在AI时代，学习重心应从记忆转向培养流体智能。文章提出“道法器”框架：明确学习方向（侧重具身认知与全局逻辑），采用定制化与项目化学习方式，善用AI工具（对话式与代码编辑器形态），并结合Obsidian和NotebookLM等工具构建知识体系，实现高效学习与协作。

AI 时代怎么去学习

精选摘要：AI 时代，学习的关键不再是和机器比记忆与执行，而是先判断什么值得学，再用 AI 做定制化、项目化学习，并把工具变成长期协作的知识系统。

这篇文章用"道法器"这个思维框架来讲。

---

SECTION道：先定方向——学什么，不学什么

学什么，不学什么

道的层面，就是先定方向——先明白哪些需要学习、哪些不需要学习。

这里我借用心理学家卡特尔做的一个区分：流体智能和晶体智能。流体智能更多覆盖抽象层面，指人的联想能力、创造性思维能力；晶体智能则指程序化的东西和记忆性的东西。

在当下这个时代——包括互联网出现以来——人类已经可以很大程度上把记忆外包出去，记忆变得不像以前那么重要。而现在随着 AI 的发展，硅基智能能够在很大程度上替代人类做一些程序性的事情，比如科研流程中的数据整理、代码撰写等等。

所以我们往后的学习方向，==不要去和 AI、和机器比拼记忆力，那是完全不可能的。==总而言之，要更多侧重流体智能的培养。

但上面这些表述还是显得抽象，基本都是在概念层面反复阐释。举个具体例子：应试教育中有很多古诗背诵的环节。跟电脑相比，人类无论是存储（背诵）还是索引（复述），都完全没办法跟机器、跟 AI 比。这不只是文科的问题——一切程序化的、记忆性的、规则清晰的东西，都容易被取代。2026 年高考数学卷刚出来，各大媒体就已经在测试 AI 了，头部模型拿到了 140 分以上的成绩。

当然，这不是说晶体智能就不重要了。晶体智能和流体智能并不是完全切割的，而是互有关联。死记硬背古诗，跟 AI 确实没法比，但它确确实实会提升个人的思想境界和文化涵养，而这些涵养在某个特定时刻，有可能化作流体智能的源泉。数学也同样如此。

那么 AI 真正的局限在哪里？

AI 的局限

AI 给大多数人的感觉恰恰是非常有条理、头头是道。但这里有一个关键区分：AI 呈现出来的"逻辑感"，和真正意义上的逻辑驱动，是两回事。

AI 的本质是一个靠预测运作的黑箱系统，它没有一个真正理解全局、从头到尾把持方向的"主体"。这个缺陷在两个场景下会集中暴露：

第一是具身认知的情境判断。举个典型例子：洗车店离家 500 米，我应该走过去还是开车去？这道题没有任何显式规则，依赖的是人类活在物理世界里积累的经验——走路的时间感、开车找停车位的麻烦、天气、心情……这些完全隐性、不言而喻。AI 没有身体，没有真实世界里的时间感和空间感，所以这类简单的日常判断它反而经常翻车。认知科学里有个词叫"具身认知"，说的就是：人类很多推理其实是身体经验的延伸，不是纯粹的符号运算。

第二是复杂系统的全局掌控。让 AI 写一段代码、处理一个局部任务，它可以表现得很好。但如果是维护一个十几万行的大型项目工程，你让 AI 去改，它很可能胡乱改——因为它没有能力真正理解整个系统的架构逻辑，只是在局部做模式匹配。这种情况下必须有人类在旁边把持方向，给它指明每一步该做什么。

这两个场景，说的其实是同一个根本缺陷：AI 没有真正的理解，只有模式匹配。

换句话说，AI 补不了的地方，就是人最值得投入的地方。

所以道的层面，可以更清晰地切成三块：

道的三块总结

• 记忆——已经基本外包给搜索引擎和 AI，不值得再花大力气培养
• 形式逻辑 / 程序性执行——AI 正在大规模替代，边界会持续扩张
• 具身认知 / 全局逻辑驱动——AI 的真正短板，也是人类值得死守的地方

---

SECTION法：怎么学

定制化学习与项目化学习

知道了学什么，接下来就是该怎么学。

我本来有三点想法：定制化、项目化、主动学习。但主动学习其实是前两者的基石，是基础关系，不是并列关系。主动学习不用多说——别人逼你学没有用，你必须自己有那个心气。所以下面主要讲定制化学习和项目化学习。

