碎片时间+AI工具,65天通过CGFT全部7门考试,你也可以做得到!

在职考证，最折磨人的往往不是知识点太难，而是那个“不断崩塌的计划”。你一定也经历过这样的时刻：

兴致勃勃地买回全套教材，制定了完美的复习计划；然而，周一加班、周二聚会、周三疲惫……到了周四晚上，看着桌上还没翻开的《金融学基础》，你只能安慰自己：“明天一定补上。”

最后，flag倒了一地，报名费成了给协会交的“智商税”。

同样，我也是一个全职上班、白天完全无法学习的普通职场人，用65天拿下了CGFT全部7门考试。这不是什么天赋异禀，更不是励志鸡汤。这背后是一套被AI彻底重构过的“资源分配游戏”：

所以，我决定把真实的一面写下来：如何借助AI的力量，怎么做计划、怎么规划复习、怎么把答题正确率从25%提到80%——我只想把这套通关的作战地图，毫无保留地交到你手里，希望也能帮助到你。

PART 01

先说清楚我的处境

CGFT是什么：特许全球注册金融科技师（CHARTERED GLOBAL FINTECH），一级共7门考试：金融学基础、机器学习、Python、区块链、会计学决策、大数据技术、敏捷思维。

我的备考条件：

备考周期：65天

备考状态：全职上班，工作日白天基本没有学习时间

实际学习时长：工作日晚上60-90分钟，周末2.5-3小时

备考方式：以AI工具为助手，贯穿备考全程

这些条件摆出来，不是为了显示有多不容易，而是想让你明白：我们的处境是不是足够相似，这套方法对你适不适用。

如果你也是全职上班、靠碎片时间备考，那后面的内容，是专门写给你的。

PART 02

在开始之前：先搞清楚

这场考试的本质

很多人备考失败，不是因为不够努力，而是因为用了错误的策略打了一场本可以更轻松赢的仗。

在真正开始备考之前，我花了一天时间彻底研究清楚了CGFT一级的考试规则：

题型：全部是选择题和判断题，没有主观题，没有计算大题。

这意味着什么？意味着你不需要像备考注会那样做到"完全推导出答案"，你只需要做到"在四个选项里选出那个最对的"。这是完全不同的认知负荷。

分值：单科40分，7门总分280分，合格线168分，不设单科及格线。

换算一下：168除以280，等于60%。你只需要整体答对60%的题目，就能拿证。

说实话，看到这个数字的时候，我明显松了一口气。

这个数字彻底改变了我的备考策略。我不需要每一门都精通，我需要的是整体均衡地过线。某门课实在学不深，不要死磕，把时间匀给其他门；某门课学得好，适当多刷题拉高分数，给其他门留缓冲空间。

这是一场资源分配的游戏，而不是知识竞赛。

搞清楚这一点之后，后面所有的计划和策略才有了正确的起点。

PART 03

计划：让AI做你动态的项目经理

职场人备考，真正的敌人是什么？

不是知识量，不是难度，是放弃的那一刻。

就像文章开头的场景一样，太多人报了名、买了教材、制定了完美计划，然后在第二周的某个周四晚上加班到九点半回家，看着桌上的教材，觉得今天就算了，明天补上。然后明天又有事，后天又有事，计划开始崩塌，焦虑感越来越强，最后干脆不看了，等着下次重考。

这不是意志力的问题，这是计划设计的问题。

一个不能随着现实动态调整的计划，迟早会和现实产生矛盾，而每次矛盾都是一次放弃的机会。

我的解决方案是：把AI当成一个随时在线的"项目经理"，持续更新给它最真实的状态，让它帮我做动态调整。

第一步：把你的真实处境完整告诉AI

很多人和AI对话的第一句是："帮我制定一个CGFT备考计划。"

这个问题太模糊，AI给出的计划必然是通用的、脱离你实际情况的，基本没有执行价值。

正确的做法是把所有约束条件都说清楚。我当时告诉AI的信息包括：

考试基本信息：考试科目、题型、分值规则、考试日期

我的时间条件：工作日白天全职上班，工作日晚上60-90分钟，周末2.5-3小时，以及哪几天可以请假全天备考

当前学习进度：已有基础的科目、学了一半的科目、完全没开始的科目

把这些信息提供给AI之后，它给出的备考方案，精准度会完全不同。

AI给出的计划质量，100%取决于你提供的输入质量。这不是废话，这是很多人忽视的核心原则。

第二步：只分两个阶段，不要更多

我试过把备考分成"基础期、强化期、冲刺期"三个阶段，结果发现阶段越多，切换越生硬，执行越容易断。

最终我的复习只保留了两个阶段：

第一阶段：打通覆盖

目标是在考试前一段时间，让7门课全部完成至少一轮学习和一轮刷题。优先级排序是：先收尾还没学完的科目，再补刷还没刷题的科目，最后巩固已经刷过题的科目。这个阶段的心态是"宁可浅尝，不要空白"——哪怕某门课只有五分把握，也比完全没看强得多。

