Lesson 0001 — 具體成果迴圈
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。
這裡的「具體成果」不一定是完整作品，也不一定要公開。它可以是一份判斷筆記、一個 prompt、一個小 demo、一篇草稿、一張表格，或是一個能幫你做下一步決策的文件。
為什麼要先練這個
我原本常把學習理解成「多吸收一點」。看到文章、影片、書或工作上的新東西時，直覺會是：這個我應該要記下來、整理一下、之後再看。
但這樣很容易累積很多 input，卻沒有真的變成能力、作品或行動。
真正有幫助的轉換是：
看到 input 的同時，就問：這個東西可以變成什麼具體成果？
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」。
核心問題
每次看到一個值得處理的 input，可以先問：
我現在真正需要學會或判斷的是什麼？
這個問題很簡單，但很關鍵。它可以幫你避免只是「整理資料」，而是回到真正需要推進的能力或決策。
例如：
| Input | 不只是 | 可以轉成 |
|---|---|---|
| 讀到一篇 AI workflow 文章 | 摘要文章 | 判斷我自己的工作流要不要改 |
| 看完一個教學影片 | 記下步驟 | 做一個自己的最小測試版本 |
| 聽到一集 podcast | 寫重點 | 連回自己的財務、職涯或專案決策 |
| 遇到一個客戶問題 | 解掉問題 | 整理成 reusable checklist 或案例 |
具體成果迴圈
可以把這個流程想成 6 步：
- Input：我剛看到、讀到、經歷了什麼？
- Question：我現在真正需要學會或判斷的是什麼？
- Output Type：這適合變成哪一種具體成果？
- Draft：先產出 70 分版本。
- Judgment：用自己的判斷修改，而不是直接接受 AI 的答案。
- Route：放回專案、文章、reference、action，讓它有下一步。
更完整的速查可以看：具體成果迴圈 reference。
AI 在這裡扮演的角色
AI 最適合幫你把 output 快速具體化，例如：
- 幫你列出可能的成果類型
- 幫你做第一版草稿
- 幫你比較不同方向
- 幫你把想法整理成表格、文章、brief 或 checklist
- 幫你把產出放回 PKM / project / action 系統
但真正重要的判斷仍然是你的：
這個成果是否真的有價值？是否接近我想做的事？是否值得繼續？
互動練習區
下面保留原本的 HTML 互動版本，用來快速練習判斷具體成果類型，以及把你現在的題目壓成一個最小成果。
下一次怎麼用
當你之後丟一段 input 給 AI 時，可以直接說：
我剛看到 / 經歷的是：...
我現在真正需要學會或判斷的是：...
請先幫我產出：...
先不要追求完美，做出可修改版本，並指出我需要補充或判斷的地方。如果你卡住，可以問：
這個題目最值得變成哪三種具體成果？請按對我目前 Goal 的價值排序。延伸閱讀
- The Learning Scientists — 6 Strategies for Effective Learning：用 retrieval practice 的角度理解為什麼要先自己產出。
- Bjork & Bjork — Desirable Difficulties：理解為什麼稍微費力的回想比順暢閱讀更有效。
- Product Talk — Continuous Discovery：提醒具體成果最好能回到真實 opportunity / desired outcome。
下一課
如果你已經能判斷具體成果類型，可以接著做 Lesson 0002 — 先定義輸出，再和 AI 協作。