定制化学习

孔子讲"因材施教"，教学要千人千面。但受制于现实，教育资源相对紧张，尤其是优质资源。一个班往往三四十个学生，甚至五六十个，老师应接不暇，很难关照到每个人；自己请家教、一对一补习，又价格不菲。

而在 AI 时代，你可以花每月 20 美元，请到一个 7×24 小时、在各领域达到准专家水平的 AI 智能体，为你做一对一定制化教学。这可以说是前所未有的时代红利。

项目化学习

这是我本人一直在用的学习方法：以项目为目标，去探索一个全新的领域。

我们接受的系统性教育基本上是全才教育，方方面面都学。但实际中，比如一个前端工程师和一个后端工程师，他们真正用到的技能差异极大，学校课程里大量的内容在真实工作中用不上。

这里有一个概念可以解释项目化学习的本质，叫建构式学习——汽修工最好的学习方式是在汽车厂里当学徒，而不是枯坐着学各种理论知识。当然理论知识也必要，但项目化学习的核心优势正在于此：你学的每样东西都是被实际问题倒逼出来的，必然有用，能直接帮你解决当下的问题。

而过去你要以项目驱动去探索一个全新领域，需要聘请专家学者一步步指导，时间和金钱成本都极大；现在同样 20 美元，就能请到一个准专家水平、7×24 小时服务的 AI 来陪你走完整个过程。过去很多不可能的事，现在都变成可能了。

---

SECTION器：用什么工具

最后是器的层面，也就是用哪些工具。

这里我要对两类 AI 工具做个区分。

两类 AI 工具

第一类是我们最熟悉的网页对话框，对话式的，比如各种主流 AI 助手。

第二类最早在程序员中流行，是代码编辑器形态的 AI，有系统文件的访问和写入权限，能直接操作本地文档，创建、写入、修改文件。过去这类工具跟普通人距离很远，主要被程序员用来写代码；现在随着 Claude Code、Codex 这一代的出现，正在向更广泛的用户开放。

问题在于，当我们要执行一个真实的学习项目，必然包含大量上下文信息，需要归类整理、做笔记、做交互，这些都需要软件来支撑，不能只停留在网页上——网页最多只能一问一答，没法绘制图表、创建文件、管理知识体系。这时候，第二类工具的价值就显现出来了。

同时我最推荐搭配的是 Obsidian，一个本地知识管理工具。推荐它最核心的理由是：它主要使用 Markdown 文档格式，而 Markdown 是人类和 AI 之间一种共通的语言——AI 可以直接读写你的笔记，无缝协作，不需要任何格式转换。其次，Obsidian 采用的是一种半开源的商业模式，支持社区插件和自定义 CSS，用户可以在此基础上做大量的个性化扩展——从界面渲染到功能模块，上限极高，完全可以根据自己的需求量身定制。在这个基础上，它还具备双向链接、知识图谱、白板等完整的笔记功能。你可以把 Obsidian 理解成你的数字笔记本，也是整个学习项目的视觉载体。

Obsidian 与 NotebookLM

此外还有一个相对异类的工具：NotebookLM，谷歌旗下的产品。

在讲它之前，先说 AI 在学习场景下的两类具体问题。第一类是幻觉：AI 会胡编乱造，特别是捏造不存在的文献，虽然现在大有改观，但仍然是实际使用中的隐患。第二类是发散：比如学线性代数，AI 有它自己的一套讲解方式，但跟你学校的教材不一定一样——比如矩阵转置的符号，有的写 AT，有的写 A′，本身没有对错，但你要参加学校考试，就必须按老师的写法来。这不是幻觉，但同样会带来麻烦。

NotebookLM 的解法是：允许你上传所有相关 PDF 文件作为知识库，它的回答严格限定在你提供的知识范围之内，不会超出边界。这一方面保证了内容的准确、严谨，另一方面更贴合你的现实需求——特别适合备考，因为 AI 给你讲的就是你手里那本教材，而不是它自己的理解版本。

除此之外，NotebookLM 还附带了一些实用功能，比如出题、记忆卡片、生成思维导图。尤其是思维导图——往常自己梳理思维导图要耗费大量时间，还要选各种工具；对 NotebookLM 来说，几乎是即时生成。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2026 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要 《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？