12 携手GPT：顶级自学者的养成
你好，我是键盘，我们继续驯服 GPT。
提到高效自学，你应该听过鼎鼎大名的“费曼学习法”。它是一种以教代学的方式，简洁有效。这节课我们就来看看，携手GPT，能给“费曼学习法”注入什么新的活力，把自己养成一位顶级自学者。
课程主要会使用到我打造的“智学三件套”，分别是ChatGPT、费曼学习法、可视化辅助。其中，费曼学习法是核心，GPT是我们的随身辅导，也是将prompt的知识投入实践中不可或缺的角色。另外，我还会用信息可视化辅助，贯穿实例。
为什么是“费曼学习法”？
为什么要用费曼学习法配合GPT完成自学呢？除了最开始说的“费曼学习法”的核心是以教代学，能教会一个不懂的人就说明自己真的学懂了。另外，它还有2个特点。
- 大道归简：这个方法只有寥寥几步，看了就能懂。
- 实打实有效：主动学习，再传授他人，新知识内容留存率高达90%。
既然这么有效，那自学方法就非它莫属了。
从学习金字塔研究中也可以看到，使用可视化方案的平均学习留存率也比单纯阅读高出一倍，所以我也特意在这节课的“智学三件套”中加入了可视化辅助。
拿下“智学三件套”
接下来，我们就选取一个具备可视化应用潜力的概念“Mermaid”，结合GPT和费曼四步自学法来吃透它，完成概念即学即用的挑战。
步骤一，速懂概念（Concept）
概念是学习的起点。这里我提供4个方法，帮助你比别人更快地将了解到的概念投入到实际应用当中。
✦ 快速了解：一句prompt，五个要素
自学的第一步，永远是快速了解一个概念。明确你的学习目标，结合已经掌握的技巧（比如基础的Markdown加粗）就能形成一个清晰、明确的prompt。这里我们要挑战的是用一句话囊括提问5要素，写最少的字，拿最好的结果。
比如我要学习的是借助可视化来提升学习体验的美人鱼图Mermaid。
💬 prompt
使用Mermaid，不需要深入了解复杂的图表语言，就能让创建和分享变得轻而易举。既然已经知道了什么是Mermaid，那我们先拿来用了再说，代码由GPT代劳，边用边学。
💬 prompt
✦ 深度设计：获取行动指导，不局限于信息
单纯获取信息，对GPT来讲就是牛刀杀鸡。所以这种不需要“立人设”的直接提问，我通常都会结合前面分享过的SII思维框架来做更深度的设计。
还是Mermaid的概念，这次我们可以让GPT给出一些洞察和行动上的指导。
💬 prompt
我想了解一下 Mermaid，需要包含以下细节：
1、是什么？用通俗易懂的语言讲解。
2、帮我在 Mermaid 和 prompt 之间建立类比，以便我更好理解。
3、官方文档。如果有，请用[🔗官方文档](URL)的方式渲染出来。
4、应用。它在工作和学习上有什么应用价值？给出3个实例。
要求：要点加粗，请一步一步思考。
🤖️ ChatGPT
你看，GPT提供了 Mermaid官方文档，过去扫一遍就能看到所有支持的代码和信息图范例，点击右上角的 💻 Live Editor，还可以通过自己实践的方式去感受。这里可以直观看到，它是一种简洁的标记语言，能够生成一系列的信息图。另一种体验方式是寻找其他支持的工具，比如Web端的Notion、Mac上的Typora，都是可以的。
✦ 顶级辅导：GPT 信息可视化
除此之外，你还可以尽可能地使用可视化手段帮助自己直观理解，提升学习的保留率。小到最简单的加粗，大到视频输出，都可以轻松地指挥ChatGPT去执行。比如说你连费曼学习法都没听过，怎么玩？没关系，让GPT先用通俗易懂的方式讲解，顺便想个办法画出来。
用时尚的美人鱼还是复古字符画？不重要。只要你想，一个概念就够了。
✦ 逐步深入：提升保留率
费曼学习法是一套靠主动学习来对抗熵增的方法，从前面的可视化呈现可以看到，费曼学习法的终点是“简化知识”。这就意味着除了主动地了解、内化知识，你还需要增加一些调整，不断练习，进一步提升学习保留率。比如让GPT提供Mermaid的更多挑战，那么我只需要按照GPT的建议，直接上手练习就好。
💬 prompt
现在我已经了解通过支持 Mermaid 渲染工具，可以将 ChatGPT生成的代码渲染成对应的图片。
请为我提供一系列关于应用 Mermaid 的挑战，以增强我的学习保留率和深入理解。
目标领域：工作规划和辅助化教学的应用。
🤖️ ChatGPT
这里你可以用上“迭代”的技巧，不断调整你的学习情况，通过修改背景信息来深入了解。
步骤二，教给他人（Teach）
原版费曼学习法里定义的是“教给一个不了解的人”，比如这套课程，“教给GPT”就可以用到提供输出模板、示例调教、有效否定3策略等等这些技巧。
如果你想让GPT完成“教给他人”这一步，那么可以用“共情”的方法提升GPT的输出效果。因为只有明确对方是谁，才能针对性地组织合适的讲解方式。角色扮演、背景补充和参数表达等等就是为AI增加共情而准备的。
这里我们不说具体的技巧，直接说“教给他人”的有效思路。
✦ 用黄金圈说服他人
所谓“教给他人”，在工作中就是说服你的leader。当你使用GPT来交付成果文件时，典型如PPT设计，通常会面临“说服”难题。别着急，黄金圈（Golden Circle）可以帮你有效解决。
在基础课程案例中剧透过的黄金圈是一套由内而外的说服框架。内核是驱动行为的理念，再延伸到怎么做，最后才是表面的“是什么”。也就是先说为何“非这样不可”，再说解决方案。只要是用GPT输出材料，都可以这么做，关键是加入一段 套用 Golen Circle 讲解 XX 。
💬 prompt
让我们套用“Golden Circle”思维，用Markdown的方式来谈谈Markdown ：
## Why
为什么使用ChatGPT要用markdown，用表格解释
## How
写prompt的过程中，怎么让markdown的使用变简单？
列出输出，重点加粗：
## What
Talk is cheap，show me your code.
