我最近有个很明显的感觉：很多人用 AI 以后，输出变快了，输入变少了。
每天写方案、写代码、写文章、写周报、写脚本，表面上产出越来越多。可真问一句“你最近系统学了什么”，很多人会卡住。
以前学一个新领域，至少还会翻书、看论文、听课、做笔记。现在打开 Claude 或 Codex，问一句：
给我讲讲 RAG / Agent / 增长模型 / 行业分析。
模型很快给你一篇结构完整的答案。
读完那一刻，你会有一种错觉。
好像自己学到了。
但第二天让你自己讲一遍，往往只剩几个热词。定义记不清，边界讲不明白，案例一换就不会用了。
这不是 Claude 的问题。
大多数人把 Claude 用成了搜索框。问一个问题，拿一段答案，复制到笔记里，收藏，然后结束。
查资料可以这样用。
学东西不能只这样用。
如果你想吃透一个新领域，Claude 更适合扮演一组人：研究员、反方辩手、老师、考官、笔记整理员、复盘搭子。
今天这篇，把两套方法合在一起讲。
一套是斯坦福 OVAL 实验室提出的 STORM 思路：用检索和多视角提问，合成一个主题的大纲和文章。
另一套是更适合个人执行的 AI 学习闭环：筛资源、搭阶梯、吃核心、被测试、费曼复述、压缩成速查卡。
串起来以后，它会变成一条完整路径：
先把主题看宽，再把矛盾看深，接着筛掉无用资料，最后逼自己说出来、记下来、用出来。
一、普通问法为什么学不深
你问 Claude：
帮我讲讲 Agent 工作流。
它大概率会给你一个很标准的答案：
- Agent 是什么；
- 和普通聊天机器人的区别；
- 常见组件；
- 工具调用；
- 记忆；
- 规划；
- 执行；
- 评估；
- 应用场景。
这类答案没有错。
问题是，它通常太平均。
平均答案覆盖面广，冲突少；结构完整，痛点少；读起来像知识，真正上手时很容易露馅。
一个领域里有价值的信息，常常藏在不同人看法不一致的地方。
实践者知道哪些方案落地会翻车。
研究者知道哪些结论有证据，哪些只是圈内流行说法。
怀疑者会追问这套东西是不是被过度包装了。
做商业的人会盯着钱流向哪里。
看过历史的人会说，这个剧情以前发生过，后来不是这么收场的。
你只问 Claude 一个问题，它容易给你主流叙事。
你让 Claude 模拟不同视角互相打架，信息才开始有厚度。
二、第一步：用 STORM 打开五个视角
STORM 的全称是 Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking。
翻成人话，就是用检索和多视角提问，把一个主题的大纲搭出来。
它给我的启发很直接：研究一个主题时，不要让 AI 只扮演“百科全书”。百科全书会告诉你平整的知识，但不会主动把争议、利益、盲区都摆出来。
可以先给 Claude 这样一段任务：
我想研究【主题】。
请你模拟 5 类人来看这个主题：
1. 实践者：每天在真实场景里使用或处理这个问题的人。
2. 研究者：长期研究这个领域、关心证据和定义的人。
3. 怀疑者：认为主流说法可能有问题的人。
4. 商业观察者：关注利益结构、成本和激励的人。
5. 历史观察者：见过类似周期和叙事的人。
每个视角请输出：
- 他最关心的问题；
- 他会相信什么证据；
- 他最可能反对哪种流行说法；
- 他会提醒我避开的一个坑。
我想研究【主题】。
请你模拟 5 类人来看这个主题：
1. 实践者：每天在真实场景里使用或处理这个问题的人。
2. 研究者：长期研究这个领域、关心证据和定义的人。
3. 怀疑者：认为主流说法可能有问题的人。
4. 商业观察者：关注利益结构、成本和激励的人。
5. 历史观察者：见过类似周期和叙事的人。
每个视角请输出：
- 他最关心的问题；
- 他会相信什么证据；
- 他最可能反对哪种流行说法；
- 他会提醒我避开的一个坑。
这个提示词不复杂，但效果会比“介绍一下某某领域”好很多。
