么是这样而不是那样」；3）如果我的解释有事实性错误，不要直接纠正，而是用反问的方式引导我发现（比如「但是如果按你说的，那 XX 情况怎么解释？」）；4）最后给我打分，告诉我哪些地方讲得清楚，哪些地方你「听完还是不懂」。
还有一个进阶用法。当你觉得自己已经理解了一个概念，让 AI 从第一性原理的角度来「刁难」你：
我刚才给你讲了 XX 概念。现在请你扮演一个苏格拉底式的提问者，用「连续追问为什么」的方式，把我的解释一层层往下剥，直到剥到最底层的公理或事实为止。如果我在某一层答不上来了，告诉我「你的理解到这一层就断了」，并提示我应该去补哪块基础知识。
这就是费曼学习法和第一性原理的结合，你通过教别人来暴露自己的理解断层，然后用「连续追问为什么」来定位断层的精确位置。
学习曲线和常见失败点：如果你发现自己离开术语就讲不清楚了，说明你只是记住了名词，没有理解名词背后的东西。另一个坑是「AI 太客气」，有些模型默认会夸你讲得好。所以 Prompt 里一定要明确说「不要客气，要严格追问」。
策略三，「错误模式诊断法」——从单道错题到系统性认知
这个策略来自薪火集 Q&A 里多位同学关于错题整理的讨论。
L 同学说，「每类错题积累一个就够了，不要每道题都上错题本。」W 同学说，「好题比错题重要，思路比答案重要，经验比过程重要。」Y 同学说，「同类错题可以在旁边记一下重复错误次数，统计频率。」
这些话的共同指向是，错题的价值不在于「记录」，而在于「分类诊断」。你犯的错误是有模式的，找到模式比记住每道题重要一万倍。
AI 怎么帮你？把一段时间内的错题批量喂给 AI，让它帮你做模式识别：
这是我最近两周的 X 道错题（附上题目、我的过程和正确答案）。请帮我：1）按错误类型分类——概念理解偏差/方法选择错误/条件遗漏/计算失误/审题不清；2）找出其中属于「同一类」的错题，只保留最典型的一道作为代表；3）统计每种错误类型的频率，告诉我哪种错误是我最大的「出血点」；4）对频率最高的错误类型，分析它是「知识漏洞」还是「习惯问题」，并给出对应的解决方案。
这个策略的可迁移性在哪？
任何需要「从大量错误中提取规律」的场景。程序员 debug、设计师复盘被毙掉的方案、销售复盘丢掉的单子、运动员分析比赛录像里的失误。底层逻辑都是一样的，人类不擅长从大量数据中识别模式，AI 擅长。
学习曲线和常见失败点： 最常见的失败是「喂给 AI 的信息不够」。你不能只给题目和答案，必须给你的解题过程。因为 AI 需要看到你「在哪一步开始偏了」，才能判断错误类型。另一个坑是「分类太粗」，如果你只说「我算错了」，AI 没法帮你。你得具体到「我在第三步把 sin30°算成了根号3/2」，这样 AI 才能判断你是「三角函数值记混了」还是「抄错了上一步的结果」。
策略四，「因果链构建法」——把碎片知识串成网络
这个策略来自多个学科的共同规律。生物课代表说「前期记不住具体内容，高三一直刷题才记住」；地理的 W 同学强调「理解核心概念→搭建知识体系→理解性记忆→刷题」的层级；化学的 C 同学指出「很多时候自己以为的粗心，实际是知识缺乏或理解浮于表面」。
这些话指向同一个问题，孤立的知识点记不住，串成因果链条才能记住。
AI 怎么帮你？让它帮你把零散知识点串成「因为 A→所以 B→导致 C」的链条：
请帮我以「XX 概念」为核心，构建一条完整的因果链。要求：1）从最底层的原因出发，逐步推导到最终的现象/结论；2）每个环节之间用「因为→所以」的格式标注因果关系；3）标注每个环节中最容易考到的细节陷阱；4）如果某个环节被改变（比如条件变了），后续会怎么变化。
举个例子，生物里你可以说「以基因表达为核心，从 DNA 到蛋白质到性状」；地理里你可以说「以大气环流为核心，从太阳辐射到气压带到气候类型」；历史里你可以说「以中国近代化为核心，从洋务运动到新文化运动」；甚至学编程你可以说「以 HTTP 请求为核心，从用户点击到服务器响应到页面渲染」。
这个策略的可迁移性在哪？
任何知识体系都有因果结构。物理定律之间有因果，历史事件之间有因果，商业模式的各个环节之间有因果，甚至做菜的步骤之间都有因果（为什么要先热锅再放油？因为冷锅放油会粘锅）。AI 特别擅长帮你把这种隐含的因果关系显性化。
