Lesson 0001 · Completed

把「想學」轉成一個小具體成果

這堂課只練一件事：當你有一個模糊學習題目時，如何在 30–90 分鐘內產出一個能累積能力、作品或判斷的小東西。

今天的勝利條件：你不用學完整個主題，只要能把一個輸入轉成「下一個最小具體成果」。

完成後心得

你這次真正學到的是：從 input 到 output 不是天生會或不會，而是一個可以培養的能力。看到一個輸入時，不只是問「這有沒有用」，而是立刻問：「它可能變成什麼具體成果？」

最有用的核心問題是：

我現在真正需要學會或判斷的是什麼？

這個問題會把注意力從「我要吸收更多」拉回「我要做出什麼、判斷什麼、改變什麼」。接下來可以把它內化成固定動作：看到 input → 想像可產出的具體成果 → 從 output 目標開始和 AI 討論 → 產出初稿 → 用自己的判斷修正。

為什麼這適合你

你的目標不是單純補硬實力或軟實力，而是創造有價值的內容、產品與系統。也就是說，學習最好不要停在「讀過」，而要變成能被展示、測試、重用的具體成果。

這也符合幾個高可信學習原則：retrieval practice 讓你先回想而不是只重讀；spacing / interleaving 讓學習分散、混合在真實任務裡；desirable difficulties 則提醒我們，稍微費力的回想常比順暢閱讀更能留下長期能力。參考：The Learning Scientists、Bjork & Bjork。

核心模型：具體成果迴圈（Artifact Loop）

使用這個 6 步驟。詳細速查見 具體成果迴圈 reference。

Input
我剛看到/遇到什麼？
Question
我現在真正需要學會或判斷的是什麼？
Retrieval
先用自己的話說。
Concrete Output
做一個小具體成果。
Feedback
取得回饋或測試。
Record
更新 note / action。

小練習 1：判斷具體成果類型

選出最適合的具體成果。每題答案都很短，重點是練判斷。

情境 A：你讀到一篇個人品牌文章，覺得它和自己的定位有關，但還沒有完整論點。

情境 B：你在 Zouluh 發現「銀行連結」可能太早要求，想釐清產品入口策略。

情境 C：你發現自己對 GIL / thread 不熟，但短期不是為了面試刷題，而是要能講清楚。

小練習 2：把你現在的題目壓成一個具體成果

用 3 句話填。不要查資料，先 retrieval。

下一次怎麼用

你可以直接對 agent 說：

$teach 我想把「___」轉成一個 30–90 分鐘具體成果，請用具體成果迴圈帶我做。

如果你卡住，可以問 agent：「這個題目應該做成 Evergreen、文章簡報、決策筆記、展示版本還是任務？」

推薦讀物

主讀：The Learning Scientists — 6 Strategies for Effective Learning。讀的時候只問一個問題：我怎麼把 retrieval practice 放進自己的 AI 協作流程？

產品方向補充：Product Talk — Continuous Discovery，用來提醒「具體成果」最好能回到真實 opportunity / desired outcome。