比如你研究“企业要不要上 AI Agent”，五个视角会给出完全不同的提醒。
实践者会说：权限、日志、回滚、人工确认没做好，Agent 进生产就是风险源。
研究者会说：Agent benchmark 不等于业务成功率，真实任务里的环境复杂度、工具失败率、长上下文漂移都要单独测。
怀疑者会说：很多 Agent Demo 是演示环境里跑出来的，换成企业里的脏数据和老系统，成功率会掉得很明显。
商业观察者会说：账单、算力、供应商绑定、培训成本会决定这件事能不能长期跑。
历史观察者会说：每一轮自动化工具刚出现时，都会先被当成“替代人”。最后留下来的，往往是重组流程的那部分。
这时候你拿到的已经不是一段解释。
你拿到的是一张观点地图。
三、第二步：让这些视角互相质疑
很多人做调研，会停在“多视角列表”这一步。
这还不够。
五个视角各说各的，只是资料变多了。让它们互相质疑，才会出现判断。
继续让 Claude 做一件事：
基于上面的 5 个视角，请画出一张矛盾图。
请回答：
1. 哪些视角之间存在直接冲突？
2. 每个冲突背后各自依赖什么证据？
3. 哪些观点虽然立场不同，但都承认同一个事实？
4. 哪个观点证据最强，哪个观点更像猜测？
5. 有没有所有视角都没提到的盲区？
6. 如果只能继续追问一个问题，哪个问题最值得追？
基于上面的 5 个视角，请画出一张矛盾图。
请回答：
1. 哪些视角之间存在直接冲突？
2. 每个冲突背后各自依赖什么证据？
3. 哪些观点虽然立场不同，但都承认同一个事实？
4. 哪个观点证据最强，哪个观点更像猜测？
5. 有没有所有视角都没提到的盲区？
6. 如果只能继续追问一个问题，哪个问题最值得追？
这一步会产出三类信息。
第一类是共识。
不同立场的人都承认的事实，可信度通常更高。比如企业上 Agent，几乎所有视角都会承认：权限、日志、成本、回退不能省。
第二类是冲突。
冲突说明这里有变量、有立场、有利益、有证据差异。文章、方案、决策里最有价值的部分，常常从冲突里长出来。
第三类是盲区。
所有视角都没提的内容，可能是模型漏了，也可能是这个领域普遍没想清楚。这个盲区很适合继续追问。
比如研究“AI 学习效率”时，很多人会讲提示词、工具、资料源，很少有人追问：
你学完以后，怎么证明自己会了？
这就引出后面的学习闭环。
四、第三步：把调研压成一份能用的简报
视角打开、矛盾找出来以后，不要继续无止境收集资料。
先让 Claude 把当前信息压缩成一份简报。
请把前面的多视角分析和矛盾图，整理成一份研究简报。
要求：
1. 用一段话说明这个主题现在最值得关注的结论。
2. 给出 5 个关键发现，按可信度排序。
3. 每个发现标注：哪些视角支持，哪些视角反对。
4. 找出一个隐藏关联：只有把多个视角放在一起才看得出来。
5. 给我一个行动建议：如果我是【你的身份】，下一步应该做什么。
6. 给我一个继续研究的问题：回答它会改变我对这个主题的判断。
请把前面的多视角分析和矛盾图，整理成一份研究简报。
要求：
1. 用一段话说明这个主题现在最值得关注的结论。
2. 给出 5 个关键发现，按可信度排序。
3. 每个发现标注：哪些视角支持，哪些视角反对。
4. 找出一个隐藏关联：只有把多个视角放在一起才看得出来。
5. 给我一个行动建议：如果我是【你的身份】，下一步应该做什么。
6. 给我一个继续研究的问题：回答它会改变我对这个主题的判断。
这一步会把“资料”变成“判断”。
很多人学东西卡在中间，不是资料不够，而是不会收束。
AI 时代，资料越来越便宜。真正稀缺的是把资料压成判断的能力。
你要的是一份能让你继续行动的简报，不是一堆漂亮段落。
如果你是内容运营，这份简报可以变成选题大纲。
如果你是开发者，它可以变成技术选型判断。
如果你是产品经理，它可以变成需求讨论材料。
如果你是老板，它可以变成一个“要不要投入”的初步决策。
五、第四步：资料只留 5 个，不要越收越多
