小提示：本文古法手作，除案例展示部分外，无任何 AI 工具参与创作，请放心阅读。
一年前我写下了在少数派的第一篇文章《论什么是真正的自学》，讲了讲我关于学习的一些理解和方法，现在回看，有些观点我依然认同，另一些观点已经有了更深入的认知。
另外，生成式 AI 几乎已经进化成了新一代的互联网基础设施，显然，在 2025 年的今天，要谈学习也必须带上 AI 一起讲，这篇文章也正是这样，所以，这一次我们再来聊聊：
AI 时代，到底应该如何自学一门技术？
1. 为什么而学？
在一切开始之前，先问自己：
我学「某事」是为了什么？是要解决生活中的哪个「具体问题」？
这个「某事」可以替换为编程、绘画、健身、乐器……
然后再回想一下之前各种学习失败的案例，失败的根本原因到底是你学习不够努力，方法不够科学，还是你其实根本就不知道自己「为什么而学」？或者说，你其实是在用假装学习，去逃避某些你真正需要去解决的底层问题。
1.1 先搞清楚问题是什么
像「学习编程」这件事，很多人的目标看似是很清晰的：我学编程就是为了找工作或转行，或者是为了提高做事效率，要么就是单纯觉得编程是很 cool 的一件事……
就先说说「学编程为了找工作」这个例子，此处的问题是「找到工作」，这就是一个无法用编程去解决的宽泛问题，找工作？这个问题太大了，你又不能写一行代码直接生成一个工作出来。而且能不能找到合适的工作，跟你本身的编程技术有一定关系，但不是决定性的。
就像《魔兽世界》里集合石组队，申请列表里一大堆各种强力选手，队长挑来挑去，这时左下角弹出工会好友私聊：「拉我」，外面那十几号人就只能被无情拒绝。随后就看到论坛有人发帖：「申请了一下午进不去组，这游戏还能玩吗？」底下回帖：「治疗职业随便进组啊，怎么没人玩治疗呢？」然后玩坦克的也来插一句，最后发展成一场骂战……
这还只是网络游戏里构建出来的一个小型就业市场，现实生活只会更加复杂。你是真正热爱编程，还是被一堆培训机构忽悠，觉得程序员工资高有前途？那如果工资不高还愿意干吗？这不是在规划自己的职业，而是「投机」，抱着投机心理去学习，大概率得不到什么好结果。
而且，「找工作」只是根本问题的一个子集，最后还得要问自己：「我到底想成为一个什么样的人？」
同样，你健身到底是为了啥？是真的想获得强壮的身体，还是因为各种不健康的生活习惯引发的焦虑？如果是后者，不如先想想，自己最近每天晚上是几点睡的，是不是每天把奶茶当水喝。
所以，先搞清根本问题到底是什么，然后你会发现，可能需要去做的是另一件事，之前都是在浪费时间。
1.2 你要的是结果还是过程？
经过第一层梳理，应该已经能把一个大问题具体化了，如果一开始完全就走偏了，那就先把方向搞对。
如果思考过后，问题的形态也已经确定下来了，那它现在应该是非常清晰的：最后想要一个什么结果，这个结果应该是什么样的，由哪些部分构成……它的实现手段之一可能包括某种技术，而你为了解决这个问题，需要去学习这门技术。
到了这个阶段，依然要再次确认，是否真的需要开展学习？因为任何问题的解决方法，可能都有更简单的那一种。就比如你需要一个 todo list，市面上的软件调查了一圈，没有想要的，都太复杂了，不够简洁，嗯，可能需要学编程去自己做一个出来。
但我们换个角度，直接买本便利贴，把每天的任务写下来贴在屏幕旁边，这问题不就解决了吗？好吧，你就是想要一个「软件版」的 todo list ，那现在 AI 生成一个简单的小工具也很容易，所以又要想想，如果 AI 交付的结果就符合你的预期，你还愿意花时间去学吗？你想要的是那个结果，还是做这件事的过程？
再次思考过后，你非常确定：我就是想从头开始「自己动手做」。在这个问题上，相比简单直接的现有解决方案，更想搞清楚这件事的底层逻辑是什么，掌握并运用原理，自己从零开始一点一点把答案写出来。只有满足以上描述，才能基本确定，你是需要学，且真的想学这个东西。
1.3 自学的核心要素：主动性
以培训班为代表的这种「动机不纯」的学习，为什么成功率那么低？一是前面提到的，大部分学员根本不知道自己究竟在干什么，都是来投机的，而非真想学技术。二是他们缺乏完全自发的主动性，这种主动性才是让你走完整个学习过程的最关键因素，也是面对困难时让你坚持下去的动力源。