学习曲线和常见失败点： 最大的坑是「AI 给你的因果链你没有验证就直接背了」。AI 有时候会编造看似合理但实际不准确的因果关系，尤其是在历史和政治这种主观性较强的学科。正确做法是，AI 给你因果链之后，你拿着教材逐条验证，发现不对的地方追问 AI「你确定这个因果关系成立吗？依据是什么？」
策略五，「素材拼图法」——系统化你的表达弹药库
这个策略来自英语老师把续写比作「拼图」的比喻，以及多位同学强调的「按话题做主题积累」方法。
核心思想是，输出类任务（写作文、答主观题、做 presentation）的质量，取决于你手里有多少「预制模块」可以拼装。你不是从零开始写，而是从一个素材库里挑选合适的模块组合。
AI 怎么帮你？让它帮你系统化建立分类素材库：
请帮我建立一个「XX 场景」的素材库。要求：1）按 XX 维度分类（比如按情绪、按话题、按题型、按场景）；2）每个分类给出3个不同层次的表达（基础→中级→高级）；3）标注每个素材适用的具体场景和使用条件；4）给出2-3个「万能过渡句」，用于不同模块之间的衔接。
这不只是英语续写能用。语文作文可以按母题建立论据库，政治主观题可以按「材料关键词→答题术语」建立对应库，历史可以按时期建立「评价角度」库，甚至你做 PPT 汇报也可以按「开场方式」「过渡方式」「收尾方式」建立模块库。
这个策略的可迁移性在哪？
所有「输出型」任务都适用。写文章、做演讲、写代码（代码也有设计模式这种「预制模块」）、做设计（设计也有组件库）。本质上，专家和新手的区别之一，就是专家脑子里有一个庞大的、分类清晰的「模块库」，遇到问题能快速调取组合。AI 帮你加速建立这个库。
学习曲线和常见失败点： 最大的失败是「建了库但不用」。素材库建完之后必须反复使用才能内化。建议每周从库里抽取素材做一次限时写作练习，强迫自己调用这些模块。另一个坑是「库太大找不到」，所以分类维度一定要清晰，宁可多分几层也不要一个大杂烩。
策略六，「检查清单法」——把隐性经验变成显性流程
这个策略来自化学的 C 同学列举的那一长串细节陷阱（气体沉淀符号、反应条件、百分号有无、单位换算），以及物理 L 同学坦言自己「学习习惯极差，做题永远犯小错」的自我诊断。
很多丢分不是因为「不会」，而是因为「会但忘了检查」。这类错误的解决方案不是「下次注意」（这句话从来没用过），而是建立一份具体的检查清单，每次做完题逐条过一遍。
AI 怎么帮你？让它帮你把散落在各处的「注意事项」整合成一份可执行的清单：
请帮我整理「XX 题型/XX 场景」的考前检查清单。要求：1）列出最常见的5-8个丢分陷阱，按出现频率排序；2）每个陷阱用一句话描述「什么时候容易踩」和「怎么快速检查」；3）整份清单控制在30秒内能过完一遍的长度。
这个策略的可迁移性在哪？
AI 帮你把那些散落在脑子里的「我知道但经常忘」的东西，变成一份白纸黑字的流程。
学习曲线和常见失败点： 清单不是越长越好。如果你的清单有30条，你考试时根本不会看。控制在5-8条，只放「高频+高杀伤力」的陷阱。另外清单需要迭代，每次考试后根据实际丢分情况更新，删掉已经不再犯的，加入新发现的。
策略七，「角色扮演诊断法」——让 AI 模拟不同视角
这个策略来自政治学科 W 同学的「转身」做题法，以及 Y 同学的「框架与主体」分析法。
核心思想是，很多时候你做错题不是因为知识不够，而是因为你只从一个角度看问题。换一个角度，答案可能就出来了。
AI 怎么帮你？让它扮演不同的角色来审视同一个问题：
这道题/这个问题，我从 XX 角度分析了但觉得不对。请你分别从以下角度重新审视：1）如果你是出题人，你设计这道题想考什么知识点？2）如果你是一个完全不懂这个领域的人，你会怎么理解题目中的关键词？3）如果你是阅卷老师，你最看重答案中的哪个要素？
这个策略的可迁移性在哪？
本质上，这是在用 AI 弥补你「只有一个脑子」的局限。学习曲线和常见失败点： 最常见的失败是「角色设定太模糊」。你不能只说「从另一个角度看看」，你得指定具体是什么角色、什么立场、关注什么维度。角色越具体，AI 给出的视角越有价值。
4. 关于模型选择，说几句大实话
很多人问我「用哪个 AI 最好」，我的回答是，这个问题不重要。
2026年了，主流模型的能力差距在日常学习场景中已经没那么大了。DeepSeek、通义千问、Kimi，这些国内免费就能用的模型，处理高中到大学本科级别的学习问题绑绑有余。如果你遇到特别棘手的数学推理题，可以切到 DeepSeek 的深度思考模式，或者用 GPT 交叉验证一下。
