用 LLM 打造 RollerCoaster Tycoon 式学习体验
How I use LLMs to learn complex topics
我发现 LLM 直接解释复杂概念往往过于简化，甚至让人厌烦。于是，我尝试了一种新方法：让 LLM 先构建知识基础并自我审查，然后将其转化为一个类似 RollerCoaster Tycoon 的低多边形模拟动画。通过 GitHub Pages 部署后，我成功制作了 ChipTycoon，直观展示了从沙子到芯片的完整制造流程。这种将抽象知识映射为游戏对象的方式，比阅读枯燥的列表或文章更能让我记住细节。我甚至计划加入谜题和挑战，让学习过程更加互动和深刻。
我意识到，通过这种方式学习会让我记忆更深刻，因为你可以将概念与游戏中的对象建立映射。
HN 评论区
529- matherial
我一直觉得 LLM 是学习新主题（甚至复杂主题）的绝佳工具。但随着时间的推移，我对此产生了不少挫败感。首先，阅读 LLM 生成的文字让我筋疲力尽。现阶段，我真的不想读任何由 Opus 5 这类模型生成的内容。其次，当我深入钻研时，我需要一种方式来组织信息，因为我的学习路径开始向许多不同方向发散。我曾尝试让 LLM 生成带有图表和结构化信息流的网页来解决这个问题。这确实有所改进，但我依然遇到了我第一点提到的问题——LLM 生成的文字令人恼火地密集，有用的信息淹没在一堆噪音中。你可以指令它“使用通俗易懂的英语，避免 LLM 式的文风，只提供足以说明观点的必要信息”，但这再次只是边际改善。
于是我开始想，我干脆去读一本由值得信赖的作者撰写的书好了，他们在如何恰当地教授该主题以及如何深思熟虑地呈现信息上投入了大量精力。所以，我又回到了书本，现在主要只把 LLM 用来澄清我遇到的某些具体问题或想法。
- 8bitsout
> 你得到的是一个既完美准确又毫无幻觉的美丽动画。
我不太明白这究竟是如何保证的？文中提到的事实核查过程似乎只是让 AI 去审查它自己的作品。
- freefaler
我在使用苏格拉底教学法方面取得了成功。我给 Claude 一个主题（比如债券市场的运作细节，内容来自教科书的页面截图），然后一边散步一边用语音模式和它聊天。Claude 是专家，我是学生。Claude 向我提问，引导我逻辑地得出答案。我带着问题回来，我们一来一回地讨论。现在的 LLM 和 2023-2025 年时大不相同了。我几乎总是怀疑它会撒谎，但几乎每次我都错了。
具体来说：
- 我限制/鼓励它只给我单句提问
- 当我们开始新概念时，我有时会让它讲一个有激励性、接地气的故事：Claude 会回应：“Maya 是一位债券投资组合经理，她的老板让她快速估算如果收益率下降会发生什么。她知道债券的平均久期（一个时间度量），但她没有百分比，而她的经理需要的是百分比。她如何仅凭久期数据和提议的新收益率给出一个百分比数字？”
- 我经常让 Claude 让我自己推导，自己得出结果，这通常会产生一串带有“是/否”尾注的想法，目的是让 LLM 只回复“是”或“否”，避免打乱我的思路。如果是“是”，我的思路继续；如果是“否”，说明我哪里搞错了。
- 我有时会停下来让它构建一个产物。我通常会说“给我做一个 Brilliant.org 风格的该主题交互式演示”，尤其是当我们进入 [...] 时
- hasley
大家对如今学习新技术有什么看法？
我的观点在“积极”和“令人沮丧的未来愿景”之间摇摆。
我依然在学习新东西，但我担心这些知识在一年左右就会变得毫无价值。
例如，我在优化底层东西方面相当在行，但现在你只需让 LLM 去做，它们做得相当不错。90% 的情况下，它们会分析代码并给出合理的建议。
- wxw
> 在规划模式（使用 CC 或 OpenCode）下，我让模型为 X 主题构建基础知识。
有道理。
> 我让它审查上一步构建的知识库的准确性。
哦，听起来不错。
> 接着我让它为该主题构建一个低多边形、类似 RollerCoaster Tycoon 风格的动画模拟。
啥？
- gnarlouse
做这类事情让我学到的最大一点是：没有捷径。在某个时刻，要想真正深入地学习某样东西，你必须深入那些枯燥的细节，走那条艰难的路。LLM 可以帮忙……但我发现，人们通常很诱人地想把枯燥的部分直接甩给它们，而这行不通。
- f311a
我一直用 LLM 来重写我感兴趣的 RFC 和规范，使其更易读。虽然这还不足以用于实际实现，但它加深了我对底层 RFC 的理解。
另一种有用的方法是让 Codex 以文学编程风格实现复杂的东西，比如 Kademlia DHT 或 BitTorrent 客户端，明确目的是通过审查源代码来加深理解。
示例：https://rickcarlino.com/notes/note-dump-and-ai-summaries/ind...
- muh_gradle
我只在主题是我非常熟悉且能独立轻松验证事实的情况下，才使用 LLM 来解释事物。用这种方式处理新知识领域显然风险很大。
例如，“解释这个文件中的代码是如何工作的”，我熟悉整个代码库，知道这个文件的用途，如果怀疑它说的不对，我可以读代码或写测试来验证。或者，如果真的很重要，我可以克服自己的内向性格，去问写这段代码的团队成员……但这如今已是最后的手段，对此我非常感激。自至少 Claude 4.2 时代以来，99% 的情况下 Claude 和 Codex 都非常准确。另一方面，Gemini 出错更频繁，有时还会做奇怪的事，比如试图删除它不熟悉的文件，至少我最近用的 3.6 flash 模型会这样。不过，代码解释大部分时候还是挺好的。