快速系统学习！分享我学习新知识的 SRL 学习法。

77

This article introduces a systematic learning workflow based on Self-Regulated Learning (SRL), emphasizing the use of AI Agent tools for information retrieval and importing knowledge to a workspace for conversational testing, complete with detailed prompts and practical cases. 阿 阿真Irene

Yesterday 3851 words (about 16 min) View Source →

Sign in to highlight text and take notes as you read. Sign in now

!Image 1

嗨大家好！我是阿真！

经常有人问我：关于 AI 的知识迭代这么快，各种专业术语层出不穷，Harness 还没弄明白，Loop Engineering 又开始被到处讨论。想快速了解一个框架，或者快速学习自己的专业、自己感兴趣的内容，到底有没有什么方法？

收藏了很多资料、链接、视频，但没有一个系统看完，也没有一个真正学明白，到底为什么？

现在大家不缺教程，想要什么一搜一大把，缺的是一套明确的学习回路。

今天分享我自己的一个快速学习的方法。入门级那种，没有过多技术向。最后我还放了个自己的一条龙完成 Skill，手把手版和一条龙版都分享了哎嘿。

这个学习方法有点类似自我调节学习法，英文是 Self-Regulated Learning，SRL。它的核心是学习者自己设目标、找资源、选策略、监控理解、调整路径、最后自我评估。

我规划的简单的学习闭环是这样：

定目标 → 搜资料（分级排序） → 导入知识工作台 → 对话理解与练习 → 自测与输出。

!Image 2: 📎 附件文件/快速系统学习！分享我学习新知识的SRL学习法。/img_20260629_151740_b0d1.png

定目标

以了解 Loop Engineering 举例。使用后面的提示词和 Skill，如果不是特别宏大的学习目标，甚至不需要一开始就做很清晰的规划。我只要告诉 AI Agent 工具：我想了解 Loop Engineering。这样就可以了。如果不想看太多概念性、学术性的内容，就可以要求它多给应用和实操方向的学习内容。

另外注意，这个学习方法不局限于 AI 知识方向，迁移到其他的场景，也是可以参考的。

搜资料

然后开始搜资料。这里我还是比较推荐大家使用 AI Agent 工具，它们最擅长做这个。大家熟悉的比如 Codex、Claude Code、Kimi Work、Qoder Work、TRAE Work、DuMate、Work Buddy、扣子、Cola、Alice 等等都可以。

你可以调用 Skill 去搜索，如果对 Skill 不太熟悉的，可以直接像这样把下面这段内容发给上面的任一工具搜索。我习惯先大致了解概念，然后让它给我文本学习路径和视频学习路径。提示词如下，用前面想搜索的内容替换[主题]即可。供参考，可以根据实际情况修改优化。👇

● 请围绕「[主题]」帮我做一份从入门到进阶的学习资料导航。 请先做 3 件事： 1. 确认这个概念的来源、定义和常见误解。如果它不是官方概念，请说明它是谁提出的、在哪些文章/案例里被使用，不要把传播说法当成官方定义。 2. 判断这个主题适合拆成哪些学习模块。 3. 按“先理解概念 → 再看案例 → 最后能自己复用”的顺序组织资料。 请输出两个方向： ## 一、文本学习路径 请从简单到复杂，找出比较权威、可信、适合学习的文本链接。 每条资料请包含： - 学习阶段：入门 / 基础 / 进阶 / 实战 / 延伸 - 标题 - 链接 - 来源类型：官方文档 / 原始文章 / 工程博客 / 论文 / 案例分析 / 社区讨论 - 为什么值得读 - 阅读前需要知道什么 - 读完后应该掌握什么 资料优先级： 1. 原始出处、作者原文、官方文档 2. 真实工程案例或公司技术博客 3. 高质量解释文章 4. 社区讨论只作为补充，不作为主要依据 ## 二、课程目录 + 哔哩哔哩视频学习路径 请像设计一门小课程一样，给我安排一个从简单到复杂的学习目录。 先输出： - 课程名称 - 适合人群 - 课程目标 - 学完后能做什么 - 前置知识 - 建议学习时长 然后按章节输出，每章包含： - 章节编号 - 章节主题 - 本章学习目标 - 关键问题 - 推荐哔哩哔哩视频链接，优先选择讲解清楚、信息密度高、发布时间较新、UP 主可信、评论区反馈较好的视频 - 每个视频为什么适合这一章 - 看完后的练习任务 哔哩哔哩视频筛选标准： 1. 优先选择系统教程、公开课、技术分享、案例拆解类视频。 2. 优先选择有完整章节、合集、课件、代码仓库或参考资料的视频。 3. 避免只推荐标题党、营销号、搬运不明来源的视频。 4. 如果一个视频只覆盖部分知识点，请说明它适合补哪一块。 5. 如果哔哩哔哩上没有完全匹配的视频，可以找相邻主题，但必须说明“为什么它能补这个知识点”。 6. 不要编造不存在的链接。无法确认的内容要标注“待验证”。 7. 如果你无法直接验证 B 站链接，请给出推荐搜索关键词，并说明应该如何筛选结果。 请注意： - 不要只堆链接，要解释每个链接在学习路径里的位置。 - 视频要从入门到复杂逐步递进，不要一上来就给很难的内容。 - 文本资料和视频资料要互相配合，不要重复堆同类内容。 - 如果某个概念在中文视频里解释不充分，可以用英文文本资料补足，但要说明原因。 - 最后给我一个 7 天学习计划，每天告诉我：读什么、看什么、做什么小练习。 输出格式请用 Markdown，结构清晰，方便我直接保存成学习文档。