但说真的，一个用 DeepSeek 但 Prompt 写得精准的学生，效果一定比一个用 GPT-5.5但只会说「帮我做这道题」的学生好十倍。
工具不重要，使用工具的方法才重要。（但优先使用顶尖大模型的思考模式）
5. 各学科的具体应用场景
上面七种策略是「道」，下面我给一些具体学科的「术」。但请注意，这些例子的价值不在于让你照抄 Prompt，而在于让你看到「七种策略在不同学科中是怎么变形的」。看完之后你应该能自己针对任何学科写出类似的 Prompt。
语文/语言类学科
L 同学高考语文137分，她的核心方法是「按题型分类整理、背诵答题思路、建立方法本」。AI 在这里的角色是加速分类和提炼：
这是我最近五次考试中阅读理解主观题的题目和标准答案。请帮我：1）按题型分类（赏析句子、分析形象、探究主旨等）；2）提炼每种题型的答题模板和必须覆盖的得分点；3）指出我的答案和标答之间的共性差距。
这是「素材拼图法」+「错误模式诊断法」的组合应用。
作文方面，AI 最大的价值是帮你做「审题训练」和「素材分类」。拿到作文题后先自己列提纲，再让 AI 生成3-5个不同角度的立意方向，对比你的思路看有没有盲区。这是「角色扮演诊断法」的变体。
数学/逻辑推理类学科
L 同学的核心理念是「弄懂」，不是会做这道题，而是真正理解为什么这样做。压轴题的难点往往不是计算，而是「第一步不知道往哪走」。
这道题我不是不会算，而是看到题目不知道从哪里入手。请你：1）只告诉我突破口在哪里，为什么要从这个方向想；2）这类题型的一般性思维起点是什么；3）给我一个「看到什么特征就往什么方向想」的判断规则。不要给完整解题过程。
注意最后那句「不要给完整解题过程」。这就是 Prompt 四层结构中「不要什么」那一层的威力。如果你不加这句，AI 会哗啦啦给你写一整页解答，你看完觉得「哦我懂了」，但其实你的大脑没有经历任何挣扎，下次遇到类似题你还是不会。
理科实验/实验设计类
生物实验设计题、物理实验题、化学实验方案，这类题的共同痛点是「知道要控制变量但不知道具体怎么设计」。用「检查清单法」：
这道实验设计题要求验证 XX。请给我一个实验设计的标准检查清单：自变量是否明确→因变量如何测量→无关变量是否控制→对照组是否完整→是否有重复实验→结论表述是否严谨。然后用这个清单检查我的方案（附上），指出哪些地方不够严谨。
文科主观题/论述类
政治、历史的主观题，核心难点是「知道知识点但不知道怎么和材料对接」。Y 同学的「框架与主体」法本质上是一种「多维度检索」——先确定材料涉及哪个主体，再从框架中调取对应知识点。
这道主观题我按 XX 角度答了，但标答是从 YY 角度切入的。请你：1）解释材料中哪些关键词指向 YY 角度；2）教我一个判断「该从哪个角度切入」的快速方法；3）如果题目没有指定角度，我应该如何判断命题意图。
这是「角色扮演诊断法」和「白纸审题法」的组合。你的「偏见」是默认从自己熟悉的角度切入，AI 帮你看到材料本身在指向哪个方向。
英语/外语类
薪火集英语篇提出了「词汇分层」的概念——分为「阅读词汇」（认识就行）和「写作词汇」（要能用出来）。这个分层思想本身就是可迁移的，学任何语言都适用。
这是我最近积累的30个生词。请帮我分类：1）「输出词汇」——我可以在写作/口语中主动使用的，标注最地道的搭配和例句；2）「输入词汇」——阅读/听力中需要认识但不适合主动使用的，只标注核心含义；3）「可忽略词汇」——太偏僻、考试几乎不会考的。另外找出其中可以用词根词缀串联的词组。
6. 强基计划/升学规划/面试准备
这块单独拿出来说，因为它和学科学习的逻辑完全不同。学科学习是「提升能力」，升学规划是「信息整合+策略推演+模拟训练」。
AI 在这里的价值是巨大的，因为升学规划本质上是一个信息不对称的游戏。新火机2里清华未央书院的同学分享了一个关键信息——「未央的衔接方向是按志愿录取，不是平行志愿！」这种信息差，可能直接决定你的录取结果。
AI 怎么帮你？
信息整合： 让 AI 帮你把散落在各处的招生政策、分数线、录取规则整合成一份结构化的决策文档，当然我建议你最好人工找出来这些资料，然后让 ai 分析梳理，适当避免一些幻觉。
策略推演： 把你的成绩、排名、目标院校喂给 AI，让它帮你做不同场景下的推演。「如果我排名前15%，第一志愿填热门方向，落选后会怎样？」
