快速学习

去年一整年的工作节奏都很快，但是也学到很多的东西，我自己改变最多的一点其实是改变了自己的学习习惯。 去年之前，我掌握一项新技能的方式都是按部就班，从概念学起，然后逐步搭建自己的知识框架，最终是用知识框架去解决遇到的问题。有的时候也会先遇到问题，在自己通过一番搜索解决之后，也会尝试补齐这个问题背后的一些知识点。 今年这个习惯被慢慢改变了，学东西的时候就很功利，就是为了解决眼前的问题，而且项目的周期也不允许掌握了基础的概念再去学这个东西，也不会给我时间让我再补齐一些每一项基础的知识。 学习的过程自下而上，开始转变为自上而下+自下而上，从一根筋变成两头堵了... 举个例子以前学习一门编程语言，通常都是先看语法、再按部就班的写一些 DEMO 实践一下，然后找个简单项目操练一下再一步步的过度到真实的项目。 现在完全就不是这个节奏，直接一个项目甩过来，开始对着陌生的项目开始搞，遇到所有的语法问题直接问 GPT，基本上 GPT 都会给出很简洁又正确的答案，极大的提升了学习的效率。 再比如前段时间老板让使用 N8N 搭建一个发视频的流，时间要的比较急，我对 N8N 知识有一个基础的了解，只知道是用来搭建工作流的，但是具体怎么用，俩眼一抹黑。 学习的过程就是直接问GPT：N8N 是做什么用的？简单的流程和概念花 5 分钟大概理了一下，有的说明并不能看明白，但是也没有花太多时间细细的扣概念。直接尝试梳理出制作发视频工作流需要的 TODO：获取商品信息，根据商品信息过模型产出文案，把文案扔给生视频模型去生成视频，最终把视频传到云上。 拆解完 TODO 之后，就一步步地去按照自己的诉求去构建自己的工作流节点，中间还需要一些简单的脚本节点配合，完全不会？不怕，有 GPT，只要能明确地说出卡住自己的点，GPT 总能给出解决方案。 总共搭建视频流的过程差不多不到两个小时就搞定了，这要是放在以前自己身上，怎么也得一天的工作量。之前的学习方式就是谷歌，但是谷歌的问题在于需要不断的筛选信息源，有的信息源根本不靠谱，有的看起来靠谱的信息源，很多信息就是旧的。GPT 的好处在于联网搜索一圈之后给出的答案几乎就是不用二次返工的方案，这对效率的提升是翻倍的，省去了不少试错的时间。 以前我会担心“基础不牢”“框架没搭好”，总觉得不按顺序来就学不踏实。但现在我越来越相信：在快节奏的项目里，真正稀缺的不是知识本身，而是把问题拆开、把路径跑通、把产出交付的能力。至于语法、细节、工具的坑，交给 GPT 去当加速器——它不是替代思考，而是把我从低效的试错里解放出来，让我把时间花在更值钱的判断和拆解上。

当然，这种“功利学习”也有代价：知识会碎，理解会浅，偶尔会有点虚。但我发现，只要我持续在真实问题里反复用它、修它、迭代它，那些碎片会慢慢长成自己的肌肉。学习的顺序变了，但成长并没有变少。