!Image 3: 附件/快速系统学习SRL学习法/srl-learning-02.png

如果你只喜欢阅读文本内容，可以去掉后一段的视频学习路径；反过来也一样。上面的是国内版，所以视频平台用的是哔哩哔哩。如果你可以看国外平台，你的 Agent 也能搜索国外视频源，那么可以把 YouTube 加进视频学习路径，或者设置平台优先级。

这里我简单给大家看下 Codex 和 Kimi Work 的结果。

首先是概念解释。

Codex 输出：👇

!Image 4: 附件/快速系统学习SRL学习法/srl-learning-03.png

Kimi Work 输出：👇

!Image 5: 附件/快速系统学习SRL学习法/srl-learning-04.png

接下来是文本学习路径，考虑内容太长了，我就截部分给大家看。👇

Codex：👇

!Image 6: 附件/快速系统学习SRL学习法/srl-learning-05.png

Kimi Work：👇

!Image 7: 附件/快速系统学习SRL学习法/srl-learning-06.png

在文本学习路径这一步，大家应该也能看出来区别。这个概念兴起于国外，所以 Codex 搜索到的更多是原始材料链接（外语）；Kimi Work 也有源头链接，除此之外还会穿插一些优质国内资料或转载内容。这个就看大家的具体需要了。如果想深度了解，可以两个交叉看一看，或者调用多 Agent 搜索一步到位。

再是视频学习路径。

Codex 推荐了很多优质 YouTube 视频：👇

!Image 8: 附件/快速系统学习SRL学习法/srl-learning-07.png

Kimi Work 搜索的哔哩哔哩视频：👇

!Image 9: 附件/快速系统学习SRL学习法/srl-learning-08.png

补充一嘴，大家如果单独的一个视频，想要快速了解其内容，YouTube 视频可以通过 Gemini、Codex 等速览，哔哩哔哩的视频可以通过豆包、Youmind 插件速览或者进一步提问，如果想提取逐字稿，这个不好分享啊怕挨骂，可以直接问 Agent 怎么做。

就是这么简单，从简单到复杂去学习。遇到有些视频的讲解方式你实在不喜欢、看不下去，就用同名视频标题再搜一下，找自己更喜欢的版本。总之，虽然不是跟着同一个博主，但靠这种拼盘方式，也能把知识点学完。

之前也有朋友问过我，为什么不单独关注几个优质博主，从头到尾跟着对方学呢？我感觉这其实比较难。你当然可以把喜欢的博主内容都看完，但学得未必全面。

一方面，每个博主的关注角度和受众都不太一样，他们做的内容不可能百分百适合你，也很难全面；另一方面，博主们擅长的技能点也不同。比如关注我，也关注我的好友@苍何、@刘聪NLP 的朋友，会发现我们哪怕写的是同一个工具或者同一个主题，方向也截然不同。而 Agent 的搜索结果，是按从基础到进阶的顺序一路带你了解。

导入知识工作台

上一步之后，我相信一定会有人说，哦，哪怕有视频链接了，也不想一一学呢。有没有更高效的办法？有没有？！

我还是建议大家优先看文本资料和原视频去学习，这样理解比较透彻，但是要是确实需要在很短的时间内掌握某个概念，那也可以更粗暴一点直接快进到下一步。

国外版本，直接 NotebookLM 启动。

!Image 10

比如 Codex 这里输出了 7 天学习计划 + 链接，直接从 MD 文档里全部复制，一股脑丢给 NotebookLM。👇

!Image 11: 附件/快速系统学习SRL学习法/srl-learning-10.png!Image 12: 附件/快速系统学习SRL学习法/srl-learning-11.png

