学习管理系统

如果你已经用过 AI 编程助手一周以上，可以直接读本文——不必严格按前置要求的顺序。

工具对照

文件夹约定与管线步骤对 Claude Code / Codex / Cursor 都成立。Claude 侧可用 Skill（如 /wiki、/sync-all）加速；Codex 侧用同一目录结构 + AGENTS.md 里写「写笔记前先搜 learnings/」即可。没有 Skill 时，把步骤当 checklist 手动执行。

学完教程之后呢？

只学会用助手写代码，等于学会了用锤子但没学怎么做家具。教程教的是“怎么用工具”，这篇教的是“怎么持续变强”。

AI 编程助手在这一点上很特别：它是你的学习对象（你在用它写代码的同时也在学习编程）、学习工具（你用它来理解你不懂的东西）、以及学习管理基础设施（你用它来记录和组织你的学习）。这三个身份同时存在。

大多数用户只用了前两个身份——拿它写代码，拿它问问题。第三个身份才是这篇文章要讲的核心：怎么把你的学习变成一个能自我增殖的系统，而不是每次学完就忘了，下次重来。

这个系统不是什么昂贵的第三方工具。就是几个文件夹、一些 markdown 文件、加上几条规则。成本几乎为零，但效果是把你和助手的每一次对话，从“用完就扔的一次性纸巾”变成“存进知识银行的复利资产”。

类比：学编程像逛森林

想象你在逛一片森林。每走几步就发现一棵没见过的树、一条没走过的路、一株有意思的蘑菇。一个游客的做法是：看到有趣的东西，拍张照，继续走。一年后翻手机相册，照片还在，但完全不记得那棵树叫什么、那条路通向哪、那株蘑菇能不能吃。

一个植物学家的做法是：看到一棵新树，在本子上记下它的名字、特征、发现地点、和你已经知道的哪些树是近亲。每次回到营地，把今天的笔记归档到对应的文件夹。下次再逛这片森林，翻开本子，你上次走到哪了、学过哪些树了，一目了然。

学习管理系统的本质就是把“游客模式”升级为“植物学家模式”。 不是学得更多，而是每一次学都有痕迹，每一个痕迹都能被找到。

工件选择启发式

每一次你学到新东西，面临的第一个决策是：记在哪？

这不是一个随便的决定。放错了地方，三个月后你就找不到了。下面是一条“命中即停”的工件选择规则，按顺序判断，第一个能匹配就记在那：

优先级	触发条件	记在哪里	为什么排这个位置
1	mentor / 同事 / code review 的反馈	feedback/inbound/	别人花时间给你的反馈是最稀有的输入，丢了最可惜
2	新概念 / 模式 / 技能，以后能复用	learnings/	可复用知识是你最重要的资产，不记下周就忘了
3	排查超过 30 分钟，且找到了根因	problems/	你投入了时间，根因有价值。下次踩同样的坑就是纯浪费
4	其他一切（杂事、todo、零星心得）	daily/	杂事也值得记，但用最简单的方式

这个排序的核心逻辑：

• 反馈排第一，因为 mentor 不会把同样的话说两遍。你今天听懂了，两周后你可能忘了。两周后你的 inbound 还在，随时能回看。
• 新概念排第二，因为可复用知识是你最重要的资产。“学会怎么配置 pre-commit hook”不是一个一次性的操作——你以后每次需要 hook 都可以回看这篇 learning。
• 排查 30 分钟以上的问题排第三，因为 30 分钟的阈值意味着你已经走完了“试这个、试那个”的阶段，真正找到了原因。10 分钟就解决的问题不值得专门记——写进 daily 就够了。
• 其他排最后，因为 daily 本来就是杂事收纳箱。不是贬义——收纳箱很有用。你不知道放哪的东西就放 daily。但先把有价值的放到它们该去的地方。

“命中即停”这四个字是关键：第一个匹配就停止，不要重复记。如果一条反馈值得记，它不该同时出现在 feedback 和 daily 里。如果一个问题找到了根因，它不该同时出现在 problems 和 learnings 里。一件事一个坑位。

真实场景举例：

• 同事在群里说“你这个 API 的返回格式不对，应该用 snake_case”——feedback/inbound/
• Claude 跟你解释了一个你不懂的 Python 特性——learnings/
• 你调一个配置调了 40 分钟才发现少了一个空格——problems/
• 今天做了三个小任务但没什么值得单独记的——daily/

知识捕获管线

从对话中的灵光一闪到一篇永久笔记，完整的路径是七步：

1. 对话中的洞察

“哦，原来是这样。”——这个瞬间是管线的起点。它可能发生在 Claude 解释一个概念时、你排查出一个 bug 时、或者同事指出了一个你没想到的问题时。

关键：你不需要在这一刻就写笔记。你只需要意识到这是一个值得记的 moment。

2. 助手建议记录

助手会注意到你学到了新东西，主动建议你写下来（若没有，你也可以主动说「帮我按工件规则记一条」）。这是助手作为“学习管理助手”的第一个身份切换——从“帮你做事”切换到“帮你记住学到的东西”。