第二阶段：巩固稳定

这个阶段的核心原则只有一条：停止输入新知识，专注输出稳定性。不再学新内容，不再刷整套题库，只做三件事：错题复盘、高频考点再过一遍、保持做题手感。很多人考前越来越焦虑，拼命看新内容，反而把已经会的东西搞乱。考前最后阶段的核心不是输入，而是稳定。

两段划分的好处在于：你随时都知道自己处于哪个阶段，当天该做什么，做完就够了。这种清晰感，是坚持下去最重要的心理支撑。

第三步：计划必须能随时被推翻

这65天里，我的备考计划被推翻重来了不止5、6次。

最初制定的是42天计划，后来发现学习进度比预期慢，调整成了宽松一点的方案；后来又发现某几门课比想象中容易，时间可以匀给更难的科目；中途加了区块链这门科目，整体计划又重新调整；某一周因为工作临时加班密集，晚上根本无法学习，周末也被占掉了一天，计划再次推翻重来。

每一次推翻，我都做同一件事：把当前的真实进度、剩余天数、每门课的状态，重新告诉AI，让它基于最新情况重新规划接下来的安排。

这不是计划失败，这才是计划真正发挥价值的方式。

一个被执行的不完美计划，比一个没被执行的完美计划，强一百倍。

PART 04

规划：用AI建立真正有效的学习方式

计划解决的是"什么时候学"，规划解决的是"怎么学得进去、学得有效"。

这两件事看起来像一回事，实际上完全不同。我见过很多人时间管理得很好，每天雷打不动地坐在书桌前，但两个小时下来脑子里什么都没留下——因为他们只解决了"坐下来"的问题，没有解决"真正学进去"的问题。

我给AI分配了三个不同的学习角色，分别针对不同的学习场景。

角色一：分科助教——每门课建一个独立项目

我为7门科目分别建立了独立的AI对话项目，每个项目只用于这一门课的学习。

为什么要分开？因为不同科目的知识体系完全不同，混在一起问问题，AI的回答会缺乏针对性；而且分开之后，每个项目里积累的对话历史，本身就成了一份有价值的学习记录。

遇到看不懂的概念，直接粘贴进去问。

比如机器学习里第一次遇到"梯度下降"，教材的解释是一堆数学符号，我完全看不懂。我把那段文字截图上传给AI，问它："能不能用一个生活里的例子解释梯度下降是什么？"

AI给了我一个比喻：想象你被蒙着眼睛站在一座山上，想走到山谷最低点。你每次的策略是：感受脚下地面的坡度，朝坡度最陡的方向迈一步。每次迈步都根据当前的坡度重新判断方向，最终就能走到最低点。梯度下降就是这个过程——在损失函数的"地形"里，每次朝损失下降最快的方向走一小步，直到走到损失最小的位置。

这个解释我五秒钟就记住了，之后所有关于梯度下降的题目，我都能快速反应。

遇到做错的题，把题目和选项一起丢给AI分析。

我不只是让AI告诉我答案是什么，我让它告诉我：为什么这个选项是错的？出题人在哪个地方设了陷阱？这道题考的底层逻辑是什么？

这种追问方式，让每一道错题都变成了一次真正的学习，而不只是"知道了正确答案"。

给AI设定一个固定的助教人设。

我在每个科目的项目开始时都会先说一句话设定AI的角色：

你是我学习这门课的专属助教，你的风格是：把复杂概念讲得极其简单，用生活中的例子类比，当我遇到难点卡壳时给我拆解，而不是直接给我答案。

这个设定让AI的回答风格更贴合我的学习节奏。没有这个设定时，AI的回答往往是"正确但没用"——准确、完整，但读完之后感觉和教材说的一样，还是不懂。加上这个设定之后，同样的问题，它会先给你一个类比，再解释原理，完全不一样的感觉。

