这场景要解决什么

一份能拿去考试的知识点总结，跟一份"AI 帮你整理了这一章"的产出，差别只在边界。

模型写总结几乎必然写成：定义 + 几条要点 + 一个例子。问题是定义和要点在考场上不触发——题目换个问法就认不出来。真正有用的是补上第四件：这个知识点什么时候不成立。比如"均值可用于描述集中趋势"，补一句"有极端值时中位数比均值更合适"，这一句就是分端点。AI 默认不写这个，因为教材里通常也不写，所以要在提问里点名要它。

第二条是易混点。两个知识点差在哪、为什么容易混、怎么一句话切分，这三问答得出，才算真懂。

该这么问 AI

坏问法：“帮我把这一章的知识点总结一下。”

改成这样：“这是大学《统计学》假设检验这一章，请按四条给每个知识点写：①一句话定义（不超过 30 字）；②适用边界——明确写出什么情况下这条结论不成立；③跟它最容易混的那个概念是哪一个，一句话怎么切分；④举一个反例（不是通常的例子，是那种看起来成立其实不成立的）。每个知识点总长度控制在 120 字以内。最后单独列一节：哪些知识点你判断我自己多半没搞懂。”

最后一节是重点。模型不会主动说你哪里不懂，但你要它"按你的判断"列，它一般会给出基于内容难度的诚实判断。

坏问法：“这个知识点是什么意思？"（只问一个概念）

改成这样：“先给我一句话定义，然后给我一个我们课上没讲过的场景，问我在这个场景里用这条结论会不会错，如果会错，错在哪一步。最后给我一条我自己补的反例。”

坏问法：“总结得再详细点。”

改成这样：“把第二条知识点的适用边界补两行，写清楚边界之外会发生什么（不是简单说’不适用’，要写具体哪个量会失真）。”

拿到答案后要核对这几处

  1. 有没有反例。整份总结里找不到"什么时候不对"的，就是教材复述，不是你的总结。
  2. 反例是谁的。自己补的反例才记得住，模型给的反例看完就忘——所以让它问你，你来答。
  3. 盲区标没标。没标盲区的总结是假的；标出来的那几条，第二天优先重看。
  4. 能不能讲给外行听。试着用一句话给不懂的人解释，讲不通的那条就是没总结到位。
  5. 长度。一份 8 章的总结如果每章 2000 字，复习时看不完就等于没做；按考前时间倒推总量。

相关词