工具手册 T06 · 场景实战
学习场景包：语言学习/考试准备/知识构建
用 AI 加速任何学习过程——从英语口语到考研数学，从技能入门到知识体系。真正的秘诀不是让 AI 替你学，而是让 AI 成为你的私教。
01 · AI 学习助手的核心原则
章节 Ch18 讨论的核心问题是：用 AI 学习 vs 让 AI 替你学。这两者的区别决定了学习效果的天差地别。
让 AI 替你学：看起来快，实际上是自欺欺人
这是大多数人的陷阱：
❌ AI 替你学
你问：请帮我写一篇 2000 字的英语作文
你问：这道数学题怎么做
你问：请给我考研知识点总结
结果：你读了，舒服了，脑子没动，两周后全忘了
✓ 用 AI 学习
你问：我想写英文文章但不知道怎么开头，给我三个思路
你问：我卡在这一步了，给我方向性提示
你问：帮我设计一个 30 分钟的学习计划来掌握这个知识点
结果：你思考了，动脑了，理解了，记忆持久
记住这个公式：学习效果 = 你投入的脑力 × AI 辅助的质量。AI 不能替你的脑力，只能让你的脑力用得更有效。
三个核心原则
原则 1：保留难度——不要让 AI 消除学习中的所有困难。正是那些需要你停下来思考、需要你尝试、需要你犯错的时刻，才是大脑真正构建知识的时刻。AI 的角色是提供"支架"，不是提供答案。
原则 2：主动提取优于被动输入——你读 AI 的解释再流畅也比不上你自己想出来的记忆深刻。最有效的学习是：先自己尝试（可能失败），再看 AI 的反馈，再修正。这个循环中的每一步都比单向听讲有效 10 倍。
原则 3：及时测试是唯一的真相——你觉得"懂了"是最靠不住的信号。用 AI 出题测试自己，或者拿真实任务来验证，才能知道自己真的掌握了没。
02 · 语言学习：英语/日语等新语言
语言学习是 AI 最能发挥威力的领域之一，因为语言需要大量的对话、纠正和情景应用。
场景 1：口语练习（以英语为例）
💬 真实场景：会议上要讲英语，但没人陪你练
问题：你要在下周五主持一场国际会议，需要用英文介绍公司产品。你有稿子，但不敢开口。
PROMPT 1
你：
我要做一个 15 分钟的英文演讲介绍我们的 SaaS 产品。
请先问我 5 个问题来了解我的英文水平、演讲内容、目标听众。
根据我的回答，给我一个针对性的练习计划。
预期流程：AI 问你问题 → 你诚实回答 → AI 根据你的答案设计练习 → 你用这个练习反复说 → AI 听你说并给出纠正
PROMPT 2
你：
现在我要用英文讲以下这段话："我们的产品核心优势是..."[粘贴你的演讲稿]
我会一句一句讲，你每次都给我反馈，包括：
1) 发音提示（如果有难读的单词）
2) 自然度反馈（是否像 native speaker）
3) 表达改进（有没有更好的说法）
只给一句话的反馈，不要太长。
场景 2：写作批改
✍️ 真实场景：写了一篇英文邮件，担心有错
问题：你要给国外客户写邮件，想确保语法、表达、语气都恰当。
PROMPT 3
你：
我写了一封英文邮件，请帮我检查：
[粘贴你的邮件]
检查标准：
- 语法和拼写错误
- 表达是否自然（不要太生硬）
- 商务邮件的礼貌度是否恰当
- 如果有改进，给出【原文 → 建议】的对照格式
不要给我整个重写版本，只指出需要改的地方。
场景 3：单词记忆和应用
📚 真实场景：新学的单词用不上，老是忘
问题：背单词书的效率太低，记了也用不出来。
PROMPT 4
你：
我最近学了这 10 个单词：[列出单词]
请帮我：
1) 给每个单词设计两个日常生活中会出现的例句
2) 指出这个词最常搭配哪些词（常见搭配）
3) 设计一个小对话场景，让我在里面用上至少 5 个单词
然后我会给你我写的对话或句子，你告诉我有没有不自然的地方。
场景 4：阅读理解（考试模式）