AI 学习里有一个特别容易上瘾的动作：收集资源。
收藏一篇文章，存一个视频，加入一个知识库，问 Claude 再推荐 20 个资料。做完这些，你会觉得自己已经开始学习了。
但很多人的收藏夹，就是知识的停车场。
资源越多，越不想开始。
这里可以让 Claude 扮演一个“只帮你省时间的策展人”：
关于【主题】，我不想继续无限收藏资料。
请你只帮我筛 5 个最值得使用的资源。
每个资源请说明：
- 它适合解决什么问题；
- 我应该读、看、练，还是查；
- 大概要花多久；
- 我应该从里面拿走什么；
- 哪些同类资源可以先跳过；
- 最后把 5 个资源排成一条一周内能走完的学习路径。
关于【主题】，我不想继续无限收藏资料。
请你只帮我筛 5 个最值得使用的资源。
每个资源请说明：
- 它适合解决什么问题；
- 我应该读、看、练，还是查；
- 大概要花多久；
- 我应该从里面拿走什么；
- 哪些同类资源可以先跳过；
- 最后把 5 个资源排成一条一周内能走完的学习路径。
这一步有点反直觉。
你让 AI 少给，而不是多给。
少给才容易执行。
学一个新领域，第一周能认真吃完 5 个资源，已经比收藏 50 个资源强太多了。
六、第五步：给自己搭一张学习阶梯
很多人学不进去，是因为一开始就拿了太难的材料。
基础没打好，直接看论文、看源码、看行业报告，很容易看半小时就开始怀疑自己智商。
这时候可以让 Claude 帮你搭学习阶梯。
我想系统学习【主题】。
请把它拆成 5 个难度等级：
1. 完全新手；
2. 基本理解；
3. 能实际使用；
4. 能解决问题；
5. 能独立判断和输出。
每个等级请给我：
- 应该理解的核心内容；
- 达到这个等级的标志；
- 最容易犯的错误；
- 一个动手练习；
- 一个进入下一等级前的自测问题。
我想系统学习【主题】。
请把它拆成 5 个难度等级：
1. 完全新手；
2. 基本理解；
3. 能实际使用；
4. 能解决问题；
5. 能独立判断和输出。
每个等级请给我：
- 应该理解的核心内容；
- 达到这个等级的标志；
- 最容易犯的错误；
- 一个动手练习；
- 一个进入下一等级前的自测问题。
这一步解决的是定位问题。
你要知道自己站在哪一层，也要知道下一层是什么。
学习最痛苦的状态，不是不会。
是你不知道自己不会哪里。
Claude 给你搭完阶梯以后，你就能把学习从“看资料”改成“闯关”。
每一级都有练习，有自测，有进入下一步的门槛。这样学起来慢一点，但不会虚。
七、第六步：先吃掉能上手的 20%
一个领域里的知识，不是平均分布的。
总有一小部分概念和技能，撬动了大多数实践效果。
比如学 RAG，先别一上来钻所有向量数据库和评测框架。你至少要先搞清楚：切分、召回、重排、引用、幻觉控制、评估样本。
学 Agent，先别急着堆十几个工具。你至少要先搞清楚：任务拆解、工具边界、权限确认、失败恢复、日志和成本。
学内容运营，先别急着研究所有平台算法。你至少要先搞清楚：选题、标题、开头、信息密度、转化路径、复盘。
可以这样问 Claude：
我只有 2 小时学习【主题】。
请帮我找出最能带来实际效果的 20% 内容。
要求：
- 列出 8-10 个核心概念或技能；
- 说明为什么它们能带来大部分效果；
- 排成一条 2 小时学习路线；
- 每 20 分钟给一个练习；
- 最后给一个小项目，用来证明我真的能上手。
我只有 2 小时学习【主题】。
请帮我找出最能带来实际效果的 20% 内容。
要求：
- 列出 8-10 个核心概念或技能；
- 说明为什么它们能带来大部分效果；
- 排成一条 2 小时学习路线；
- 每 20 分钟给一个练习；
- 最后给一个小项目，用来证明我真的能上手。
这一步不负责把你变成专家。
它只负责让你先能干活。
能干活以后，你会带着问题继续学。带着问题学，比空着脑袋看资料快得多。
八、第七步：让 Claude 当考官，把你考到露馅
