想學一樣新東西，你通常怎麼開始？多數人是打開 YouTube 看幾支教學、上論壇爬別人的心得，然後東拼西湊出一個計畫，做沒兩週又斷了。一個做 AI 教育的 YouTuber 最近拆解了她自己「學東西快 10 倍」的完整流程，我拿它跟自己準備教材、跑 Obsidian 第二大腦的習慣對照了一下，發現架構幾乎一樣，只是她講得比我有條理。整理成 4 個步驟，一步一步說。
這是誰整理的方法
提出這套流程的是 Tina Huang，她原本是 meta 的資料科學家，後來轉職做 AI／科技的內容創作者，還自己開了一間叫 Learnly Octopus 的 AI 教育公司。她在影片開頭講了一句話，我覺得很適合當這篇文章的破題：「在我們活著的這個世界，快速學會新東西的能力，就是終極技能。」（"The ability to learn things fast is the ultimate skill."）對她來說，學習不只是興趣，根本是吃飯的工具——所以這套流程是她真的每天在用、拿來養活自己的方法，不是隨口講講的心法。
為什麼多數人學新東西學得慢
你手機裡的購物清單、備忘錄、便利貼如果分散在四個不同 App，你大概率想不起來自己上週買了什麼。學習資料也是一樣的道理——教學影片存在 YouTube 收藏、心得筆記記在備忘錄、進度卡在腦子裡，三個地方互相不通，難怪學到一半就斷線。Tina 的解法是把整套學習流程拆成「規劃」「客製」「執行」「記憶」四塊，每一塊都交給對的工具做對的事，而不是全部塞進自己的腦子裡硬扛。
Step 1・站在巨人肩膀上，先讓 AI 規劃
不管想學什麼，網路上一定有人已經學過、也踩過坑。Tina 的做法是打開 NotebookLM（Google 出的 AI 筆記研究工具，最近改名叫 Gemini Notebook，我之前寫過改名後多了哪些新功能），直接描述目標：「我想學 Vibe Coding，最終要做一個追蹤生產力的桌面 App，幫我找資料、排一份學習計畫。」NotebookLM 會自動搜集相關資料，直接匯入、生成一份完整的 4 週學習計畫。
這一步的重點不是「AI 幫你把資料整理漂亮」，是它省下你自己一篇篇爬 Reddit、比對不同心得文的時間——但這份計畫還是通用版，離「適合你」還差一步。
Step 2・拿去客製化，貼給最懂你的 AI
Tina 把 NotebookLM 生出的計畫，整份複製貼給她平常最常用的聊天機器人（她用 Claude），附上自己的背景條件：已經有 CS 學位、每天都在跑 AI coding pipeline、想學的東西是要拿來管理自己的 ADHD 提醒機制。有意思的是，AI 沒有照單全收，反而回她：以你的背景，原本那套「克服對 AI coding 的恐懼」的計畫根本不適合你，該學的其實是更進階的東西——然後重新設計了一份真正貼身的計畫。做完這一步，她還會請 AI 把整份計畫轉成一份可以打勾的互動 HTML 檢查清單。
Step 3・有系統才會真的做完，記憶系統是關鍵
有計畫不等於會執行。Tina 自己動手做了兩支小工具逼自己：一支顯示學習計畫、做一項勾一項；一支是番茄鐘，計時結束會順手記下這次做了什麼。這兩支工具都會把紀錄自動寫進 Obsidian——一套用純文字筆記＋雙向連結搭起來的個人知識庫 App，很多人叫它「第二大腦」，我自己選它當第二大腦的理由也是同一套邏輯：資料要有一個固定的家，AI 才有東西可以查。
所有進度堆進 Obsidian 之後，她可以直接問本地 AI（她提到 Hermes、Claude Cowork、OpenClaw 這幾個工具）「我兩週前這個時間在學什麼」，AI 會從日誌裡撈出來、甚至畫成圖表給建議。沒有這套系統，她說自己絕對答不出這種問題——這也是很多人「收藏了幾百篇文章卻一篇都沒看」的根本原因：存起來跟真的學會之間，中間缺的就是這套記錄與回頭查的機制。
挑 AI 模型的小技巧
影片裡她也分享了自己怎麼選要用哪個 AI 陪自己走完學習計畫，這幾條我自己覺得蠻實用：
- 要保密的內容 → 用本地跑的模型，不上雲端
- 牽涉大量圖片、影片（例如照著圖學接電路板）→ 用 ChatGPT
- 需要一次塞進大量資料、超大 context window → 用 Gemini
- 只想把事情直接做完、不想被 AI 囉嗦 → 用 Claude
我自己怎麼套用這套流程
上個月準備一堂企業內部的 AI 實體課，我就是照著這個順序走：先丟 NotebookLM 生一份通用的課綱架構，再貼進 Claude Code，附上這批學員的背景——有些是完全沒摸過 AI 的門市同仁，有些是天天在用 ChatGPT 的工程背景同事——請它依照不同程度重新拆解教學順序。省下的不是「查資料」的時間，是「自己土法煉鋼排課程邏輯」那段最耗腦力的過程。
而 Obsidian 記憶系統這塊，我自己這幾個月也想通了一件事：AI Agent 不該是拿來「存」東西的地方，它是拿來「處理」東西的地方。資料一旦只留在某次對話紀錄裡，那次對話一消失，訓練出來的脈絡就跟著沒了。正確的做法是找一個固定的地方放材料——我是放 Obsidian，也有人放 Google Drive 建試算表——需要產出新東西時，把既有紀錄撈出來，結合當下的新資料，讓 AI 幫忙整理，才是快的關鍵。這跟 Tina 影片裡「記憶系統」那段的邏輯完全一樣，只是我們各自用不同工具搭出來而已。
用這套方法前，先注意這幾點
- Step 1 生出來的計畫是「通用版」，直接照做效果有限，一定要走完 Step 2 客製化才算數
- Step 3 的桌面小工具是 Tina 自己寫程式做的，一般人不需要照抄，重點是「找一個固定的地方記錄進度」這個原則，用你熟悉的筆記 App 就行
- AI 給的計畫再合理，還是要自己判斷——像文中提到 AI 一開始也判斷錯她的程度，是她自己發現不對才要求重新設計
小結
先讓 AI 規劃、再讓 AI 客製、最後靠一套固定的記憶系統逼自己記錄——這三件事串起來，才是「學得快」真正的意思，不是找到什麼神奇的 prompt。
▶ 完整教學影片
本文整理改寫自 Tina Huang 的 YouTube 影片〈Learn 10X Faster In 10 Minutes〉：觀看原片
留言
張貼留言