关于 AI 学习法，最近网上非常流行的一个案例，就是 MIT 学霸使用 NotebookLM 2 天学完一门课，这个再次验证 AI 时代，利用 AI 提升学习效率的重要性。这样我们就可以有更多时间进行更多有意义的活动。
该信息来源
来源于 X 的一个帖子："I accidentally discovered how to compress a semester of learning into 48 hours"。
原作者也是从 Reddit 看到一个分享贴，整理后发在 X 上，原文内容如下：
I accidentally discovered how to compress a semester of learning into 48 hours.
我偶然发现了一个能将一学期的学习内容压缩进 48 小时的方法。
A grad student at MIT showed me his NotebookLM setup. I thought he was just organized.
一位麻省理工学院（MIT）的研究生向我展示了他的 NotebookLM 配置，我起初以为他只是很有条理。
Then I watched him pass a qualifying exam on a subject he'd never studied before.
接着，我亲眼看着他通过了一门从未学过的学科的资格考试。
Here's exactly what he did:
以下是他的具体做法：
First: he didn't upload a textbook.
首先：他没有只上传某一本教科书。
He uploaded 6 textbooks, 15 research papers, and every lecture transcript he could find on the subject.
他上传了 6 本教科书、15 篇研究论文，以及他能找到的所有关于该学科的讲座文稿。
Then he asked NotebookLM one question:
然后他向 NotebookLM 提出了一个问题：
"What are the 5 core mental models that every expert in this field shares?"
“该领域的每位专家都具备的 5 个核心思维模型是什么？”
Not "summarize this." Not "explain this topic."
不是“总结一下”，也不是“解释这个话题”。
Mental models. The stuff that takes professors years to develop.
而是思维模型，那是教授们需要花费数年才能形成的洞察。
But the next part is what broke my brain.
但接下来的部分才真正让我大受震撼。
He followed up with:
他紧接着追问道：
"Now show me the 3 places where experts in this field fundamentally disagree, and what each side's strongest argument is."
“现在告诉我，该领域的专家在哪些核心点上存在根本分歧，以及各方最强有力的论据分别是什么。”
In 20 minutes he had a map of the entire intellectual landscape of the field:
在 20 分钟内，他就掌握了该领域完整的知识版图：
the debates, the consensus, the open questions.
辩论焦点、共识以及尚未解决的问题。
Most students spend a full semester just figuring out what those debates even are.
大多数学生要花上一整个学期才能搞清楚这些辩论到底在争什么。
Then he did something I've never seen before.
接着，他做了一件我从未见过的举动。
He asked:
他问道：
"Generate 10 questions that would expose whether someone deeply understands this subject versus someone who just memorized facts."
“生成 10 个问题，用来区分一个人是深度理解了这门学科，还是仅仅死记硬背了一些事实。”
He spent the next 6 hours answering those questions using the source material. Every wrong answer triggered a follow-up:
在接下来的 6 个小时里，他利用原始资料回答这些问题。每一个错误的回答都会引发一个追问：
"Explain why this is wrong and what I'm missing."
“解释一下为什么这个答案是错的，以及我遗漏了什么。”
By hour 48, he could hold a conversation with his thesis advisor without getting destroyed.
到了第 48 小时，他已经能和导师进行深入对话而不会被问得哑口无言。
The tool didn't change. The questions did.
工具没有变，变的是提问的方式。
Most people treat NotebookLM like a fancy highlighter.
大多数人把 NotebookLM 当作一个高级荧光笔。
These students are using it like a private tutor who has read everything ever written on the subject.
而这些学生把它当作一位读过该领域所有文献的私人导师。
The difference between a semester and 48 hours isn't the amount of content.
一学期与 48 小时之间的差距不在于内容的多少。
It's knowing which questions to ask.
