读不懂的东西，怎么让 AI 拆
一篇看三行就想放弃的论文或长文档，怎么让它变得读得下去？
本页解决的问题
先给结论「读不懂的东西，怎么让 AI 拆」要解决的关键问题是什么？
一篇看三行就想放弃的论文或长文档，怎么让它变得读得下去？
让这个结论先证明自己值得留下。 把这一页当成决策工具，而不是需要背下来的定义。把概念连到一个真实任务、一个可观察结果，以及一个能改变你判断的失败上。
写下一个问题：试完这个方法后，你能用什么证据回答它？
结论听起来很完整，却没有检查最关键的假设。
「同一笔付款请求就算提交两次，系统也只该记一次。」这句话你盯了两分钟。字都认识，可系统靠什么认出这两次是同一笔，你想不出来。那是晚上八点半，你在看一份防止重复扣款的说明。
你把问题贴给 AI，请它打个比方。它很快回了三句：
把它想成 HTTP 里的 PUT 和 POST。PUT 重复发送多次，结果通常一样；POST 每发一次，可能新建一条记录。
这段话短，前后又对得整齐。PUT 和 POST 你都见过，于是把它们当成两个现成标签，顺手记成「一个重复没事，一个重复就会多一条」。你以为原来的问题已经解释完了。
十分钟后，同事追问：「那用户连点两次付款，系统靠什么判断这是同一笔？」你答不出来，只好另开三个页面查 PUT 和 POST。原来只差一个问题，现在多了两个新词，最初那笔付款为什么不会记两遍仍然悬着。
AI 的比方本身没有错。你当时会点头，是因为两个缩写摆在熟练的对照句里，看起来像答案；可对你来说，它们也是待解释的材料。AI 只看到了你的问题，没有看到你已经熟悉哪些经验。
换个问法，先把你熟悉的参照物交给它。你做过配送，就让它用同一张配送单被派两次来讲；你处理过票据，就让它用同一张支票被交进柜台两次来讲。
- 先说你已经熟悉什么，让比方从你见过的动作出发。
- 再说要解释哪个概念，让 AI 只映射与这个问题有关的部分。
- 最后要求逐项对应，你可以检查每一步有没有对上。
类比能接住你，前提是借来的那个东西已经在你脑子里。下面把同一个概念换三种参照物，看看哪一种能让你自己验证。
演示里真正改变结果的，是提问中多出来的那一格。下面两句可以整段抄走，只需替换括号里的内容。
- 先指定你熟悉的参照物
我正在理解【同一笔付款请求提交两次，系统也只记一次】。请用我熟悉的【同一张配送单被系统派了两次】来打比方。
- 再要求 AI 把对应关系逐项说清
请把两边逐项对应起来：付款请求对应什么，系统用来认出同一笔的编号对应什么，第二次重复提交被忽略又对应什么。每一项只解释一句。
第一句里的「我熟悉的【具体事物】」是关键。少了这半句，AI 会替你挑参照物；它挑中的东西可能准确，也可能需要你再学一遍。括号里要填你亲手做过、见过后果的事，只有听过名字还不够。
一个比方有没有用，看你能不能检查它的每一步，不能只看它听起来顺不顺。配送单被派两次时，单号一样就该拦住第二次，骑手只跑一趟；这三个结果你都能凭经验判断，所以也能回头检查付款请求、请求编号和重复处理有没有一一对应。
「请用生活中的事打比方」仍然把选择交给了 AI。它可能选图书馆借书、机场安检或银行转账，其中任何一个都可能碰巧是你的空白。写成「请用同一张配送单被派两次来打比方」，它才知道该借哪一段经验。
还有，类比只负责搬运结构，不保证每个细节都一样。第二句要求逐项对应，可以看出哪些部分真的对上了。发现某一项只能靠想象补齐，就换一个更熟的参照物再问一次。
这是使用经验。把参照物放进完整提问的哪个位置，见 让 AI 按我的情况讲清楚。
把「让 AI 先借用你会的东西」变成能复用的学习动作