🤖️ ChatGPT
✦ 发现不足，再学习
教别人这一步，你一定会遇到理解不深的地方。没关系，回来免费重修。下面我用Bard来做一个延伸学习。
Bard有联网配图的可视化能力，迁移GPT的方法就能直接拿到图文讲解。如果遇到理解不深的地方，做一个快速补充就好。这里需要借助沉浸式翻译解决英语的阻碍，提供中文翻译。使用方法是 //你的中文prompt 加按三次空格。
💬 prompt
#1 ChatGPT 版本
用通俗易懂的方式讲解 Golden Circle
#2 //用插件的格式写好你的prompt
//输出一张“黄金圈”的图片，并用通俗易懂的方式讲解
#3 使用"沉浸式翻译"插件，点击三次空格，完成转译
Output an image of the "Golden Circle" and provide a clear and easily understandable explanation
🤖️ Google Bard
这个图片是搜索得来的，意味着信息源通常还有作者的理解，这就是一个补充学习的途径了。接下来再通过插件自带的右键功能切换到双语模式，无障碍迁移GPT能力和快速补充学习的效果就达到了。
继续说服和再学习这个过程，直到发现“原来我整明白了”，那就可以进入回顾阶段了。
步骤三，回顾（Review）
回顾这个环节可以用一句话总结——站在实践的角度去查漏补缺。
✦ 追问：补全知识网
随着学习和实践，坑也越来越深，然而我们已经把GPT打造成随身的万能助理，没在怕的，让TA来帮我们进修就可以。同样还是Mermaid学习这个例子，假设现在我是一位AI辅助教学产品的项目经理，要怎么用Mermaid图表来提升自己的计划管理和组织效率呢？重点是哪些图表呢？想知道的话，就可以用这个模版来追问，有针对性地查漏补缺。
💬 prompt 模版
注意，输出的部分你不需要通篇阅读，一眼就能扫到重点。这里Emoji的作用和量化评估技巧的价值再次凸显。
✦ 挖掘结合点：增加挑战
在GPT提供的Mermaid官方文档中，我们会发现有四象限图（Quadrant Chart）这一个应用类型。四象限工作法你或多或少也听过，工作和学习都能用，事项有多重要、多紧急，一目了然。同理，四象限图也让GPT帮你输出一下。
💬 prompt
🤖️ ChatGPT
再比如我想通过时间线（Timeline Diagram）来了解经济学方面的知识，这里涉及时效性的历史数据，所以我用上了联网插件WebPilot。
💬 prompt
第一次输出了甘特图，还挺好看，先记着，找机会用。可是我想要的是Timeline呀？分析一下，可能的原因是Timeline是在2011年之后才出的新特性，所以我们调整一下prompt，补充一个参考链接。
💬 prompt
这次就解决了目标难题了。先学再教，拿去搭配自己的讲解资料简直美滋滋。
关于深挖结合点，我的发现是：先取悦自己，比直接着眼于工作的效果要好得多。不需要等老板说“咱们用ChatGPT来改造点什么”才急匆匆地寻找解决方案。自己的需求往往也是源于工作上的痛点，解决之后自然会反哺。
✦ 打破常规
我在Mermaid的应用里还发现了一个用法——带情绪表情的用户旅程图。结合GPT在结果中做量化评估的能力，就有了一个路子比较野的玩法，用户旅程图+量化评估。
观察官方用户旅程图，其实就是行为的分类，叠加每个类别的用户评价，本质是“谁对于什么的评价”。我们抓重点来设计prompt，比如我的目标是针对Emoji、色彩、Markdown、GIF、数据图表、甘特图、流程图进行分类，并给每个手段的可视化效果分打分。
针对以下可视化手段进行分类：
Emoji、色彩、Markdown、GIF、数据图表、甘特图、流程图
---
应用场景是“产品设计的需求复盘”，请用1-5分对它们的作用做评估，然后输出 User Journey Diagram 代码
🤖️ ChatGPT
粘贴代码，一张异化的“量化打分图”就出来了，在GPT所有涉及量化评估的结果中都可以用起来。叫什么图不重要，关键是它的本质契合什么场景。
步骤四，简化（Simplify）
费曼学习法的最后节点是简化。我们以“顶级GPT自学者”为例对关键点做一个提炼，一个是思路的提炼，一个prompt的提炼。这两个技巧用在其他知识的学习上也是可以的。