非会员可能每次只能导入 10 个，没关系，在左上角多复制 2 次就都进去了。也不用刻意一个个复制链接，文本内容都复制过去它也能识别。👇

!Image 13: 附件/快速系统学习SRL学习法/srl-learning-12.png

对话理解与练习

导入以后，哪里不懂就问，一直问，问到这个知识点你真的搞明白。感觉自己差不多明白的时候，再试试右边的闪卡和测试。

!Image 14: 附件/快速系统学习SRL学习法/srl-learning-13.png

闪卡就是先不显示答案，让它提问你，看你能不能自己想出来。测试则是直接根据你想测试的范围出题。具体测试什么主题、难度、来源，也都可以自己设置。

!Image 15: 附件/快速系统学习SRL学习法/srl-learning-14.png!Image 16: 附件/快速系统学习SRL学习法/srl-learning-15.png!Image 17: 附件/快速系统学习SRL学习法/srl-learning-16.png

国内的话，扣子、ima 也可以有类似的操作。导入资料，然后提问。受平台生态兼容性的限制，很多内容可能无法直接导入，大家可以链接内容转文档保存进去，或者直接在 ima 搜索相关知识点。然后制定学习计划让它来监督学习。可以做个文件夹，把内容整理进去，提问可以参考这个：👇

● 请只基于当前知识库回答，不要凭空补充。 我现在是【零基础 / 有一点基础 / 想做项目】。 请帮我： 1. 把这些资料整理成 5 天学习路径； 2. 每天只安排 2-3 个核心概念； 3. 每天给一个小练习； 4. 每天最后给 5 道自测题； 5. 标出每个知识点来自哪篇资料； 6. 如果资料之间有冲突，请单独列出来。

最终，你可以再通过分享或直接实践的方式，把学到的东西输出出来。

小结

简单来说，这个学习路径就是这样：

国内版：

AI Agent 搜索指定知识点相关学习资源，逐步学习 → ima / 秘塔，提问学习。

国外版：

AI Agent 搜索指定知识点相关学习资源，逐步学习 → NotebookLM，提问学习。

如果你对各类 AI 工具玩法有了更多自己的经验，比如本地知识库等，还可以进一步调整这套流程。学了一部分你可能发现有个知识点你竟然不明白，或者在这个路径中并没有涉及，那么可以按照这样的方式再去搜索这个知识点相关的学习内容。

如果你的 Token 够用，我有个自用的 Skill 分享。它可以输出详细的学习路径图，整理系统资料和术语表、优质视频清单，并直接生成学习笔记（很好，又懒了一步）。其他的不限工具，不过这个学习路径图在少数 AI Agent 输出图里会翻车。下面是在 Codex 里的效果。👇

!Image 18: 附件/快速系统学习SRL学习法/srl-learning-17.png!Image 19: 附件/快速系统学习SRL学习法/srl-learning-18.png

使用方法非常简单，直接让 Agent 安装 learning-pack skill，为你整理关于 xxx 的知识就行。也可以要求它控制知识难度。

详细的我就不展开了，下期单独做个视频，视频号见哈哈哈。

● https://【去掉中括号和这个内容】github.com/irenerachel/learning-pack-skill 群友啥的不敢提了，总之大家可以看视频号介绍，多了也不敢说了。

就分享到这里！希望大家都能提高学习效率，实现知识摄入自由~

如果觉得内容有趣、有用、期待大家的猛猛三连鼓励，这对阿真真的很重要！感谢感谢！

下期见朋友们~

Key Quotes

> People don't lack tutorials nowadays—you can find plenty of anything with a quick search; what's missing is a clear learning loop.

> It's not about following a single blogger, but through this 'buffet-style' approach, you can still master all the knowledge points.

Tags

Learning Methods

AI-Assisted Learning

Self-Regulated Learning

Knowledge Management

Productivity Tools

Related Articles

* Born for Drama! Vidu Q3 Reference Video Generation Hands-on Test is Here. * This AI Hotspot Website, Encapsulating 3 Years of My Self-Media Experience, Is Now Free for Everyone. * AI R&D Automation: Wiki Knowledge Base + Skill Pack * GPT Image 2 Reclaims the SOTA Throne in Image Generation: A Comprehensive Text-to-Image Evaluation is Here. * For My Friends in Self-Media, You Must Meet This Frog Named Ribbi. * Feishu CLI: One Sentence to a Editable Whiteboard, Hand-Drawn Flowcharts Are a Thing of the Past. * Using Codex to Create PPT: This Might Be One of the Best Solutions Yet. * Building the Knowledge Foundation for the AI Era: Live Streaming Data LLM Wiki Practice * Harness Is Not the Goal, Knowledge Is the Moat — Knowledge Accumulation Practices of an AI Engineering Delivery Team * Investing 10,000 RMB in AI: A Year of Tools, Practices, and Reflections