📖 真实场景：英文阅读理解常扣分
问题：不是词汇问题，是逻辑理解的问题。
PROMPT 5
你：
我会给你一篇英文文章的段落，你不要直接告诉我答案。
而是：
1) 问我这段话的主要意思是什么
2) 如果我理解错了，问我一个引导性的问题
3) 等我自己说出正确理解后，再给我解释为什么其他选项是错的
目标：让我学会如何分析文章逻辑，而不是简单做题。
语言学习的快速胜利：不要追求"完美"，追求"反复"。每天 30 分钟的主动练习比一个月一次的两小时课程有效 100 倍。AI 的优势就是可以随时随地陪你反复练。
03 · 考试准备：公考/CPA/考研等中国常见考试
中国的应试教育虽然有争议，但既然要考，就要高效。AI 在考试准备中的价值是帮你精准定位薄弱环节，然后聚焦突破。
场景 1：知识点梳理和掌握情况诊断
🎯 真实场景：考研政治，内容太多，不知道掌握程度
问题：刷了几轮题，感觉还是有漏洞，但不知道哪些知识点特别容易出错。
PROMPT 6
你：
我正在准备 2026 年考研政治。
请帮我规划一个 8 周的复习计划，包括：
1) 政治四门课程的学习顺序（从最重要的开始）
2) 每周的复习模块
3) 每个模块的核心考点（用 bullets）
4) 推荐的做题策略（选择题 vs 分析题）
然后每周我会发给你我的做题错题，你帮我分析这些错误属于哪类问题。
场景 2：知识点理解（难点突破）
🤔 真实场景：某个难点一直搞不懂
问题：比如"矛盾特殊性原理"这种高度抽象的概念。
PROMPT 7
你：
我对"矛盾特殊性原理"一直理解不深。
请用三个不同的方式帮我理解：
1) 用中国传统文化（比如儒道墨法）的例子
2) 用公司管理的现实例子
3) 用我日常生活能碰到的事例
然后给我一个清晰的 definition，让我能用自己的话说给别人听。
场景 3：模拟出题和练习
✏️ 真实场景：想自测，但手头没有足够的真题
问题：做了 10 套真题，剩下的题目想自己来，但没有参考答案。
PROMPT 8
你：
请根据 [具体知识点，比如"宏观经济学的成本曲线"] 为我出一套考研经济学题目。
要求：
- 15 道单选题（难度渐进）
- 3 道多选题（中等偏难）
- 2 道计算题（包含解题步骤）
我做完以后会给你我的答案，你评判并告诉我每题的错误原因。
场景 4：错题分析和知识漏洞修复
⚠️ 真实场景：同一类错误重复出现
问题：错题本有 30 个错误，但模式不清楚。
PROMPT 9
你：
我这周做了 100 道题，其中错了这些：[列出错题编号和答案对比]
请帮我：
1) 分类这些错题（是知识不懂、还是做题习惯不好、还是审题不仔细）
2) 针对每一类，设计一个 15 分钟的训练
3) 告诉我这一类知识点的 3 个常见陷阱
然后我会按照你的训练反复做，一周后再发给你新的错题。
考试复习的秘诀：不是做题越多越好，而是做完题之后的"反思"越有质量越好。AI 最大的作用是帮你从反复出现的错误中找到"真正的病根"，然后针对性地治疗，而不是继续无脑刷题。
04 · 个人知识体系构建：费曼学习法 + AI
学习的最高目标不是"会做题"，而是"构建属于自己的理解框架"。AI 可以大幅加速这个过程。
费曼学习法的四个环节
费曼学习法已被广泛证实为最高效的学习方式。AI 在每一步都可以参与：
第一步：选择概念并学习
你选一个想理解的概念（比如"供应链管理"），在 AI 的帮助下快速获得全景认知。
PROMPT 10
你：
我想用两周时间深度理解"供应链管理"。
请给我一个结构化的学习地图：
- 核心概念有哪些
- 它们之间的关系（不是简单列表，是思维导图）
- 从最基础开始，需要学多深
- 推荐的学习资源
然后我会按这个地图逐一学习，每个环节结束时向你汇报。
第二步：用自己的话讲出来
