技术学习的元方法论：从盲目跟课到结构化知识体系
技术领域有一个残酷的事实：你今天学的东西，三年后大概率会过时。框架会迭代，工具会换代，但学习能力本身不会贬值。过去一年我花了大量时间研究”如何学习”这件事本身，而不是仅仅追逐下一个框架。
教程陷阱：为什么看了 50 小时视频还是不会写代码
被动学习（看视频、读文档）的问题在于它制造了一种”理解的幻觉”。当你跟着教程一行行敲代码，一切都显得顺理成章，但关上浏览器后发现自己什么都写不出来。
这不是你不够努力，而是认知科学的规律：识别和回忆是两种完全不同的心理过程。看教程时你在做识别（这看起来眼熟），但实际编程需要的是回忆（在没有提示的情况下检索知识）。
解决方案很简单：每看完一个概念，立刻关掉教程，在空白文件中从零实现一遍。如果卡住了，不要立即翻回去看答案——让大脑挣扎 5-10 分钟。这个”必要难度”（desirable difficulty）是形成长期记忆的关键。
费曼技巧的工程化实践
费曼学习法的核心是”用最简单的语言解释一个概念”。我对它做了工程化的改造，变成了一套可操作的流程：
- 选择目标：挑一个你只用过但没真正理解的技术（比如 React 的
useEffect清理函数） - 写一份”假文档”：假设你给这个 API 写官方文档，用代码示例 + 纯文本解释
- 标注模糊点：写到卡住的地方，就是你的知识缺口
- 回到源码或 spec：不是回到教程，而是看源码实现或 RFC 文档
- 简化并重写：把学到的东西压缩成 3-5 个核心要点
这个过程的美妙之处在于：写文档比写代码更能暴露理解不足。代码可以让编译器兜底，文档没有兜底。
信息摄入的结构化
技术信息源的质量差异巨大。我的筛选策略经历了三个阶段：
第一阶段（什么都看）：Hacker News、Reddit、Twitter、各种公众号、B站教程。结果：信息焦虑，什么都知道一点，什么都不深入。
第二阶段（只看精选）：限制到 3 个来源：官方文档、技术书籍、特定领域的邮件列表。结果：深度提升，但容易错过跨领域的连接。
第三阶段（当前策略）：分层过滤——
原始信息流（RSS、Newsletter、GitHub Trending）
│
├── 过滤层：只看标题和摘要，判断是否值得深入
│
├── 速读层：值得读的，15 分钟快速扫一遍，提取 3 个要点
│
└── 精读层：真正重要的，深入阅读并产出笔记或实践代码
关键是在速读层砍掉 90% 的内容。大部分技术文章不值得精读。
知识体系的结构化存储
我放弃了”完美笔记系统”的幻想。Notion、Obsidian、Logseq 都试过，最终回到最简单的方案：按主题分类的 Markdown 文件 + ripgrep 全文搜索。
每篇笔记只包含三类内容：
- 核心概念（一句话概括 + 为什么重要）
- 踩坑记录（实际遇到的问题和解决方案）
- 关联链接（指向相关笔记的文件路径）
不需要标签系统、不需要双链图谱。当一个笔记文件多到需要搜索才能找到时，目录结构自然就浮现出来了。
学习的终极目标不是”学完”，而是构建一个能持续吸收新知识并嵌入现有体系的心智框架。这个框架一旦建立，学新技术的速度会越来越快——不是因为更聪明，而是因为你知道新知识应该挂在哪个已有的知识节点上。