即使是各种项目驱动的自学教程，为什么也很难坚持下来，因为这个项目本质上讲「跟你没关系」，它不是来源于你生活中的实际问题，而是你凭空制造了一个问题，然后产生了这个问题和你有关的错觉。
学英语为啥老是 abandon？因为这事本质上讲是非必需的，明天醒来你并不会突然被丢到某个英语国家去，会不会英语，对生活其实并没有多大的影响。除非有件你特别想做到的事，必须依靠英语这项技能才能做，只有这种情况你才能真正的动起来。
这种主动性和艺术创作的心理动力是差不多的，这是创造而不是考试，你要确保这个过程没有那种「有人赶着你走」的感觉，只有这个项目和你产生了深层链接，你知道这是你自己的东西，你才不会轻易的放弃它，也不需要什么外部力量去驱动你把它做完。
到这里，可以总结一下，一个问题能否转换成学习项目，需要符合以下条件：
- 这是一个具体、清楚、需要去解决的实际问题
- 解决这个问题可以通过学习某种技术
- 确定是要通过自己对技术的学习去解决这个问题
如果前置条件已经满足，那学习项目已经创建好了，就是你要去解决的这个问题。下一步就是，在学习过程中应该注意什么，采用哪种学习方法。
2. 技术是手段而非目的
2.1 学编程 != 学编程语言
现在，我们的学习项目就是：通过学习「XX 编程语言」构建一个「 todo list 」软件。
所以接下来应该是，要学哪门编程语言，怎么理解各种语法和概念，要看哪本书，掌握什么底层原理……
恭喜你，如果你按照这种思路去学习，一辈子都学不会。这种一上来就直接去背各种概念，各种公式的，是本末倒置，是应试思维，会把你引上弯路，在自学中，我们首先要做的就是把应试思维从大脑中完全移除。
很简单的道理，你玩《英雄联盟》的时候，还要先找本教科书吗？上面写着「什么是补兵」、「什么是 gank 」、「什么是防御塔」……
不会的，首先你要做的是，通过新手教程，掌握这个游戏的最基本操作，大概明白屏幕下方这堆花花绿绿的图标有什么用，这时你已经把各种概念学了个差不多，然后，直接开一把人机对战操练起来，真正的游戏理解都是在每局对战的实践过程中学到的。
当然，到了后期，你还是需要了解各种英雄的具体数值和斩杀线，了解兵线运作的底层原理等等，但那些东西跟现在的你没关系，你先搞明白这个游戏的玩法再说。
同样的，代码本身在编程的过程中，是占比最低的那部分，各种关键词、语法和内置函数，这些都是在项目实操中顺便记住的东西，学习编程真正的难点，是在编程之外，即：如何培养编程思维。
2.2 编程的本质
编程的本质是什么？其实就是把解决一个具体问题——这个从锁定问题到得出答案的过程——从人类语言换成编程语言重新描述一遍，把这个动态的执行过程用静态的编程语言固定下来。
编码的过程就好比使用一门外语去写文章，而把这篇文章写好，难度分为三个层级：
- 首先要克服的是使用非母语进行写作的困难，即掌握编程语言的关键字，语法，这是最简单的部分
- 然后要学习和总结准确和优美的表达方式，在编程领域就是各种代码规范，各种设计模式……这些经验性的东西，主要靠练习和总结，用时间去堆
- 最难的部分，写文章的思路，这个东西每个人多少都有点自己的领悟，但没人能完整的把它讲明白
我们要学习的重点并非某个具体的编程语言，而是使用编程语言去书写答案的技能，这一整个过程中生成的思维模型，才是我们要去掌握的。
或者说，根本就没有所谓的「编程思维」，真正需要培养的，是「解决问题的思维」。
而解决问题，靠的是综合能力，即元级别的思考，meta 层面的知识。你某某语言的 API 背的再溜，换个问题，换个场景，换个语言，没有现成的解决方案，你还能把这个问题的来龙去脉分析清楚，然后拆解成一个个逻辑链，最后用新的编程语言把这些逻辑链还原出来吗？
所以，别纠结学这个语言还是学那个语言了，最重要的是思路，思路，思路！
3. 先做总体设计
好吧，「大道理」可能大家已经有点听腻了，我们开始「干货」的部分。
从文章第一节走到现在，其实做的就是一件事：解决问题，这个过程中使用了一个适用于所有问题的思维模型：先认清问题是什么，然后把这个问题细分为一个个小问题，然后再认清小问题是什么，然后继续拆解……直到无需再细分为止。
