跟着步骤完成任务；每段 Prompt 都可直接复制。
用分层总结、复述和自测整理学习材料，定位需要继续练习的内容。
AI 能帮你总结教材，但你的脑子不会因此就学会了。
你有没有这个经历——
考试周，你把教材第一章贴进 ChatGPT：
"帮我总结一下。"
AI 给了三段工整的笔记：概念 A、原因 B、影响 C。你复制到自己的笔记里，感觉良好："嗯，这章我过了。"
然后你去刷题。看到一道题：
"为什么 A 会导致 C？请结合 B 分析。"
你脑子一片空白。
你明明"学过"啊——笔记还在那儿，三段清清楚楚。但让你用自己的话说，就是说不出来。
这不是你的问题，这是学习方式的问题。
你让 AI 替你学了——替你总结、替你整理、替你写笔记。但 AI 的笔记不会自动变成你脑子里的知识。
真正的学习是什么？是你能用自己的话讲出来，能把知识点串起来，能在题目里认出它。
这篇教程教你：别让 AI 当你的"笔记代写"，让 AI 当你的"私教"。
你不是生物专业的，但有一门课要学生理学的"肾单位过滤机制"。你打开 AI 说：
帮我总结一下肾单位是怎么过滤血液的。
AI 回复了一大段工学整的：
肾单位由肾小体和肾小管组成。血液经入球小动脉进入肾小球，滤过形成原尿…… 原尿经过肾小管的重吸收……
你看了一遍，觉得"嗯，懂了"——基本上就是"血进去→过滤→尿出来"嘛。
然后别人问你：
"如果一个人血压突然降低，尿量会变多还是变少？为什么？"
你愣住了。你的"总结笔记"里没有这个问题，你不知道。
你拿到了一份完美的笔记，但笔记并不是你的理解。
这就是 OECD 在《2026 年数字教育展望》里说的 "知识掌握假象"：AI 让你感觉已经懂了，实际上你只是看了一遍。有研究数据显示，过度依赖 AI 做总结的学生，对内容的回忆失败率高达 83.3%。
区别"替你学"和"教你学"，关键看两件事：
| ❌ 替你学 | ✅ 教你学 | |
|---|---|---|
| 谁在整理信息 | AI | 你自己（或 AI 引导你） |
| 你能用自己的话说吗 | 不能 | 能 |
| 知识点之间有联系吗 | 孤立的每条 | 串成一张网 |
| 做错题后能发现哪里不懂吗 | 不能 | 能 |
"替你学"的 flip side： 你拿到一份漂亮的笔记，但你脑子里的理解还是原来的样子。笔记有多清楚，不代表你理解有多深。
"教你学"的 flip side： AI 不是给答案，而是像老师一样——先帮你摸清全貌，再用简单语言讲给你听，然后画图让你看清关系，最后出题考考你是不是真懂了。
不要上来就问"帮我总结"。让 AI 按层次输出。
复制这段：
你是一名学习辅导老师。我现在要给你一份学习材料，请你帮我做分层总结。
当我粘贴材料后，请按这个格式输出：
#### 第一层：一句话核心
用一句话说清楚这部分在讲什么（不超过 30 字）。
#### 第二层：三段式要点
分三段概括核心内容，每段不超过 50 字。
每段配一个关键词标签。
#### 第三层：详细笔记
展开每段要点的详细解释，用 markdown 列表。
每条解释包含：概念定义 + 关键数据/例子 + 关键词。
注意：
- 先输出第一层，等我确认后再输出第二层
- 不要一次性全部输出
这样输出，你有控制权。 第一层看完觉得方向不对？直接改。第二层觉得漏了重点？让它补。第三层才展开细节。
这一步结束后，你对整章有了清晰的"地图"——但还只是地图，不是去过。
这是整篇教程里最核心的步骤。
费曼学习法的核心就一句话：如果你不能用简单的话讲清楚一个概念，说明你没真的理解。
让 AI 用"三级难度"讲给你听。
复制这段（在 Step 1 的对话后继续）：
好的，地图已经清楚了。现在请你用费曼学习法帮我深入理解。
请把我刚才给你的材料里的核心概念，用三种难度讲给我听：
#### 难度 1：对小学生
- 用最简单的语言，不能用专业术语
- 用日常生活中的类比或故事
- 就像讲给 10 岁小孩听
#### 难度 2：对高中生
- 可以有基本的框架，但还是通俗
- 可以加入术语但要当场解释
- 配一个实际应用的例子
#### 难度 3：对我（有一定基础的学习者）
- 系统完整地讲解，逻辑严密
- 加入深层追问：这个概念跟其他概念有什么关系？
- 指出常见的误解在哪里
先讲难度 1。等我确认理解了，再讲难度 2 和 3。
为什么要分三级？