而在于是否知道该问什么问题。
该 AI 学习法核心
这套方法流传最广的版本，核心是三步：
先让 AI 帮你提炼这个领域的核心心智模型
再追问专家之间的根本分歧
最后让 AI 出能区分“真正理解”和“死记硬背”的高难问题来做压力测试。
帖子里还提到，他不是只看摘要，而是把多本教材、研究论文和课程材料一起喂给 NotebookLM，然后对错题持续追问“为什么错、漏掉了什么逻辑”。
将 AI 学习法转为 Agent Skill 工作流
很多人无法访问 NotebookLM，那么也有可以使用 AI 编程 IDE ，比如 Trae。可以把这个学习法提炼为一个 Skill 工作流：
Skill 目录
mit-48h-learning-skill/
├── SKILL.md ← 核心文件（必需）
└── references/
├── methodology.md ← 方法论背景与原理
└── prompt-templates.md ← 中英双语 Prompt 模板库SKILL.md
---
name: mit-48h-learning
description: A structured AI-powered learning workflow that compresses a semester of study into 48 hours. Inspired by an MIT graduate student's NotebookLM method. Use when a user wants to rapidly master a new subject, prepare for an exam or interview, learn a technical domain, or build deep understanding from a collection of documents, textbooks, or research papers. Activates on phrases like "快速学习", "learn fast", "master a subject", "study for exam", "48-hour learning", or any request to deeply understand a field using AI.
license: MIT
metadata:
author: perplexity-ai-assistant
version: "1.0"
inspired-by: MIT grad student NotebookLM method (via Reddit/X, 2025)
language: zh-CN / en
***
# MIT 48小时 AI 深度学习工作流
## 概述
这套工作流将 MIT 研究生使用 NotebookLM 压缩一学期学习内容至 48 小时的方法，提炼为可跨平台复用的标准化 Agent Skill。核心思路：**用结构化提问代替被动阅读**，让 AI 扮演"读完所有资料的私人导师"。
适用于任何 AI 编程 IDE（Trae、Cursor、Claude Code 等）或支持多文档上下文的 AI 工具。
***
## 使用前提
- 准备好目标学科的学习材料（教材 PDF、论文、课程文稿、官方文档等）
- 材料数量建议：2～6 本核心教材 + 10～20 篇论文/文档（越立体越好）
- 在 IDE 中通过 `@file` 或粘贴内容将材料注入上下文
***
## 工作流步骤
### Phase 1 — 材料投喂（预计 30 分钟）
将所有学习材料引入 AI 上下文：
- 使用 `@file` 引用本地 PDF、Markdown、TXT 文件
- 粘贴关键章节文本或 lecture transcript
- 添加官方文档链接或 README
> **原则**：材料越多样（教材 + 论文 + 讲义），AI 的知识图谱越完整，后续提问质量越高。
***
### Phase 2 — 提炼核心心智模型（预计 30 分钟）
材料就位后，发出第一个核心 Prompt：
```
请从以上所有资料中，提炼出这个领域每位专家都认同的 5 个核心心智模型。
不是概念罗列，而是专家在思考和解决问题时使用的底层框架。
请用"问题→框架→应用场景"的结构呈现每一个心智模型。
```
**目标**：在 30 分钟内建立"领域全局地图"，跳过初学者在教材前 200 页迷失的阶段。
**预期输出**：5 个结构化心智模型，每个包含定义、典型应用和与其他模型的关联。
***
### Phase 3 — 定位核心争议（预计 20 分钟）
紧接着发出第二个 Prompt：
```
现在告诉我这个领域中，专家之间存在根本分歧的 3 个核心问题。
对每个分歧：
1. 描述争论的本质
2. 给出支持方最强的 3 个论据
3. 给出反对方最强的 3 个论据
4. 说明这个分歧目前的学界主流立场（如果有的话）
```
**目标**：20 分钟内看清整个知识场的"断层线"。大多数学生花一整学期才能隐约感觉到这些争议的存在。
***
### Phase 4 — 压力测试（预计 6～8 小时，Day 1 晚间至 Day 2）
这是与普通"让 AI 总结"最大的区别。发出第三个核心 Prompt：
```
请生成 10 道高难度问题，专门用来区分：
- "真正理解这个领域"的人
- "只是死记硬背了概念"的人
问题应覆盖：边界条件、反直觉结论、跨概念推理、实际应用判断。
不要出填空题或选择题，只出需要推理和解释的开放性问题。
```
拿到问题后，逐题作答。**遇到答错或答不出，立刻追问**：
```
我的回答是：[你的答案]