还是用《英雄联盟》打个比方，每局游戏都有一个大问题：打爆对面的基地。而这个大问题被拆解后产生的小问题，就是你从开始到结束都在干的事：开游戏前选哪个英雄，带什么天赋符文，进入游戏后，对线，击杀，推塔，打团，拿中立资源……每个阶段玩家都清楚自己该干什么，而且每解决一个问题都能立刻拿到反馈。
游戏流程是总体设计的产物，而现实中的问题，需要我们自己去当那个设计师。
所以我们现在再来看一下问题是什么状态，然后把它细分：
- 我们想要一个 todo list，这个 todo list 应该长什么样子，由哪几个部分组成，有什么功能？
- 大概从上到下可以分成三个部分：
1. 顶部大标题显示：x 年 x 月 x 日的待办事项
2. 中间是每个事项的展示部分
3. 最下面是个按钮，功能是添加新的待办事项 - 每个待办事项应该长什么样？可以分成左右两个部分：
1. 左边是标题，显示要做的事情
2. 右边有两个按钮
2.1 第一个是「编辑」，可以编辑标题文字
2.2 第二个是「完成」，点击后表示这个待办事项已经完成
2.3 还应该有一个「删除」，处理多余的待办
3. 一个事项完成后，应该切换标题的样式，表示已经完成，可以用中间划线这种 - 整个软件运行的过程发生了哪些事？
1. 打开软件，界面上显示「大标题」，「事项列表」，「添加按钮」三个组件
2. 因为是第一次打开，事项列表应该是空的
3. 点击添加按钮，列表会多出一个事项，默认是空标题，需要输入标题
4. 待办事项应该实现的功能：
4.1 点击「编辑」按钮，可以修改待办的标题
4.2 点击「完成」按钮，切换待办的完成状态
4.3 点击「删除」按钮，将待办从列表中移除 - 软件运行中，哪些信息是「会改变的」？
1. 标题会根据每天的日期变化
2. 待办事项的数量
3. 待办事项的标题、完成状态、以及是否「存在」，即添加和删除
看到了吗，就是这么一个简单到不能再简单的 todo list，都有这么多要考虑的东西。
你以为这种看上去一览全局的小项目，直接上去干就行，但即使是最微小的含糊不清，互相之间也是指数乘算，只要出现这么几个未经处理的含糊，整体的混乱度马上就会突破临界值，进而影响整条逻辑链上的所有内容，最后各种混乱信息大量占用你的「内存」，让你越做越头痛，直到最后没办法继续下去。大部分的弃坑都不是因为项目有多难，而是缺了这个最基础的整体设计。
人类发展这么多年，很遗憾，肉体并没有怎么进化，工作记忆还是就那么可怜的一丁点，要想不让你的内存爆掉，方法只有一个：老老实实把占用内存的信息转移到「硬盘」里，写下来，写清楚。
而人处理图画的能力又远高于文字，所以写下来还不够，最好是再画下来：
你看，现在我们到底想要的是一个什么样的结果，就非常清楚了，接下来只要一步一步把设计方案实现出来就行。
4. AI 辅助自学的要点
到这一步，也终于该写写代码了，当然，还有半篇文章都没提起的 AI。
毫无疑问，AI 可以为自学过程带来相当之大的提升，它解决了许多痛点，尤其是在从零到一的方面。
其实对于大部分初学者，最难的地方也就是从零到一，因为真正优秀的新手教程实在太少了，那种上来先让你背「gank 到底有几种方法」的就不多提了，即使是实践为主的教程，你学习的时候，也不是在做你真正想去做的那个东西，这就很难让人坚持下来。
AI 的出现改变了这一切，这就是前面我为什么说要准备自己的项目，在 AI 的帮助下，你完全可以定制一个专属自己的新手教程，并且把控其中的每一个教学节点，不用再去翻文档，不用再先做一个跟你毫无关系的东西，现在你可以同时做两件事：解决自己的实际问题，并且在这个过程中学习你想学的技术。
接下来，以 todo list 这个案例，我们大概模拟一下这个实现过程。
首先输入一个基本的 prompt，对 AI 做一个总体的约束。
然后，告诉它我们要实现的最终结果是什么，以及第一步该干嘛。
对于多个选项，让 AI 按照我们的要求再次确认。
只要是你不懂的点，都应该去询问 AI。
这里出现问题，AI 只在代码中对每行进行了一些简单注释，并没有具体解释每行代码，所以我们需要告诉它进行更为细致的解释。
如果代码运行不符合预期，直接问 AI 应该如何修改，以及为什么。
如果 AI 一次性给出太多答案，你可以回退到上一步，把握对整体流程的控制。
你也可以根据自己的理解先写出代码，然后让 AI 检查你的代码并加以解释。