有几次学到一半实在提不起精神，AI用一种很平静但很有力量的方式帮我分析现在的进度，告诉我接下来最重要的几个点是什么，反而让我重新找到了方向。

角色二：刷题分析师——让刷题真正有效

刷题有两种刷法：一种是"刷完了"，一种是"刷懂了"。

大多数人刷的是前者——做完一套题，对一遍答案，错了的看一眼解析，然后翻篇。这种刷法效率极低，因为你只是在重复接触信息，而没有在建立判断逻辑。

我的做法是把历年真题和模拟题上传给AI，然后告诉它一个关键前提：

考试全是选择题和判断题，我的目标是总分过168合格线，不追求满分。复习重点是记住关键词、搞清楚判断逻辑，不需要钻研复杂计算和深层原理。请帮我分析这套题的出题规律：哪类是高频考点，哪类是陷阱题，判断题里有哪些容易翻车的表述方式。

基于这个分析，AI帮我为每门课整理出了一份"出题地图"：

金融学基础：高频考点集中在货币政策工具、利率理论、金融市场结构；陷阱多出现在概念相似词的混淆（比如"基础货币"和"货币供应量"）

机器学习：重点考查各类算法的适用场景和优缺点，陷阱在于"过拟合/欠拟合"、"监督学习/无监督学习"这类容易搞反方向的概念

区块链：考点高度集中，核心词反复出现（共识机制、智能合约、去中心化），但陷阱在于技术特性的绝对化表述

敏捷思维：考的是流程和原则，答案通常指向"迭代"、"协作"、"持续交付"这类过程性描述

有了这份出题地图，刷题就从"大海捞针"变成了"有的放矢"。

角色三：费曼导师——找到真正的漏洞

这是我认为整个备考过程中最有价值的一个用法，也是大多数人从未尝试过的学习方式。

在进入第二阶段备考之后，我开始用一种特殊的方式和AI对话——不是"问问题"，而是"模拟考"。

我会选一个自己以为已经掌握的知识点，然后问AI：

"如果我要把这个知识点教给一个完全没有基础的人，我需要真正搞懂哪些东西？"

这个问题会逼着我去检查：我以为自己懂的，是真的懂，还是只是记住了一个词、一句话？

很多时候，当我试图用最简单的语言解释一个概念，才发现我说不清楚——我知道那个词，但我不知道它背后的逻辑。这就是漏洞。

然后我会问AI第二个问题：

"如果我是这门课的出题老师，我会怎么出题，才能把只背了答案、但没有真正理解的人筛掉？"

这个问题让我站在出题人的角度思考：什么样的选项，才能让"背过"的人和"真正懂"的人给出不同的答案？

这两个问题合在一起，是我备考期间最有效的自我检测工具。把这两个问题想清楚之后，漏洞就全暴露了。剩下的时间只做一件事：补漏洞，不复习已经会的，只补不会的。

举个真实的例子。备考中期，我以为自己已经搞懂了"共识机制"——刷题时遇到相关选项，都能大概判断对错。于是我试着向AI解释：如果要把共识机制教给一个完全不懂区块链的人，我该怎么说？

我说了大概三句话，卡住了。

我知道"共识机制是让区块链上各节点达成一致的方法"，但我说不清楚：为什么需要这个机制？没有它会发生什么？PoW和PoS的本质区别在哪？

这就是我以为自己懂、但其实只是"记住了这个词"的漏洞。然后我让AI帮我把这几个问题从头拆解了一遍，再回去刷相关题目——那之后，区块链这门课就几乎没再错过共识机制相关的题。

PART 05

答题：如何在考场上把判断正确率

从25%提到80%

这是整篇文章最核心的部分，也是我认为对你最直接有用的内容。

为什么刷了很多题，进考场还是会卡壳？

我在备考期间想了很久这个问题，最后发现，根子上只有一个原因：刷题刷的是记忆，但考场上真正需要的是判断逻辑。

如果你见过这道题，记住了答案，你能答对。但考试里永远有你没见过的题——在这些题面前，如果你只有"记忆"这一个工具，你的胜率就是25%（四选一随机）。

我整理了一套通用答题方法，底层借鉴了穆勒五法——约翰·斯图尔特·穆勒在19世纪提出的归纳逻辑框架，核心是通过"求同、求异、共变、剩余"等方法，在有限信息中找出最可能正确的结论。