「「同一笔付款请求就算提交两次，系统也只该记一次。」这句话你 盯了两分钟 。字都认识，可系统靠什么认出这两次是同一笔，你想不出来。那是晚上八点半，你在看一份防止重复扣款的说明」把学习从“看过一遍”推进到“能在新情境里做出来”。真正留下来的不是一段漂亮总结，而是你能用来观察、预测和行动的判断。
用结果检查自己是否真的理解
从「把它想成 HTTP 里的 PUT 和 POST。PUT 重复发送多次，结果通常一样；POST 每发一次，可能新建一条记录」开始，可以先不用看答案，尝试解释概念、完成一个小任务，再对照哪里是自己的推断、哪里依赖了工具、哪里仍需要核验。
- 先说你已经熟悉什么 ，让比方从你见过的动作出发
- 再说要解释哪个概念 ，让 AI 只映射与这个问题有关的部分
- 最后要求逐项对应 ，你可以检查每一步有没有对上
记住步骤不等于掌握方法
把「这是使用经验。把参照物放进完整提问的哪个位置，见 让 AI 按我的情况讲清楚」写成一条自己的规则，并在不同的例子上试一次；如果换了情境仍能说清为什么这样做，知识才开始具备迁移性。
从「让 AI 先借用你会的东西」走到「先玩一遍 · 换一个你熟悉的参照物」
「让 AI 先借用你会的东西」先把问题落在「换个问法，先把你熟悉的参照物交给它。你做过配送，就让它用 同一张配送单被派两次 来讲；你处理过票据，就让它用同一张支票被交进柜台两次来讲」上；到了「先玩一遍 · 换一个你熟悉的参照物」，讨论继续推进到「同一笔付款被系统记了两遍 播放 单步 重置 你来指定熟悉的参照物 让 AI 自己挑 用同一张配送单 用同一张支票 切换一次，就让同一个概念重新打一次比方。 比方讲完后，你还要弄懂几样东西 1 数字越小，说明这个比方替你消掉的陌生内容越多。 1 · 先看你在提问里写了什么 你有没有给出熟悉的参照物 2 · 再看 AI 拿什么来打比方 它借来的东西你是否已经懂 3 · 最后判断你能不能自己验证 能验证，原来的概念才真正落…」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
学习一个概念时，先不看答案完成一次小任务，再解释自己的判断依据，最后换一个情境重做；迁移比复述更能说明真的学会。
- 「让 AI 先借用你会的东西」：换个问法，先把你熟悉的参照物交给它。你做过配送，就让它用 同一张配送单被派两次 来讲；你处理过票据，就让它用同一张支票被交进柜台两次来讲
- 「先玩一遍 · 换一个你熟悉的参照物」：同一笔付款被系统记了两遍 播放 单步 重置 你来指定熟悉的参照物 让 AI 自己挑 用同一张配送单 用同一张支票 切换一次，就让同一个概念重新打一次比方。 比方讲完后，你还要弄懂几样东西 1 数字越小，说明这个比方替你消掉的陌生内容越多。 1 · 先看你在提问里写了什么 你有没有给出熟悉的参照物 2 · 再看 AI 拿什么来打比方 它借来的东西你是否已经懂 3 · 最后判断你能不能自己验证 能验证，原来的概念才真正落…
- 「最后的要点」：再要求 AI 把对应关系逐项说清 请把两边逐项对应起来：付款请求对应什么，系统用来认出同一笔的编号对应什么，第二次重复提交被忽略又对应什么。每一项只解释一句
最后的「最后的要点」把讨论落到「再要求 AI 把对应关系逐项说清 请把两边逐项对应起来：付款请求对应什么，系统用来认出同一笔的编号对应什么，第二次重复提交被忽略又对应什么。每一项只解释一句」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是，知道下一步要观察什么。
读完以后我先回头找它成立的条件，而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里，最先需要补的约束是什么？我想知道从阅读到第一次实践之间，哪一步最值得先做。
还没有这篇文章的讨论。