你看，这 AI 编程是什么高大上的东西吗？无非就是把问题想清楚，说清楚而已。限于篇幅，其他部分我就不多展示了，也没必要，还记得什么最重要吗，思路。例如在当前的案例中，我把详细阐述和类比这两个学习方法告诉了 AI，那你完全也可以让 AI 给你编个顺口溜，把关于「对象」这部分的概念串联起来，方式是多种多样的，这部分就当抛砖引玉，留给各位结合自己的场景多想多试了。
其实使用 AI 的过程中，唯一要注意的，也就是对问题和答案的约束，即：
- 我的需求到底是什么
- AI 应该以哪种方式进行回答
还有就是，不要被 AI 带着走，这个过程始终应该是你来主导的。
这个 todo list 跑通之后，你也大概能明白写代码到底是怎么一回事了，真正的知识都是来源于现实交互中那些无法言说的微小细节，通过自己完成一个项目，边做边学，还有 AI 针对当前进度的实时反馈，我们就把各种概念和应用场景直接联系了起来，这样学到的才是真东西。
这个项目完成之后，你就可以在此基础上，询问 AI 如何继续完善，让它给出建议，探索更高级的知识，比如增加新功能，可以把每天完成的任务输出为一张图片之类的。
当然，这个案例也就是个新手教程的体量，可能你想要的是一个非常复杂的应用，但整个流程该怎么走，我已经讲清楚了，剩下的就是结合实际，灵活变通，这就是你自己的事了。
最后，如何衡量我们用 AI 学习的进度，有一个简单的检验标准：你去问 AI 「为什么」的次数应该越来越少，问题的含金量应该越来越高。我们学习的最终目的是掌握技能，在这个过程中对 AI 的依赖性应该是逐渐减少的。
5. 我对 AI 的一些看法
从上面的案例我们也能看到，用 AI 编程，或者干各种事，绕不开的就是语言沟通中必然会出现的那些问题，AI 能做的事，也受限于语言能够表达的范围，AI 的上限取决于人的上限，最终还是要看人拿它来干啥。
想更好的用 AI 辅助学习，相比各种精修细调的 prompt，我们更应该去了解各种教育模式，知道什么是好的学习方法，搞清自己适合的学习类型……这些最根本的东西，知道这些，你自然也明白怎么让 AI 去帮助自己。
所以，不管 AI 如何发展，外界怎么变化，都影响不到那些长期自我探索的终身学习者，因为他们都有解决问题的底层能力，包括但不限于：
- 媒介素养：能够用好各种信息渠道，识别各种噪音（如各种粗制滥造的 AIGC），提取有效信息
- 表达能力：学会好好说话，才能写出好用的 prompt
- 审美：知道什么是优秀的设计，才能让 AI 做出好看的原型
- 产品思维：用 AI 做个 app 很简单，做个好用又有用的 app 很难
- 市场营销：发帖，推广，炒作，无论使用哪种方式，你能把做好的 app 卖出去
这就叫做「以不变应万变」。
在现在这个阶段，AI 的本质，其实依然是执行人类决策的工具，只不过随着 AI 的发展，人机协作的过程会更加流畅，我们对于其交付的结果会更加信任。假如真有一天，AI 不再需要人的指挥就能独立做事，那我们也不用讨论这些有的没的了，赶紧派人去找约翰・康纳吧。
结语：如何成为「大佬」
任何技艺的成长基本都是这张图的模式，从零到一这个坎最难迈，劝退率最高，但只要过了这一关，入门期的技术成长是最明显的，但很多人基本也就停留这个阶段附近了。
为什么我给入门期的最高分只有 50？看看我们日常生活中的各种产品，有多少能称得上是及格的？答曰：「又不是不能用，凑合凑合得了呗。」于是我们就得到了这样一个草台班子的世界，大家你凑合我，我凑合你，互相糊弄，互相伤害。
还有这么一些人，他们无法接受凑合，不仅要知道 what 和 how，还想知道 why，于是就带着各种问题和思考去主动学习，这些外人眼中的「大佬」，只是比其他人多往前走了几步而已。
而最后一个阶段不是留给「正常人」的，走到这里还能继续的人，他们在所属专业领域里的自驱力不仅是热爱，甚至是偏执，他们眼中的世界可能和普通人完全不同了，这个阶段想要提升，基本只能靠顿悟。顿悟之后，那种极为深刻的理解已经上升到了哲学层面，所以去看大师们写的书，不只讲技术还要和你讲人生。
对于我们这些普通人，努努力完全可以摆脱凑合的行列，想成为大佬就需要用心，而想成为大师，就靠机缘和悟性了，不可强求。这篇文章就到这里，希望对你有所启发。
相关链接：
插图制作：Excalidraw
