ChatGPT最被低估的用途，就是充当教师。人们通常先发现它能处理电子邮件和电子表格，在一段时间内完全忽略这个用途；而一旦尝试用它学习，就再也离不开了。
从结构上说，AI非常适合辅导学习。它有耐心、不会厌烦、凌晨两点也随时可用，乐意第五次解释同一个问题而不显疲惫，也愿意毫无怨言地接受一小时的提问。它需要你提供的是结构——一个由四个提示词组成的循环，把普通聊天变成一堂私人课程。
本文介绍的正是这个循环，以及如何使用它。
为什么显而易见的方法不起作用
使用AI学习时，人们会本能地输入“解释一下复利”，然后阅读返回的内容。前30秒确实有效，但实际上并不能让你学会任何东西。你读完一段文字、点点头，随后便会忘记。
缺失的是人类学习任何内容都需要的环节：完整示例、主动回忆和反馈。四提示词循环正是围绕这些环节构建的。
四提示词循环
提示词1——获取解释。 提示词2——获取完整示例。 提示词3——接受测验。 提示词4——找出需要复习的内容。
在同一段对话中完成全部四步。每一步都建立在前一步的基础上。
提示词1：用三种方式获取解释
选择一个主题，可以是任何你一直想理解的内容。首先输入：
我想学习[主题]。我的情况是[一些背景信息——你已经知道什么、你的目标是什么、为什么在意这个主题]。
请用三种不同的方式解释，每种约150字：
- 讲给一个完全没有基础的人听（好奇的12岁孩子的水平）。
- 讲给另一个领域的职场人士听——准确但通俗易懂。
- 根据我告诉你的背景讲给我听，采用对实现我目标最有帮助的解释框架。
每种解释都使用一个简短的具体示例。如果其中任何一种为了简化而达到了可能误导人的程度，请告诉我。
这里有三点值得注意。你要求的不是定义，而是三种解释。你把自己的背景告诉了模型，因此第3种解释能根据你进行调整。你还邀请它指出类比何时不再成立——令人意外的是，只要提出要求，它往往都能做到。
读到第三种解释时，通常会有一些第一种解释未能讲明白的内容豁然开朗。如果仍然没有理解，可以要求：“再试一次第3种解释，但换一个类比和一个示例。”
提示词2：获取完整示例
理解概念与能够应用概念是两回事，连接二者的桥梁是完整示例，也就是逐步解释解决方案的问题。下面是一条可靠的提示词：
现在给我三个完整示例，展示如何在实践中应用这个概念。每个示例都要：
- 用一两句话描述情境。
- 逐步讲解解决方案。
- 突出最重要的一个步骤——不理解这个概念的人会卡住的地方。
从简单示例开始。第二个难度适中。第三个要包含一个真正容易忽略的微妙之处。
在这方面，AI实质上优于大多数教科书：它能根据你当前的水平生成相应的示例。如果某个示例太简单或太难，直接告诉它。“提高第三个示例的难度——给我一个采用显而易见的方法反而会得到错误答案的例子。”
学习三个完整示例后，你应该能够体会到实际操作是什么样的，而不只是知道它的定义。
提示词3：接受测验
现在进行主动回忆。这是最重要的提示词，也是大多数人会跳过的一步。主动回忆——接受提问、从记忆中提取答案、获得反馈——是我们所知最可靠的学习方法。阅读的效果要弱得多。AI让这个过程变得毫不费力：
现在测试我。围绕我们讨论过的内容问我十个问题，难易混合。规则如下：
- 每次只问一个问题。等待我回答后再继续。
- 我回答后，告诉我答得是否正确、遗漏了什么，以及（如果答错）具体应该复习哪个概念。
- 如果我写“跳过”，不要告诉我答案。
- 在第6题左右加入一道需要结合两项内容的问题，而不是只回忆一项内容。
- 最后总结我最应该复习的两到三个概念。
“每次只问一个问题”这条指令非常重要。没有它，模型会一次问完十个问题，这毫无用处，因为你会同时读到所有问题，跳过从记忆中提取答案的步骤。强制逐题提问，你才不得不真正思考。
十道题结束后，最后的总结才是学习真正发生的地方。你会清楚地看到自己仍未理解哪些内容。
提示词4：找出需要复习的内容
这是最后的查漏补缺。测验结束后，继续输入：
根据我答错或回答“跳过”的内容，为我制定一个简短的复习计划：
- 我应该复习的两个概念，以及我没有掌握它们的原因。
- 针对每个概念提供一个简短的完整示例，精准覆盖我卡住的地方。
- 只围绕这两个概念，再进行三道题的测验。
不要重复讲解我显然已经理解的内容。
独自学习时无法做到这一点——你无法可靠地察觉自己不理解什么。模型可以做到，因为它记录了你的错误答案。这份复习计划针对的是你的知识缺口，而不是一般性的缺口。
一天后再次运行提示词3和提示词4，让模型回顾你昨天学习的内容。与单纯阅读相比，你会惊讶于自己记住了多少。
最适用的领域
这个循环具有普遍适用性。人们曾用它学习：
- 一项新的技术技能（Python、统计学、会计、机器学习、某个具体框架或工具）
- 一门外语的词汇或语法点
- 一套监管制度（GDPR、《欧盟人工智能法案》、某个国家的基础税务知识、某类具体合同）
- 刚刚入职的新角色所需知识（“A轮融资”是什么意思、销售模式是什么、OKR是什么）
- 希望以严肃业余爱好者的水平理解的医学或科学主题
- 一款新产品或一个新代码库，方法是粘贴文档并测试自己
模式始终相同：解释、示例、测验、复习。
几种小变体
**间隔重复。**让模型把复习分散到不同日期。“先测试我昨天学的内容，再测试今天学的内容。”
**反向讲解。**测验后，让模型扮演一个好奇的学生，由你来解释主题。假装向别人讲授，是发现自身知识缺口最可靠的方法之一。
**比较与对照。**理解某个主题后，可以问：“人们把X和Y混淆时，最常犯的错误是什么？”错误分析往往比最初的解释更能加深你对概念的理解。
**第一性原理版本。**对于历史悠久或术语众多的主题，可以尝试：“从第一性原理出发解释——从任何受过教育的成年人已经理解的事情开始——在不使用术语的情况下，逐步讲到当前最先进的水平。只在确实需要时引入每一个专业词汇。”
一个值得了解的细节
模型掌握的学科知识并非绝对可靠。对于广为人知的主题，它通常值得信赖；对于小众主题、快速发展的研究领域或精确的事实细节（具体日期、具体引语），它有时会编造内容。解决办法与其他场景相同：当精确性很重要时，要求模型使用搜索、粘贴来源材料，或者对照另一项来源核实答案。
但在学习过程方面——解释、组织、提问、根据水平进行调整——它表现出色。即便某项具体事实略有偏差，它生成的课程结构依然合理，你可以纠正事实后继续学习。
用一句话概括整个循环
解释 → 示例 → 测验 → 复习。明天就选一个一直想理解的主题，运行这个循环。二十分钟后，你会感受到一位耐心教师带来的不同——一直以来缺少的是耐心的教师，而不是主题本身。