学完后，你用最简洁的语言给 AI"讲课"，AI 会指出你哪里理解不清。
PROMPT 11
你：
我学完了供应链管理的第一个模块：需求预测。
现在让我用自己的话给你讲一遍，你听着并指出问题。
规则：
- 我讲的时候，你只做笔记，不要打断
- 讲完之后，你告诉我：哪里讲得不清楚、哪里有遗漏、哪里有错误
- 不要笼统地说"理解还不够深"，要具体指出哪个概念或逻辑链条有问题
第三步：找到知识漏洞并修复
根据 AI 的反馈，你深入学习那些不清楚的部分。
PROMPT 12
你：
你刚说我对"库存管理的成本权衡"理解不清。
我现在想理解这个：什么时候该多备货、什么时候该少备货？
用以下方式给我解释：
1) 核心的数学模型（EOQ 之类）
2) 两个具体的现实例子（一个是零售，一个是制造）
3) 我如何判断什么时候库存成本过高
然后我会反过来用这些例子给你讲，看是否真的理解了。
第四步：应用到实际问题
你用这个知识去解决真实问题，这是最终的理解检验。
PROMPT 13
你：
现在我想用供应链的知识来解决一个真实问题：
[描述你的公司或一个你了解的公司的具体问题，比如"我们电商公司仓库成本太高，但缺货也很严重"]
请帮我用供应链的框架来分析这个问题：
- 问题的根源在哪里（可能是预测不准、库存策略不对、还是流程低效）
- 应该重点改进哪个环节
- 可以怎么做改进
然后我会看着你的分析，反思一下自己的理解深度。
笔记整理和知识图谱
PROMPT 14
你：
我学完了整个供应链管理课程。
现在我要建立一个个人的"知识图谱"，方便之后复习和应用。
请根据以下内容帮我整理：
[粘贴你的笔记或学习记录]
要求输出：
1) 思维导图形式的核心概念图（用 markdown 或 text art）
2) 概念之间的因果关系和层级关系
3) 每个核心概念的 3 句话定义
4) 常见的联想和对比点（比如 ABC 分类法 vs XYZ 分析）
我之后会定期复习这个图，一个月后拿来自测。
05 · 新技能学习：编程/数据分析/设计等
学习新技能和学习理论知识不一样。技能需要反复练习、实时反馈、不断调试。AI 在这里可以当"私教"。
编程和数据分析学习
💻 真实场景：想学 Python 数据分析，但被项目卡住
问题：跟着教程可以，但面对真实数据和真实问题就懵了。
PROMPT 15
你：
我是一个市场营销人员，想用 Python 做数据分析。
背景：有基础 Python，没有数据分析经验。
目标项目：分析我们去年的用户行为数据，找出最有价值的用户群体。
请给我一个「从问题到代码」的学习路径：
1) 这个项目需要学哪些数据分析的模块（优先级排序）
2) 每个模块的最小可用知识是什么（不要学太深）
3) 给我一个实战项目的框架（我按这个框架写，遇到问题就问你）
不要给我完整代码，给我结构和方向就行。
学习中的"卡顿点"处理
PROMPT 16
你：
我在做 pandas 的数据清洗时卡住了。
我有一个 CSV 文件，里面有这些列：[描述数据结构]
我的目标是：[描述你想做的数据处理]
我试过这样做：[粘贴你的代码]
结果是：[错误信息或不是预期的输出]
请不要直接给我修复后的代码。
而是按这个顺序帮我：
1) 告诉我我的思路哪里出问题了
2) 问我一个指导性的问题，让我自己想到解决方向
3) 等我尝试了新的方向后，再根据需要给我更具体的帮助
设计技能学习
🎨 真实场景：想学 Figma，但不知道从什么开始
问题：工具很多功能，但不知道做实战项目需要掌握哪些。
PROMPT 17
你：
我想在一个月内学会用 Figma 设计一个 App 的界面。
我的背景：美术基础可以，但从未用过 UI 设计工具。
我的目标作品：设计一个"记账 App"的核心界面。
请给我一个学习计划，分成四周：
- 第一周：掌握哪些基本操作？目标作品是什么？
