夜雨聆风一、逆向工程：让AI教你写提示词
1. 从结果反推过程
找到一篇你觉得写得极好的文章（或者任何文本）。
把全文复制给AI。
输入指令：“请扮演一名专业的提示词设计专家。请系统分析这篇文章的行文结构、语气节奏和逻辑展开。最后，请输出一个可直接复用的提示词模板，让我下次输入不同主题时，也能生成高度相似风格的内容。”
2. 提示词：让AI生成AI
直接告诉AI你的需求：“我想创建一个能模拟软件工程师技术面试的AI角色，需要包含自我介绍、技术提问、深度追问和反馈评估。请帮我写一段详细的系统提示词，规定它的行为模式和输出格式。”
二、框架式学习：先画地图，再赶路
1. 搭建知识骨架
打开AI，输入：“我想系统学习[领域名称]，请帮我完成这3件事：1. 列出该领域的15-20个核心概念；2. 用思维导图的形式梳理这些概念的关联；3. 制定一个从入门到精通的阶段学习路径。”
2. 递归式填补
输入：“我现在要深入学习‘记忆模型’这个知识点。请用苏格拉底式提问法，一步步引导我理解它的核心原理，并给我出两道结合实际生活的思考题。”
三、苏格拉底式私教：拒绝“饭来张口”
1. 费曼学习法升级版
输入：“我刚刚学习了‘熵增定律’，我的理解是……（输入你的理解）。请作为物理学教授，指出我理解中的偏差，并用一个通俗的比喻帮我修正。”
2. 递归追问
当AI解释完一个概念后，继续问：“为什么是这样？背后的底层逻辑是什么？”或者“能不能用一个5岁小孩都能听懂的例子再解释一遍？”
一直追问到那个让你“豁然开朗”的时刻。这就是利用AI进行“递归式知识填补”，直到你建立起对该领域的直觉。