学习方法论

文章借巴拉巴西三部曲讲成功可计算与知行漏斗：推荐、购买、读完、做到每步约10%，最终仅0.001。《成功定律》五律包括：能力可衡量时靠表现，不可衡量时靠网络；能力有界而成功无界；优先连接让早期优势复利；团队功劳常归最知名者；Q因子不随年龄衰减，成功可发生在任何年龄。博主补充“想、说、做”对齐，以及钱、关系、认知构成的成功三角形，关系与认知靠诚实积累。读者可落地：制造最小可验证成功启动优先连接；书面记录个人贡献，保护功劳；复盘想法转化率，从执行结构提升Q因子。

博主称从未花钱学英语、未去英语国家，仅靠下载几部电影练出流利口语：选战争、爱情、犯罪、政治四部片，逐句暂停跟读，同速同情绪，生词当场查，循环重看，直到能不暂停为整部电影配音，再以6–7部电影和美剧保持输入。其原理涉及可理解输入、影子跟读和情景记忆。作者补充用AI对话练输出、双语字幕逐句精听和语音识别纠音，并建议30天内选真心喜欢的电影，每天跟读约15句，每周不暂停重看，第30天与AI对话。提醒：跟透一部胜过浅过四部，不跳过情绪，不只观看。

本文围绕记忆、专注、思考、践行，融合费曼、西蒙、FASTER学习法，回答如何高效把知识转化为能力。“学完”不是终点，遗忘才是默认：1小时内约遗忘50%，24小时后约70%，注意力10—40分钟衰减，需主动回忆、间隔重复和意义编码。费曼法以教代学，输出倒逼理解；西蒙法强调动机、方法与约1000小时专注投入；FASTER给出忘记、行动、状态、教授、输入、复习六步。专注力是关键，分心后平均需23分15秒恢复，读者可据此搭建系统并科学复习。

Qwerty Learner 是约 23.3k Star 的开源免费项目，把背单词与打字练习结合，无需注册，可通过 qwerty.kaiyi.cool 在线使用，也提供 VSCode 插件和本地部署。它内置约 380 个词库，覆盖四六级、考研、雅思托福、GRE、高考中考、商务英语、编程 API 词汇及日语、德语等。核心机制是打错必须重来，不能跳过，以避免形成错误肌肉记忆；练习中提供实时速度、错词标红、错题本、真人发音、音标和默写模式。作者建议先追正确率再追速度，每天短时练习，选择难度适中的词库；程序员可从常用语言 API 词库入手，同步提升单词记忆与打字速度。

GitHub 项目 ebook-treasure-chest（电子书下载宝库）不直接存书，而是汇总第三方站点的书目索引和下载链接，收录 24071 本中文书、1000 个分类，多数提供 epub、mobi、azw3 三种格式，来源覆盖帆书、微信读书、京东读书、喜马拉雅等平台。它配有在线搜索页，支持实时搜索、多关键词空格组合和分类浏览，已获 1.6 万多 star，自 2023 年持续更新。适合 Kindle 用户、通勤阅读、查资料和按分类找书，能减少引流站、网盘密码等折腾。链接来自第三方，版权复杂，建议当作试读和找书工具，读后尽量通过正版渠道支持作者。

文章面向想学习AI并用于变现但缺乏方向的人，推荐GenJi老师的直播课，称其可帮助掌握涨薪和做副业的关键技能，且小白也能轻松上手。文中同时提供“AI最新全套资料包”，内容涵盖办公、工具、动漫、提示词、Agent、codex、变现等方向，并称以无私分享方式提供。资料包附有百度网盘下载入口及备用地址，需使用解压密码6739。整体重点是为AI初学者和变现需求者提供课程引导与资料获取渠道。

本文介绍了一个用于管理有明确终点与总量学习目标（如背完2000个单词、读完440页书）的单文件HTML工具。该系统每日自动计算建议学习量，支持补记、休息日容错与逾期调整；并提供今日待办、看板图表、周报复盘和数据设置四个功能页。针对localStorage存储量小、清空浏览器即数据丢失的局限，文章提出了三项优化方案：引入IndexedDB提升性能，增加WebDAV配置以实现跨设备云同步与数据恢复，以及设置累计记录自动下载JSON的防呆备份。优化后的提示词要求本地优先、断网可用，同时引入云同步能力，旨在解决本地数据易丢与跨设备迁移的核心痛点。

提示词： 每次和AI询问问题是避免AI说废话达成有效发问的提示词 请先不要回答我的问题。 在给出答案时，请先完成以下分析： 1、指出我在这个问题中没有明确表述、但已经默认成立的假设； 2、告诉我还缺少哪些关键信息，以及这些信息可能如何改变你的答案； 3、指出人们在处理此类问题时最常犯的一个错误。然后

`learn-from-materials` 是一个基于开放 Agent Skills 规范的开源学习工具，能将书籍、PDF、PPT、网页等多格式资料转化为可追溯的知识库、交互式学习网页及同步 Markdown。它支持“快速了解”和“系统学习”两种模式，为 PDF、PPT 等建立细粒度来源映射，并生成核心框架、术语大全、自检等页面。其核心特色是区分材料依据与模型补充，执行覆盖审计，并默认离线运行、保护隐私，不主动联网。该项目适用于 WorkBuddy、Codex 等能读取文件并运行命令的 Agent 环境，要求 Python 3.10+。安装方式为在对应 Agent 的技能目录中克隆仓库。项目基于多个 MIT 开源项目二次开发，并以 MIT 许可证发布。

本文介绍一款专为“有终点、有总量”学习目标设计的进度管理工具，适用于背完2000个单词、读完一本书等场景，而非无限期习惯打卡。系统为单文件HTML应用，不依赖外部资源、断网可用，支持手机、平板、电脑三端响应式布局。核心功能包括每日自动计算建议量、完成率、连续打卡天数及按近7天速度推算的预计完成日；每周自动提供1个休息日，首次漏打卡不中断连续天数。数据存储提供三种模式：在线版云端同步、直接打开HTML的浏览器缓存模式，以及推荐的本地持久化模式（通过Node.js服务实时同步至磁盘JSON文件，自动保留30个备份版本）。页面包含今日、看板、周报、我的四个Tab，支持补记、周复盘与数据导入导出，帮助用户清晰追踪进度、防止数据丢失。