请告诉我：
1. 我哪里理解错了？
2. 我遗漏了什么关键逻辑？
3. 正确的推理路径应该是什么？
4. 这个概念和哪个心智模型直接相关？
```
> **关键原则**：每一道错题都是一次精准的知识漏洞定位。持续 6～8 小时的压力测试，等效于一整个学期的习题课。
***
### Phase 5 — 口试模拟验证（预计 1～2 小时，Day 2 收尾）
学习不以"看完"为终点，而以"能讲出来"为终点：
```
现在请你扮演一位严格的 [领域名称] 专家教授，对我进行一次口试模拟。
要求：
- 从心智模型、争议问题、边界案例三个维度各出 2～3 道问题
- 对我的每个回答，指出优点和不足
- 如果我回答正确，追加一个更深的追问
- 如果我回答错误，不要直接给答案，而是给出 Socratic 式的引导提示
口试结束后，给出一份 100 字以内的总体评估。
```
**通过标准**：能在这个环节不被"考官"打穿，说明你已真正完成了 48 小时学习闭环。
***
## 完整工作流速查表
| 阶段 | 核心动作 | 关键 Prompt 关键词 | 时间 |
|------|---------|-----------------|------|
| Phase 1 | 材料投喂 | `@file` 引用所有资料 | 30 min |
| Phase 2 | 心智模型 | "5个底层框架" | 30 min |
| Phase 3 | 核心争议 | "3个根本分歧 + 双方最强论据" | 20 min |
| Phase 4 | 压力测试 | "10道区分题" + 错题追问循环 | 6～8 h |
| Phase 5 | 口试验证 | "扮演严格专家进行口试" | 1～2 h |
***
## 常见边界情况处理
**材料太少（只有 1 本书）**
> 在 Phase 2 前加一步："请基于当前资料，列出你认为我还应该补充哪些类型的参考材料，以及它们能填补哪些知识盲区。"
**AI 回答太浅太泛**
> 追加限定词："请用这个领域的专业术语回答，假设我是一个有 3 年基础的从业者，不需要解释基础概念。"
**压力测试题太容易**
> 追加要求："这些题太基础了。请重新生成 10 道，要求：答错的人必须是真的对这个领域有误解，而不是只是记忆不好。"
**口试模拟不够严格**
> 追加角色限定："请更严格。你是一位以挑剔著称的博士答辩委员会委员，你的目标是找到我知识体系的漏洞，而不是鼓励我。"
***
## 参考资料
- 详细方法论说明：见 [references/methodology.md](references/methodology.md)
- 示例 Prompt 模板（中英双语）：见 [references/prompt-templates.md](references/prompt-templates.md)prompt-templates.md
# Prompt 模板库（中英双语）
## Phase 2 — 心智模型提炼
**中文版：**
```
请从以上所有资料中，提炼出这个领域每位专家都认同的 5 个核心心智模型。
不是概念罗列，而是专家在思考和解决问题时使用的底层框架。
请用"问题→框架→应用场景"的结构呈现每一个心智模型。
```
**English version:**
```
From all the materials above, extract the 5 core mental models that every expert
in this field shares. Not a list of concepts — the underlying frameworks experts
use when thinking and solving problems. Present each as: Problem → Framework → Use case.
```
***
## Phase 3 — 核心争议定位
**中文版：**
```
现在告诉我这个领域中，专家之间存在根本分歧的 3 个核心问题。
对每个分歧：
1. 描述争论的本质
2. 给出支持方最强的 3 个论据
3. 给出反对方最强的 3 个论据
4. 说明这个分歧目前的学界主流立场（如果有的话）
```
**English version:**
```
Now show me the 3 places where experts in this field fundamentally disagree.
For each disagreement:
1. Describe the core of the debate
2. Give the 3 strongest arguments for each side
3. State the current mainstream academic position, if one exists
```
***
## Phase 4 — 压力测试题生成
**中文版：**
```
请生成 10 道高难度问题，专门用来区分：
- "真正理解这个领域"的人
- "只是死记硬背了概念"的人
问题应覆盖：边界条件、反直觉结论、跨概念推理、实际应用判断。
不要出填空题或选择题，只出需要推理和解释的开放性问题。
```
**English version:**
```
Generate 10 questions that would expose whether someone deeply understands
this subject versus someone who just memorized facts.