✦ 内化知识，尝试反推，找到最基本的规律
想要简化，可以从把握新知识的基本规律入手，把它融入到自己的知识体系当中。
比如说设计综合人设所借鉴的思维树（ToT），它的本质是GPT的思维链（CoT），思维链又是关于“一步一步思考”的，“思考”就是体现智能的“推理”，“推理”源于描述模式的识别和最大概率计算。当我们解决“有效否定”时，问题的根源又是描述模式的识别和最大概率计算。
可以说，思维树、思维链、思考、推理、有效否定，其实都是描述模式的识别和最大概率的计算。从这个起点和链条出发，理解并构建自己的知识体系，就可以解决“消化不良”的问题。掌握了规律，你就可以从容应对混乱和未知。
✦ 浓缩精华：指令集
前面我们学着把prompt从简陋修到简洁，再从简洁写到复杂，现在就要反过来大繁归简了。比如面对引入 变量 之后的综合人设prompt，一些小伙伴开始叫苦不迭。那么有没有一种最简单的方式，能在日常使用中大放异彩呢？只要将所有需求分门别类，最少冗余的指令集，走你。
💬 prompt
#做什么 ▸ /指令 ▸ 确认并开始
你将构建一个Mermaid快速上手指南，使用以下指令来触发对应的模块讲解：
/type：输出支持的图表全类型。
/code：列表输出语法规律。
/style：提炼样式的规律。
请回复 👌 表示已经明白，然后响应/type
完整实例如下，感受简洁的力量。
同样，针对上一节提到的“减少变量嵌套”又有了更极致的玩法——把系统性的变量调整为线性对话。
💬 prompt
融合前面的判断技巧和暗号，喊“停”就输出一个整体评估。“数量”这个变量完全由行为来控制，非常顺滑。
小黑板
这节课我们携手GPT，给“费曼学习法”注入了新的活力。通过结合GPT和Mermaid的可视化能力，我们对已经掌握的知识进行了重组再简化，点亮了2个新能力。
- 从一个概念出发，即可实现运用。
- 写最少的prompt，拿最好的结果。
费曼这套主动以教代学的高效自学法主要路径是“概念 ▸ 教他人 ▸ 回顾 ▸ 简化”，简洁有力，童叟无欺。在学习和应用prompt工程这种实践科学的时候，会是不可多得的好帮手。它要怎么和GPT联动呢？总结一下。
概念：通过掌握最小冗余提问来快速开始。融合SII，深度设计prompt，获得行动指导。借助建立联结和逐步深入来加深理解，提升知识保留率。我也建议你挖掘GPT的信息可视化能力，让学习更加直观、有效。
教他人：我们把人类的“共情”能力迁移到GPT的交流中，教它更好地“做人”。掌握使用黄金圈来做方案、讲方案的套路，就能更好地说服他人。再次清理知识盲区的时候，我也给你分享了沉浸式翻译工具，让英语不再成为阻碍。
回顾：站在实践的角度去查漏补缺，不断修正自己的背景信息来追问，补全知识网。这里我提供了一个思路，与其纠结GPT在的工作上的效用，先取悦自己，效果通常更好。主动挖掘能给自己正反馈的结合场景，偶尔也要试着打破常规，给GPT点亮更多可能性。
简化：这个环节是关于知识的融会贯通。首先是尝试反推，找到最基本的规律，锤炼自己轻松应对复杂的能力。其次，吃透最少冗余策略，更多的思考，更少的劳作。
一图秒懂：
踏浪扬帆
尝试简化更多已经掌握的prompt知识，写到上一节的输入法里面，随时召唤。
期待在评论区看到你的思考或感受分享，也欢迎你将这节课分享给感兴趣的朋友们，戳此加入课程交流群，我们下节课再会。
- 程序员小跃 👍（1） 💬（4）
干货太足了，我发现我在用的GPT真的是大材小用
2023-11-25 - peter 👍（1） 💬（1）
请教老师两个问题： Q1：有能唱歌的AI产品吗？能够根据某种人声把一首歌唱出来。 Q2：Bard怎么使用？也是一个网站吗？能否提供一下官网。
2023-06-27 - Geek_fb1f27 👍（0） 💬（1）
听老师的课，两个感觉：老师好厉害！我怎么看不太懂，要怀疑自己的智力了🤦♂️
2024-03-29 - 陈东 👍（0） 💬（1）
JER 的智学三件套，也是使用mermaid语言编写的吗？有没有相关教程推荐？
2023-09-23 - 一鸣 👍（0） 💬（0）
嗯，过；下一章。
2024-07-23 - 201 👍（0） 💬（0）
嗯，过；下一章。
2024-06-03