面试准备： 同学的经验是「在自我介绍中加入你熟悉的专业知识，引导考官往你准备好的方向提问」。让 AI 帮你预测考官可能的追问方向，并准备好回答。
但这里有一个巨大的红线，AI 给你的信息必须交叉验证。招生政策、分数线这些东西，AI 可能给你过时的或者不准确的数据。永远以官方发布为准，AI 只是帮你整理和分析，不是信息源。
7. 错题系统的正确打开方式
这块我想多说几句，因为我觉得大多数人的错题本都是在浪费时间。
L 同学的话一针见血，「错题本不是堆积同质化类型题目和你低级错误的地方。」W 同学更直接，「思路比答案重要，经验比过程重要。思路和经验可以用两句话解决。」
传统错题本的问题在于，你花了大量时间抄题、抄答案、抄解析，但这些机械劳动本身不产生任何学习效果。真正有价值的环节是「诊断错误类型」和「提炼一句话经验」，而这恰恰是 AI 最擅长的。
我建议的错题流程是这样的：
第一步，做错题后立刻（「马上整理，不然过几个小时就忘了」）把题目、你的过程和正确答案拍照/录入。
第二步，用「错误模式诊断法」让 AI 判断错误类型。
第三步，让 AI 给出「一句话经验」——你可以写在错题本上的那种，比如「看到含参讨论→先画图判断参数范围再分类」。
第四步，每周让 AI 统计你的错误频率分布，找出「出血点」。
第五步，考前让 AI 根据你的错误频率生成一份「10条考场提醒」，30秒能过完。
这个流程把「机械抄写」的时间压缩到接近零，把精力全部集中在「诊断」和「提炼」上。
8. 红线，什么时候不该用 AI
说完怎么用，必须说说什么时候不该用。
不要用 AI 跳过思考。 如果一道题你还没有自己想过就直接问 AI，那 AI 给你的答案对你没有任何价值。必须先自己想，想到卡住了再问。这个「卡住」的体验本身就是学习。
不要完全信任 AI 的事实性输出。 大模型会编造看似合理的错误信息，尤其是具体的数据、年份、化学方程式配平、历史事件细节。遇到 AI 给出的事实性信息，永远交叉验证。
不要让 AI 替代你的记忆过程。 AI 帮你整理了知识框架，但你还是得自己背。AI 帮你分类了错题，但你还是得自己复习。工具能帮你提高效率，但不能帮你把知识装进脑子。
不要在考前临时抱佛脚式地用 AI。 Q&A 里 Z 同学说「大考如周练」，AI 使用也是一样。平时就养成习惯，让它成为你学习流程的自然组成部分，而不是考前突击的工具。
Z 同学的话我觉得是对 AI 辅助学习最好的总结，「当你把分数的提高简单和刷题数量挂钩的时候，你的认知就已经存在误区了。做题只是一方面，思考总结归纳才是提分的真正要领。」
AI 的价值，就是帮你从「刷题」升级为「思考总结归纳」。它不是帮你多做题，而是帮你从每道题中提取更多价值。
9. 最后聊聊心态
薪火集里有一个反复出现的主题，高三是一段极其考验心态的旅程。J 同学在阳台上看北斗七星缓解压力，W 同学在死胡同里学会转身，L 同学坦言「高一高二每两次大考物理必错一次第一题」却从未放弃改良习惯。
AI 不能替你承受这些压力。但它可以做到一件事，让你在有限的精力中，把更多时间留给真正需要深度思考的部分，而把机械性劳动交给工具。
这篇文章里的七种策略，没有一种是只能用在高考上的。它们的底层逻辑是，用 AI 帮你更快地认识自己的认知盲区，更系统地组织你的知识，更精准地诊断你的问题。第一性原理教你回到最基本的事实重新推导，费曼学习法教你通过输出来检验理解的深度，而 AI 是让这两种思维方式可以随时随地、低成本执行的工具。
AI 只是让这个过程快了一点。
但走路的，永远是你自己。
W 同学在前言里引用了聂鲁达的诗。我也借用一下作为结尾
「愿我们的忧愁将会崩解，灵魂将会穿梭如风。」
前人的经验是火种，AI 是让火种更快燃起的助燃剂，而真正的火焰，永远来自你自己内心的热望与坚持。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章，我们，下次再见。
本文方法论提炼自重庆南开中学2024级「薪火集」（68篇文章、39位 Q&A 参与者的实战经验），结合第一性原理与费曼学习法的思维框架及 AI 辅助学习实践。感谢所有无私分享经验的同学。文中的七种 AI 学习策略具有完全的可迁移性，适用于任何学科、任何考试、任何学习场景。