不满意直接说：
"这个类比不够贴切，换个例子。" "难度 1 你还是用了术语，再简单一点。" "在难度 3 里，加一个跟前面章节的对比。"
单点都理解了，但还需要知道它们之间有什么关系。
复制这段：
概念已经理解了。现在请帮我生成一张概念图，理清各个知识点之间的关系。
要求：
1. 用 markdown 列表格式，层级缩进表示从属/包含关系
2. 用 "→" 表示因果关系
3. 用 "←→" 表示相互影响
4. 用 "---" 表示并列/对比关系
5. 标注容易混淆的概念对
输出格式示例：
- 核心概念：{名称}
- 子概念 1 → 子概念 2（因果关系）
- 子概念 3 --- 子概念 4（对比：一个强调 X，一个强调 Y）
- 子概念 5 ←→ 子概念 6（相互影响）
- ⚠️ 容易混淆：{概念 A} 和 {概念 B} 的区别是……
请输出后，我可以截图保存或复制到笔记软件里整理。
为什么这一步重要？ 很多人的翻车不是某个概念没理解，而是不知道概念之间怎么关联。考试考的不是"什么是 X"，而是"X 和 Y 有什么关系"。
这是最后一步，也是最关键的一步。如果你不能在做题中调用知识，那前面的三步还没有走完。
复制这段：
根据刚才的材料，帮我出题自测。
要求：
#### ① 选择题（3 道）
- 选项包含明显的干扰项
- 干扰项要覆盖常见的误解
- 每题附带解析：为什么正确选项是对的，干扰项为什么错
#### ② 填空题（2 道）
- 考查关键概念的定义或关系
- 挖空留白
#### ③ 简答题（1 道）
- 综合性的问题，需要串联多个知识点才能回答
- 难度中等
出完题后，先不要给我答案。我先作答，你再批改和讲解。
先答再批改——这一点很重要。不要让它直接给答案。答题的过程才是学习真正发生的时刻。
答完后，让 AI 批改：
"第 2 题我选了 B，为什么不对？" "简答题的要点我漏了哪个关键点？" "根据我答错的题，你觉得我对哪个部分理解还不够？"
根据错题定位薄弱环节——这就是私教的价值。
1. AI 会编概念和例子 AI 可能为了"讲清楚"，编一个看起来很真但实际上不存在的概念或历史事件。遇到不确定的，去维基百科/百度百科核实。
2. 费曼法不能跳过 Step 1 有人直接跳到费曼解释，结果因为没看过全貌，听 AI 讲概念的时候跟不上。先有地图（Step 1），再深入（Step 2）。
3. 出题不是终点，做题才是 很多人让 AI 出完题，自己看了看就不做了。一定要自己答一遍，哪怕在脑子里想一遍。 输出的过程才是检验理解的唯一标准。
4. 不要用 AI 作弊 这篇教程教的是怎么学，不是怎么应付考试。用 AI 直接做作业/写论文/考试作弊，对你的能力没有帮助，而且可能被判定违规。
| 对比项 | ❌ 让 AI 替你学 | ✅ 让 AI 教你学 |
|---|---|---|
| 产出 | 一段漂亮的笔记 | 你自己的理解能力 |
| 检验标准 | "我看过了" | "我能讲出来" |
| 概念关系 | 孤立的条目 | 关联的网络 |
| 做题 | 看到题不认识 | 能分析、能回答 |
| 持久度 | 考完就忘 | 长期记得 |
| 知识掌握 | 假象（感觉自己会了） | 真实（真的会了） |
这套"分层总结 → 费曼解释 → 概念图 → 出题自测"的方法，不止学教材有用：
① 考研/考公复习 政治、专业课的知识点又密又杂。分层总结帮你理框架，费曼解释帮你理解论述题的逻辑，出题自测帮你查漏补缺。
② 自学新领域入门 想学编程？想学设计？想学金融？让 AI 当你的第一位老师——分三个难度跟你讲，听不懂就换类比。三个月从零基础到能干活，比死磕书本快得多。
③ 读书笔记+检验 读完一本书，让 AI 按这套流程走一遍：先总结全书的框架，再让 AI 费曼式讲解核心观点，最后出题自测一下——你读懂了还是只翻了翻，一测便知。
④ 面试准备 技术面问深挖你的理解深度，让 AI 模拟面试官，先问概念，再追问"为什么"，最后让你举实际例子。答不上来的点就是你该重点复习的地方。
别让 AI 替你学笔记，让 AI 教你学知识。AI 能给你答案，但只有你自己能把答案变成理解。
四步走：分层总结摸全貌 → 费曼解释讲给你听 → 概念图串成网 → 出题自测查漏补缺。
每次学习新东西，都让 AI 走完这四步。不是让它帮你省事，是让它帮你把知识装进脑子里。