输入型学习最舒服。
看文章舒服，听视频舒服，让 Claude 给你讲更舒服。
舒服的问题是，它会让你误以为自己懂了。
检验理解的办法很简单：别再看，让自己往外讲。
让 Claude 当考官：
我刚学完【主题】，想测试自己到底理解了多少。
请你扮演一个严格但愿意帮我的考官。
规则：
1. 一次只问一个问题。
2. 从简单到困难，总共问 10 个。
3. 每次我回答后，给我 0-10 分。
4. 告诉我哪里答对了，哪里含糊、跳步或错误。
5. 如果我答得太浅，先追问，不要立刻进入下一题。
6. 最后给我一份复习清单和一个最终挑战题。
我刚学完【主题】，想测试自己到底理解了多少。
请你扮演一个严格但愿意帮我的考官。
规则：
1. 一次只问一个问题。
2. 从简单到困难，总共问 10 个。
3. 每次我回答后，给我 0-10 分。
4. 告诉我哪里答对了，哪里含糊、跳步或错误。
5. 如果我答得太浅，先追问，不要立刻进入下一题。
6. 最后给我一份复习清单和一个最终挑战题。
这一步会有点难受。
因为你会发现，很多“我懂了”，只是“我看懂了”。
能看懂，和能讲清楚，中间差了一大截。
但被考住的那一刻，学习才真的开始。
你会知道自己漏了哪个概念，混淆了哪个边界，哪个例子其实讲不出来。
九、第八步：用费曼循环磨平讲不清的地方
考官把漏洞挖出来以后，不要重新从头学。
只补漏洞。
这时候可以用费曼学习法，让 Claude 陪你反复讲。
我想用费曼学习法吃透【概念】。
请你先用很简单的话和生活例子讲一遍。
然后让我用自己的话复述。
接着指出我复述里含糊、跳步、错误或没讲完整的地方。
只针对这些地方重新解释。
再让我复述一遍。
在我能用简单、准确、完整的话讲清楚之前，不要进入新内容。
我想用费曼学习法吃透【概念】。
请你先用很简单的话和生活例子讲一遍。
然后让我用自己的话复述。
接着指出我复述里含糊、跳步、错误或没讲完整的地方。
只针对这些地方重新解释。
再让我复述一遍。
在我能用简单、准确、完整的话讲清楚之前，不要进入新内容。
费曼循环最有用的地方，是它逼你把“看起来懂”的概念变成自己的语言。
很多知识之所以留不住，是因为它一直停在别人的表达里。
你能用自己的话讲出来，才算开始归你。
十、第九步：压成一页速查卡
最后一步很轻，但很关键。
学完以后，要把知识压缩。
人的脑子记结构比记长段落容易。你不压缩，后面要用的时候就只能重新翻资料。
让 Claude 帮你做一页速查卡：
请帮我做一份关于【主题】的一页速查卡。
要求：
- 一句话定义；
- 5-8 个核心概念；
- 最常见的使用场景；
- 新手最容易犯的错；
- 上手前检查清单；
- 3 个真实例子；
- 5 个快问快答，帮我复习。
请用短句，不要长段落。
请帮我做一份关于【主题】的一页速查卡。
要求：
- 一句话定义；
- 5-8 个核心概念；
- 最常见的使用场景；
- 新手最容易犯的错；
- 上手前检查清单；
- 3 个真实例子；
- 5 个快问快答，帮我复习。
请用短句，不要长段落。
这张卡不是为了显得会整理。
它是一个复用入口。
下次开会前、写文章前、做方案前、面试前，花 5 分钟扫一遍，你就能把那套结构重新拉回来。
十一、把整套流程串起来
到这里，这套 AI 学习闭环就完整了。
可以把它压成 9 个动作：
- 用 STORM 打开五个视角；
- 让五个视角互相质疑；
- 压成一份研究简报；
- 只筛 5 个资源；
- 搭 5 级学习阶梯；
- 先吃能上手的 20%；
- 让 Claude 当考官；
- 用费曼循环补漏洞；
- 压成一页速查卡。
这套流程适合很多场景。
写文章前，先跑一遍多视角和矛盾图，你的稿子会比普通资料整理多一层判断。
学新工具前，先筛资源、搭阶梯、吃 20%，不会一上来就掉进教程海。
做产品方案前，先让实践者、研究者、怀疑者、商业观察者、历史观察者互相打架，可以提前看到风险。