把这套逻辑框架用在选择题上，就变成了四个步骤：

识别陷阱 → 排除错误 → 对比剩余 → 匹配题干

掌握这四步，即使遇到从没见过的题，正确率也能从随机的25%稳定提升到60%-80%；对真正掌握的题，正确率接近100%。

第一步：识别陷阱

核心逻辑：在所有错误选项里，找到它们共同的特征——这些特征就是"一定错"的信号。看到这些信号，直接排除，不用过多思考。

三类最常见的陷阱：

陷阱一：绝对化表述

"必然"、"一定"、"所有"、"完全"、"唯一"、"任何情况下"——在经济、金融、技术类考试里，几乎不存在绝对成立的规律。看到这类词，警惕度直接拉满。

陷阱二：概念偷换

把两个相近但不同的概念混在一起，让你在似懂非懂之间选错。常见的混淆对有：

流动性 vs 流动比率

货币供应量 vs 货币需求量

监督学习 vs 强化学习

共识机制 vs 智能合约

遇到这类选项，第一反应是问自己：这两个词我分得清楚吗？分不清楚就先标记，不要贸然选。

陷阱三：反趋势表述

描述的方向和常识、或者和教材里的基本逻辑相反。这类陷阱往往做得很隐蔽，藏在一句听起来很专业的话里。

刷题案例（金融学基础）：

题目：下列关于央行货币政策中介指标的表述，错误的是（）。A. 货币政策的中介指标处于最终目标和操作指标之间B. 中介指标常用的是市场利率、货币供应量、信贷总量和汇率等C. 若货币供应量大于理想值，可能会出现通货膨胀D. 随着金融创新的发展，对货币供应量统计口径的界定愈发清晰，增强了其可测性

第一步扫视四个选项，D选项里出现了"愈发清晰"——这是一个反趋势陷阱。金融创新带来的是更多新型金融工具（数字货币、金融衍生品、各类理财产品），这些工具的出现恰恰让货币供应量的统计边界越来越模糊，而不是更清晰。

→ 第一步结束，D被标记为高度可疑，优先排查。

第二步：排除错误

核心逻辑：在剩余选项中，利用数字规律和题目结构特征，进一步缩小候选范围。

两个常用技巧：

技巧一：数字陷阱识别

当选项中出现具体数字，先问自己："这个数字是教材原文，还是编造的？"对于记不清楚的数字，不要凭感觉选，而是看其他选项有没有更确定的答案。

技巧二：剩余法

题目问"错误的是"，你对A、B、C都比较有把握它们是正确的描述，那D就是错误选项，不需要深入分析D本身的内容。

回到刚才那道金融学题：仔细读A、B、C三个选项，都是教材里的基础描述，逻辑清晰、表述规范、没有明显破绽。

→ 剩余法确认：唯一存在问题的只有D，答案选D。

第三步：对比剩余

核心逻辑：当排除之后还剩两个高度相似的选项，找出它们之间那个"不同的词"，那个词就是考点。把精力集中在那个词上，用最基本的学科逻辑判断哪边合理。

这一步适用于那些让你"感觉两个都对"的情况。这种感觉本身就是一个信号——说明出题人在这道题上设计了一个需要精确区分的考点。

刷题案例（机器学习）：

题目：下列关于过拟合的描述，正确的是（）。A. 过拟合模型在训练集上表现差，在测试集上表现好B. 过拟合模型在训练集上表现好，在测试集上表现差

两个选项的结构完全相同，唯一的区别是"训练集"和"测试集"的表现方向互换了。

求异法：圈出差异——差异词是"表现差/表现好"的方向。

现在不需要记忆"过拟合的定义是什么"，只需要想最基本的逻辑：过拟合的核心含义是"把训练数据里的噪声和细节都学进去了"，所以在训练集上它能答对几乎所有题（因为它把答案都背下来了），但换到从没见过的测试集，它反而乱了——因为它记的是噪声，不是规律。

这就像一个学生，备考的时候把历年真题都背了个遍，考试时原题一道不差，但只要换一道新题型，立刻懵掉。

→ 答案B。解题过程用的是逻辑，不是记忆。

刷题案例（大数据技术）：

题目：下列关于Hadoop和Spark的描述，正确的是（）。A. Spark的计算结果必须存入磁盘，处理速度与Hadoop相近B. Spark基于内存计算，在迭代计算场景下速度远快于Hadoop

