一名 MIT 研究生仅用两天时间就掌握了某一学科的所有知识，并通过了资格考试。
这条推文引起广泛关注，阅读量高达四百三十万，点赞数一万五千，收藏量则达到三万。
收藏者远超点赞者的数量表明大家不仅对这条信息感到有趣，还希望将其保存下来以便日后实践应用。
推文的作者 Ihtesham Ali 介绍了一种独特的学习方法：运用 Google 的 AI 笔记工具 NotebookLM，在短短两天内掌握了新领域的知识。
我最初以为这只是夸大其词，但深入了解后才发现关键在于提问的方式而非单纯依赖于技术手段。
这一策略对所有使用 AI 工具的人同样适用...
开始时不是上传教材，而是整个学科的知识范围
这位研究生采取的第一步与其他人的做法大相径庭。
大部分人用 NotebookLM 仅上传一本教科书，并请求总结内容。
而他则上传了六本教材、十五篇研究论文及所有能找到的教学材料。
这样做是因为单一书籍提供的视角是有限的。要全面了解一个领域，需要从不同作者和学派的角度来审视问题。
我自己在使用 AI 工具时也有类似的感受：初次尝试仅用一篇文献作为输入，结果并不理想；后来尝试一次性提供多个来源的信息，输出的质量显著提高。
三个关键性的问题，在二十分钟内构建了一个领域的知识地图
在积累了足够素材后，他提出了三个核心问题。
首先询问的是：“这个学科的专家共享哪些五项核心思维模型？”
值得注意的是，他的提问方式并非请求总结或解释某个概念，而是直接切入专家们的心智框架。
其次他问到：“请指出这个领域内专家们的根本性分歧，并阐述双方的最强论点。”
这一步尤为巧妙。任何一个成熟的学科内部都存在争议。明确这些分歧比单纯记忆知识点更为重要。短短二十分钟，他就得到了整个领域的智力概览。
通常情况下，学生需要花一学期的时间才能理解领域内的核心讨论和争论点。
第三个问题则是：“生成十个能够区分真正理解该学科与仅仅背诵知识的人的问题。”
这一步是为了自我测试。他用六小时时间回答这些题目，并在每答错一次时追问原因，以促进学习效果的提升。
经过两天的学习，他已经能够在专业讨论中自如应对而不会感到吃力。
工具没变，问题变了
一段话给我留下了深刻的印象：
普通荧光笔与私人导师之间的区别
“大多数人把 NotebookLM 当作一种高级的荧光笔。然而真正的使用者则将其视作一位熟悉所有相关文献的私人导师。”
同样的工具，不同的使用方法可以产生截然不同的效果。
我每天都会用到各种 AI 工具，越来越意识到工具本身的差异正在缩小，但使用方式上的差距却在加大。同样是 Claude 这款工具，有人仅将其作为聊天问答的平台，而有人则用来执行完整的工作流程；同样的 NotebookLM，有人把它当作搜索引擎来用，还有人视其为私人导师。
Google 官方也在朝着这一方向努力改进 NotebookLM：增加了自动生成闪卡、测验功能，以及 Learning Guide 模式（通过引导式的提问帮助用户解析问题），甚至有 Audio Overviews 的辩论形式等。最近还新增了 Deep Research 功能，能够主动搜索网络构建参考文献库。
技术博客 Towards AI 上的一位博主也使用类似方法研究了《数据密集型应用设计》这本书，并且总结得出：“材料本身没有变化，而是你的方法改变了。”
这三个问题不仅仅适用于 NotebookLM 工具
最厉害的是这种方法并不仅限于 NotebookLM。
不管是使用 Claude、ChatGPT、Gemini 或 DeepSeek 等工具，都可以采用相同的提问逻辑：
快速掌握一个新领域？先提供足够的素材，然后询问专家们是如何思考的？他们存在哪些分歧点？
评估一款新产品或趋势？同样适用：核心优势是什么？行业内有何争议？什么问题能够区分出真正理解产品的人？
学习一项新的技能？别问“如何学习 Python”，而是应该提问：“优秀的 Python 开发者和普通开发者在思维方式上有什么不同？”
最近我自己研究一个新话题时，先问了心智模型再问分歧点，确实比直接让 AI 总结来的更有用。这样一来就能立刻掌握这个领域的“骨架”所在。
学期与两天的区别不在于时间长短
我觉得这句话特别有道理：
差的不是时间，是问题
“区别并不在于学习的内容多少，而是在于你是否知道该问什么问题。”
这其实体现了所有 AI 工具使用的精髓。虽然人工智能的能力越来越强，但多数人仍停留在“帮我总结一下”或“帮我写个 XX”的初级阶段。真正拉开差距的是提问的质量。
之前我还写了关于 Box CEO 对于"Agent 经理"的文章。管理 Agent 的方式本质上就是你如何提出问题和下达指令的体现。如果问题是好的，那么 Agent 就会成为你的专家级助手；反之则可能只是一个重复信息的机器。
NotebookLM 可免费使用，并且我已经列出三个提问模板，可以立即尝试一下。
说说我的感受
这条推文之所以火爆绝非偶然，三万收藏量显示了大家对于“如何更好地利用 AI 学习”有着实际需求。
但是我认为最核心的洞察在于提出正确问题的重要性。虽然工具每天都在更新变化，但无论今天是 NotebookLM 明天可能是其他产品。
“先理解心智模型→再找分歧点→最后自我测试”的这套逻辑，在任何 AI 工具上都是适用的。
本文参考：Ihtesham Ali 的推文 |
https://x.com/ihtesham2005/status/2030214970353602806
补充M Workflow That Changed How I Learn Any Technology"