面试前，让 Claude 当考官，把你讲不清的地方直接暴露出来。
做团队培训时，把最终内容压成一页速查卡，后面新人也能复用。
十二、用 Claude/Codex/WorkBuddy 跑这套流程时，要注意三件事
第一，不要一口气把所有步骤丢给模型。
一步一步跑。
AI 擅长帮你推进流程，但你要在每一步判断输出有没有用。视角是否真实，矛盾是否成立，简报有没有证据，学习阶梯是否符合你的当前水平，这些都要看。
第二，长任务要注意成本。
STORM、多视角、追问、测试、费曼循环都会消耗 token。个人偶尔用没什么，团队长期用就要有账本。
如果你在 Claude Code、Codex、WorkBuddy 或其他工具里调用 Claude，可以把 API 接入统一到 apito.ai。这样每次学习、调研、写作、代码任务的用量更容易记录，也方便后面看哪类任务最耗成本。
已经配置过旧地址的工具，一般只需要把请求地址从 claudeapi.com 改成 apito.ai。Key、模型 ID 和请求参数通常不用同步大改，具体以控制台实际可见模型和接口返回为准。
第三，不要让 AI 替你完成“记住”。
Claude 可以帮你找资料、拆视角、出题、纠错、整理卡片。
但最后那一步，还是要你自己讲一遍、错一遍、改一遍。
输入可以借助 AI 加速。
理解不能外包。
结尾
现在很多人用 AI，输出越来越快，输入越来越少。
这会带来一个很隐蔽的问题：我们好像每天都在生产内容、生产方案、生产代码，但脑子里真正新增的结构并不多。
AI 学习最舒服的用法，是让它一直讲给你听。
更有效的用法，是让它不断追问你、反驳你、考你，逼你把话讲清楚。
下次你想学一个新领域，可以不用再从“给我介绍一下”开始。
把主题丢进去，先让五个视角开会，再让它们吵一架，压成简报，筛资源，搭阶梯，吃核心，被考官追问，最后做一页速查卡。
这一轮跑下来，你得到的不会只是一份 AI 生成的答案。
你会得到一套能继续复用的学习路径。
如果今天想试 5 分钟，就拿一个主题跑第一步。比如“Claude Code Skills”“RAG 评估”“AI 内容工作流”“企业 Agent 权限边界”。
同样是问 Claude，结构化学习和随手提问，差别很快就能看出来。
FAQ
1. 这套方法适合完全新手吗？
适合，但新手不要一次跑完所有步骤。可以先跑“多视角 + 学习阶梯 + 考官测试”三步。等对主题有基本理解后，再加入矛盾图、资源筛选和速查卡。
2. STORM 一定要用 Stanford 的在线工具吗？
不一定。STORM 的在线工具可以体验完整流程，但本文这套方法更强调思路迁移。你直接用 Claude、Codex 或 WorkBuddy，通过提示词模拟多视角调研，也能得到类似的结构化结果。
3. 为什么要让 Claude 当考官？
因为看懂不等于会。考官模式会逼你主动回忆、自己组织语言、暴露理解漏洞。很多知识只有在你讲不出来的那一刻，才知道应该回去补哪里。
4. 用这套流程会不会很耗 token？
会比普通问答更耗 token，尤其是多视角、追问和费曼循环。建议把它用在高价值主题上，比如行业研究、重要选题、技术学习、产品决策。团队使用时可以通过 apito.ai 统一记录用量，避免成本变成黑箱。
5. 这套方法更适合 Claude 还是 Codex？
偏调研、写作、学习、长文理解的任务，可以优先用 Claude。偏代码仓库、工程任务、文件操作的学习，可以用 Codex 或 Claude Code。WorkBuddy 这类工具适合把学习和工作流结合起来。重点不是工具名字，而是能不能把“调研—学习—测试—复用”这条链跑通。
6. 今天只想试 5 分钟，应该跑哪一步？
直接跑第一步：让 Claude 用五个视角分析一个主题。这个动作最轻，也最容易立刻看到差别。普通问答给你一个平均答案，多视角会把实践、证据、反方、利益和历史经验同时摆出来。