- 第二周：学设计系统和组件库的概念
- 第三周：做一个完整的 App 设计
- 第四周：细节打磨和准备交付
每周我会给你我的设计稿截图，你帮我评审，指出哪些地方需要改进（从设计原理的角度，而不是"这个色好看"）。
技能学习的关键：要有一个真实的、足够具体的项目作为目标。"学 Python"太虚，"用 Python 分析我的转化率数据"才具体。AI 最强大的地方就是可以陪你做这个真实项目，同时教你知识。
06 · 学习效率提升技巧：间隔重复、主动回忆、闭卷测试
这些方法已被大量学习科学研究证实，AI 可以帮你落实这些方法。
间隔重复（Spaced Repetition）
原理：大脑遗忘是有规律的。在即将遗忘时复习，比随意复习有效 10 倍。
PROMPT 18
你：
我要用"间隔重复"来记忆考研数学的公式。
我有 50 个需要记住的公式（高频考点）。
请帮我设计一个 12 周的复习计划：
- 第一周：每天学 5 个新公式
- 后续周期：什么时候复习第 1 周的、什么时候复习第 2 周的、等等
- 总结成一个"复习日历"（告诉我每天该做什么）
然后每周我会把我的复习记录发给你，你根据我的进度调整计划。
主动回忆（Active Recall）
原理：被动读书记不住。逼迫自己回忆才有效。
PROMPT 19
你：
我这周学了"凯恩斯经济学"的五个核心概念。
现在我想用主动回忆法来巩固。
请给我设计一个 30 分钟的练习，包括：
1) 5 个开放式问题（答案不是单选，需要我自己组织语言）
2) 题目之间的递进难度
3) 一份"理想答案"，这样我做完后可以自己对照
我会先合上所有资料做这个练习，然后看答案。
闭卷测试（Closed-book Test）
原理：真正的理解应该是能自己想出来，而不是看到选项能认出来。
PROMPT 20
你：
我要给自己做一个"闭卷测试"，来检验自己是否真的掌握了某个学习模块。
这个模块的内容是：[简述学习内容]
掌握标准应该是：[你自己定义的"算是掌握了"的标准]
请设计一份 60 分钟的闭卷测试，包括：
- 15 道选择题（是否真的理解了概念）
- 2 道简答题（能否用自己的话解释）
- 1 道应用题（能否在新的场景里应用）
我会独立完成这个测试，然后给你我的答卷，你评分并指出薄弱点。
记忆宫殿法（Memory Palace）+ AI
PROMPT 21
你：
我想用"记忆宫殿法"来记住 [某个需要记忆的内容，比如"美国独立战争的五个关键事件"]。
我选择的"宫殿"是：[描述，比如"我家的五个房间"]
请帮我：
1) 把这五个事件编成故事，融入到宫殿的场景里
2) 故事要生动、离奇、有趣，这样才容易记
3) 给我一个"复述流程"，这样我可以定期用这个流程复述，巩固记忆
然后我会用这个方法记住这些内容，一个月后问你我是否真的记住了。
📋 实战练习：用本章方法制定一个 30 天学习计划
- 选定目标：选择你想在 30 天内学会或改进的一个具体能力（比如"能用英文做 5 分钟的产品演讲" 或 "掌握数据分析的核心 3 个模块"）。目标要具体到可衡量。
- 用 PROMPT 6/PROMPT 10 这类提示词让 AI 根据你的目标生成一个完整的 30 天学习计划。计划要包括：周目标、每周 3-4 个里程碑、什么时候要做测试。
- 设定周期性反馈机制：每周末用"PROMPT 19"类似的方式给自己做一次主动回忆练习或闭卷测试，看看周目标是否达成。
- 记录卡顿点和突破口：在学习中，记录"这里卡住了"的时刻，然后用"PROMPT 16"的方式向 AI 请教（给方向而不是给答案）。
- 30 天末做最终验收：用一个真实的任务或完整的"费曼讲课"来验证你是否真的学会了。不是做题对了就算，而是能自己应用了才算。