夜雨聆风在2026年AI技术成熟后，受推特博主学习理念启发，我结合Claude Code搭建了一套轻量化AI学习系统。
经过两周从零学习维特根斯坦哲学的实测，学习效率显著提升，知识掌握扎实度远超传统自学，足以超过绝大多数同龄人。
传统学习与AI问答存在明显缺陷：看书易产生“看懂了”的错觉，主动问AI又受自身认知边界限制，无法触及未知盲区。而知枢的核心逻辑只有一个：让AI生成内容、主动提问、追踪知识网络，倒逼自己真正理解，而非虚假掌握。整套系统无需复杂开发，没有后端、数据库和前端，仅用Markdown与JSON文件即可运行，可直接导入任意支持技能的AI代理使用。
系统采用五阶段闭环学习流程：诊断→文档生成→提问验证→练习→总结，所有学习记录持久化保存，换设备、新开对话均可无缝续学。
诊断阶段通过渐进式问题探测基础水平，精准定位知识起点，避免难度不适造成低效或挫败。文档生成围绕单个核心知识点，产出500–1000字结构化内容，优先补齐薄弱前置知识，再推进新内容，同时根据个人学习习惯调整表达方式。
提问验证是关键环节，AI反向提问，要求用自己的语言解释或举例，并根据回答质量进行深度追问，配合开放讨论窗口，鼓励延伸思考，自然暴露“不知道自己不知道”的盲区。练习阶段根据知识类型设计场景应用、对比分析等习题，难度动态调整，让知识从“看懂”变为“会用”。最后总结更新知识掌握程度与个人学习画像，依据遗忘曲线规律自动安排复习，防止知识遗忘。
系统由两大核心数据结构支撑：知识图谱记录每个知识点的状态、掌握度与关联关系，掌握度随时间衰减，自动触发巩固；学习画像追踪思维偏好、优缺点，动态优化教学方式，不随意贴标签。
技术实现上采用分段加载逻辑，主文件控制流程，各模块按需调用，节省AI上下文空间。学习数据以文件形式存储，可使用Git管理版本，清晰记录学习成长轨迹。
知枢结构极简、效果极强，把学习模式从“被动阅读”转变为“输出—纠错—深化”的循环。它并非否定书籍，而是与阅读互补：AI精准攻坚，书籍拓宽视野。目前我依靠这套系统自学的比例已大幅提升，真正实现高效、深度、可持续的自主学习。
如果你也想突破学习瓶颈，不如试试让AI来考自己，用一套系统打通所有知识的学习路径。
