先找问题，再选工具
学习路线的起点不是一串工具名，而是你希望改变的一件事。旧笔记把目标、环境和动机放在技术之前：为什么学、什么时间学、学完要能做什么，都应先说清。
把“我要学 AI”改成“我想把一篇长文章整理成能核对的要点”。前者没有边界，后者有输入、有动作，也有判断结果的办法。第一次练习越具体，越容易知道下一步缺什么。
要点
- 输入是什么？
- 你希望得到什么？
- 怎样判断结果可用？
练习 选一件本周反复做的小事，用这三个问题写一张问题卡。不要先填写工具名称。
把背景和边界交代清楚
AI 编程主题笔记强调，上下文、规则、步骤和验证比工具名称更重要。这个原则也适用于日常提问：对方看不到的背景，需要你主动提供。
例如整理文章时，说明读者是谁、保留哪些事实、哪些结论不能猜、期望输出多长。材料不足时，让它列出待确认问题。把“写得好一点”换成能观察的约束，才方便共同修正。
要点
- 背景：给谁、为什么做
- 边界：保留什么、不做什么
- 结果：格式与验收标准
练习 给上一节的问题卡补充背景和两条“不做什么”，再写出完整请求。
第一次结果如何核对
输出看起来流畅，不等于内容已经可靠。学习方法笔记主张交叉验证：把不同来源和实际操作放在一起，修正自己的理解，而不是信任单一解释。
先把答案拆成事实、建议和待验证判断。事实回到输入资料核对，建议看是否适合你的条件，不能确认的地方保留问号。你不需要一次查完所有内容，但要知道哪些结论仍不确定。
要点
- 事实能否在材料中找到？
- 建议是否符合我的条件？
- 哪些内容仍需确认？
练习 给一次 AI 输出做三种标记：已核对、我的判断、待确认。至少追查一条关键事实。
留下下一次的起点
练习结束后，只保存最终答案会丢失最有价值的过程。记录最初的问题、失败之处、调整方式和可复用做法，下一次才不必从头摸索。
这不是要把每句话都归档。保留一个可重现的小例子，以及你仍说不清的一个问题就够了。学习路线应随着验证结果调整，而不是成为必须打满勾的技术清单。
要点
- 这次完成了什么？
- 哪一步需要人工判断？
- 下次最值得尝试什么？
练习 用五句话复盘本次练习，把下一步缩小到半小时内能开始的动作。