第一步先看：A里有"必须"——绝对化陷阱。Spark的一个核心特性恰恰是尽量把中间计算结果保留在内存里，而不是写入磁盘。

A第一步就排除了，这道题实际上不需要到第三步。

→ 答案B。这个案例说明：四步法不是每道题都要走完全部四步，很多题在第一步就能解决。

第四步：匹配题干

核心逻辑：每个学科的正确答案都有自己固定的"气质"——把剩余选项和这个气质对比，匹配度最高的就是答案。

这一步是最需要积累的，但也是最有价值的——因为它让你建立的不是"这道题的答案是什么"，而是"这个学科的正确答案长什么样"。

各科目正确选项的画像：

金融学基础：正确选项通常表述严谨、有条件限定，措辞留有余地。比如"在一般情况下"、"通常认为"、"可能导致"。很少出现绝对化判断。

机器学习/大数据技术：正确选项往往包含不确定性词汇，比如"一般来说"、"通常"、"在大多数情况下"，因为这两个领域本身是概率性的，很少有放之四海而皆准的结论。

区块链：正确选项的关键词高度集中：去中心化、不可篡改（注意是"极难篡改"而非"绝对不能篡改"）、共识机制、点对点、智能合约自动执行。正确选项往往包含这些核心词，且不会对技术特性做绝对化断言。

Python：正确选项倾向于描述"工具的用途和特点"，而不是"工具的极限和边界"。Python的答案画像是开放、灵活、适用广泛——凡是说Python"只能用于某一场景"的选项，大概率是错的。

敏捷思维：正确选项倾向于描述"过程"而非"结果"，强调"迭代"、"协作"、"持续交付"、"响应变化"。凡是把敏捷描述成"一种一次性规划好所有事情的方法"的选项，都是陷阱。

刷题案例（判断题，区块链）：

区块链技术实现了数据的完全不可篡改，任何情况下都无法修改已上链的数据。（判断正误）

第一步："任何情况下都无法"——绝对化陷阱，直接标记。

第四步匹配题干：区块链的正确描述画像是"极难篡改"或"在没有掌控51%以上算力的情况下，篡改的成本极高"。"完全不可篡改"和"任何情况下都无法修改"不在正确画像里。

→ 判断为错误。

刷题案例（敏捷思维）：

题目：下列关于敏捷开发的描述，正确的是（）。A. 敏捷开发要求团队在项目开始时制定完整详尽的需求文档，严格按照文档执行B. 敏捷开发强调响应变化，通过迭代方式持续交付可用的软件

第一步：A里"完整详尽"、"严格按照"——这和敏捷的核心价值观直接冲突，敏捷宣言第一条就是"个体和交互高于流程和工具"，"响应变化高于遵循计划"。

匹配画像：B里出现了"响应变化"、"迭代"、"持续交付"——这三个词都是敏捷思维正确画像里的核心关键词。

→ 答案B。

四步法实战总结

步骤	核心动作	最适用场景
第一步：识别陷阱	找"一定错"的信号，直接排除	所有题目的必经第一步
第二步：排除错误	用数字规律和题目结构缩小范围	第一步排除后仍剩2-3个选项
第三步：对比剩余	找差异词，用学科基本逻辑判断	两个选项高度相似难以区分时
第四步：匹配题干	与各科正确选项的"气质"对照	最终确认，或前三步仍无法判断时

使用说明：四步法不是每道题都要走完全部四步。见到明显陷阱，第一步就结束；剩余法能确认，第二步就结束。四步是工具箱，不是必须执行的流水线。

PART 06

写在最后：面对未知，工具和方法是你的法器

查理·芒格曾说：“走到人生的某一个阶段，你会发现自己需要的不是更多的知识，而是更有效的思维方式。”

在备考CGFT的这65天里，我最深的感悟不是我又背下了多少个复杂的算法定义、或是记住了多少个金融监管数字；而是我真切地体会到，在这个AI时代，个人的精进不再受限于“你拥有多少精力和时间”，而取决于“你拥有多大的认知杠杆和工具驾驭能力”。

这场考试的合格线是168分，它不是一场要把所有人考倒的知识竞赛，而是一场关于资源分配、心态管理与方法落地的综合博弈。

在你真正掌握的阵地上，靠AI帮你把每一分钟的投资回报率（ROI）拉到最高，绝不丢分；
在命运未知的考题前，用“四步法”的逻辑框架为你筑起胜率的护城河，不惧噪音。

职场人的时间太稀缺了，每一分每一秒都应当被温柔且高效地对待。希望这套历经实战检验的方法论，能帮正在阅读的你少走弯路、打破焦虑。

投资无涯，学海亦无涯，愿我们都能把每一次跨界与学习，当成修炼人生的不二法器。