Cover: edge cases, counterintuitive conclusions, cross-concept reasoning, applied judgment.
Open-ended only — no fill-in-the-blank or multiple choice.
```
***
## Phase 4 — 错题追问模板
**中文版：**
```
我的回答是：[你的答案]
请告诉我：
1. 我哪里理解错了？
2. 我遗漏了什么关键逻辑？
3. 正确的推理路径应该是什么？
4. 这个概念和哪个心智模型直接相关？
```
**English version:**
```
My answer was: [your answer]
Please tell me:
1. Where did I go wrong?
2. What key logic did I miss?
3. What is the correct reasoning path?
4. Which mental model does this concept connect to directly?
```
***
## Phase 5 — 口试模拟
**中文版：**
```
现在请你扮演一位严格的 [领域名称] 专家教授，对我进行一次口试模拟。
要求：
- 从心智模型、争议问题、边界案例三个维度各出 2～3 道问题
- 对我的每个回答，指出优点和不足
- 如果我回答正确，追加一个更深的追问
- 如果我回答错误，不要直接给答案，而是给出 Socratic 式的引导提示
口试结束后，给出一份 100 字以内的总体评估。
```
**English version:**
```
Now act as a strict professor of [field name] and conduct an oral exam with me.
Requirements:
- Ask 2-3 questions each across: mental models, contested debates, and edge cases
- For each answer I give, point out strengths and weaknesses
- If I answer correctly, ask a deeper follow-up
- If I answer incorrectly, don't give the answer — use Socratic questioning to guide me
After the exam, give an overall assessment in under 100 words.
```methodology.md
# 方法论背景与原理
## 来源
这套方法来源于 2025 年流传于 Reddit 和 X（Twitter）的一则真实案例：
一位 MIT 研究生使用 NotebookLM，在 48 小时内通过了一门从未正式学习过的学科资格考试。
原帖由 [@ihtesham2005](https://x.com/ihtesham2005/status/2030214970353602806) 整理发布于 X。
## 核心洞察：为什么这套方法有效？
### 1. 心智模型优先于知识点
传统学习顺序：碎片知识 → 理解结构 → 形成框架（需要数月）
这套方法逆转顺序：先提炼框架 → 再用框架组织知识 → 用知识填充细节
专家之所以是专家，不是因为记住了更多内容，而是拥有更好的"知识组织框架"。直接向 AI 索取这个框架，相当于跳过了最耗时的隐性知识积累阶段。
### 2. 争议定位胜过概念罗列
一个领域的"知识地图"由两部分组成：
- 共识区域（大家都认同的部分）
- 争议断层（专家们分歧的地方）
大多数教材只呈现共识区域，而争议断层才是该领域真正的智识前沿。
理解了争议，就理解了这个领域"为什么难"，以及"难在哪里"。
### 3. 压力测试触发主动检索
被动阅读激活的是"识别记忆"（看到就认识）。
主动回答问题激活的是"回忆记忆"（没有提示也能想起来）。
认知科学研究表明，主动检索（retrieval practice）的学习效率比被动复习高 50%～100%。
这套方法的 Phase 4 本质是大规模的 retrieval practice，结合即时反馈。
### 4. 错题追问创造精准学习循环
每次答错后追问"为什么错"，相当于一次针对性的知识漏洞修补。
这模拟了最高效的人类学习场景：一对一私教课（1-on-1 tutoring），
而 AI 使这种奢侈的学习方式变得人人可及。
## 与传统学习方式的对比
| 维度 | 传统学习 | MIT 48h 方法 |
|------|---------|-------------|
| 起点 | 从第一页开始读 | 先获取专家框架 |
| 方向 | 由内容决定 | 由提问决定 |
| 反馈 | 考试后才知道哪里不懂 | 实时发现知识漏洞 |
| 深度 | 广度优先 | 理解优先 |
| 耗时 | 一学期（约 4 个月） | 48 小时 |