3. 选对工件类型

用上一节的启发式判断该记在哪。30 秒决策，不要犹豫超过 1 分钟。

4. 用自己的话写

这是整条管线里最核心的一步，也是最容易被跳过的一步。

不要复制粘贴助手的解释。把它翻译成你自己的语言。如果你不能用你自己的话解释它，说明你没有真正理解它。

类比：你读了一本教科书，合上书，能不能用你自己的话讲给一个没读过这本书的人听？如果能，你懂了。如果不能，你只是在认字。

实际操作：看完解释后，把聊天窗口最小化，在笔记里先写一遍你自己的版本。写完了再跟原文对比，看看有没有遗漏或错误的地方。

5. 添加来源字段

每一篇笔记都有一个 来源: 字段，指向原始对话、原始文档、或者给你反馈的人。这不是形式主义——三个月后你想回顾这篇笔记的上下文，来源: 就是你的时光机。

6. 更新索引

写完笔记后，把它注册到知识库索引中（Claude 可用 /wiki index；没有 Skill 时手动在 learnings/index.md 加一行链接）。一篇没有被索引的笔记文件约等于不存在——你不会记得它的文件名，助手也不会主动搜索它。

7. 刷新渲染

若你有 HTML 渲染管线，运行 /sync-all（或项目里的 build 脚本）重新生成可读视图。没有渲染步骤时，至少确认 markdown 文件已保存且索引已更新。这步是管线的最后一步：把“对话中的洞察”变成“能再次找到的成果”。

这七步管线的本质：把转瞬即逝的对话洞察，转化为可搜索、可引用、可复利的永久知识资产。

目录结构

这个系统的物理形态极其简单——就是几个文件夹和一堆 markdown 文件：

intern-journal/
  daily/           ← 每日记录（YYYY-MM-DD.md）
  learnings/       ← 新概念和技能（kebab-case 文件名）
  problems/        ← 排查记录（根因 + 解法）
  feedback/
    inbound/       ← mentor/同事/CR 的反馈（原始记录）
    action/        ← 从反馈拆出的执行计划
  sources/         ← 学习材料卡片（书、课程、文章）
  explorations/    ← 小项目和实验

每个文件夹里有一个 _template.md，包含该类型文件的推荐结构。写新文件时先复制模板再填充，确保结构一致。

为什么用文件而不是数据库或 Notion？

这是一个值得认真回答的问题，因为大部分知识管理教程会教你用 Notion、Obsidian、或者自建数据库。文件系统方案看起来太“原始”了。

但文件系统有三个优势是其他方案无法同时提供的：

1. Git 能追踪 — 每一次修改都有 diff、有作者、有 commit message。这意味着你的知识库和你的代码享有完全相同的版本控制能力。你可以用 git log 回答“我四月份学到了什么”，用 git blame 回答“这条规则是什么时候加的、为什么”。Notion 做不到这一点（它有历史，但不如 git 精细和可搜索）。

2. 助手能直接读 — 本地 markdown 不需要 MCP、不需要第三方账号。你在 CLAUDE.md / AGENTS.md 里写一句“先 grep learnings/”就能让助手自动查找已有笔记。换成 Notion，你要么手动复制粘贴，要么搭 API——多了一整层复杂度。

3. 未来 10 年可读 — markdown 是纯文本格式，任何文本编辑器都能打开。Notion 可能 10 年后不存在了（或者改了定价你不想付钱），但你本地的 .md 文件永远是你的。这是最底层的可移植性。

这三个优势加起来，意味着文件系统方案不是“因为简单所以凑合用”，而是“正因为简单，所以反而是最坚固的方案”。

日常循环中的知识管理

学习管理系统不是独立运行的——它嵌入在你的日常节奏里。回忆一下日常节奏中的“记录”环节（Codex 用户把同一三问写进收工 checklist 即可）：

每天收工前，问自己三个问题：

1. 今天学到了什么？ — 有没有值得写进 learnings/ 的新概念？
2. 今天踩了什么坑？ — 有没有排查超过 30 分钟且找到根因的问题？值得进 problems/ 吗？
3. 今天收到了什么反馈？ — 有没有 mentor 或同事给的意见？值得进 feedback/inbound/ 吗？

这三个问题是知识捕获的最低门槛。不管今天多忙，回答这三个问题只需要 3 分钟。

每周五：回顾

检查知识库健康：有没有写了但没索引的笔记？有没有引了但没消化的来源？有没有互相矛盾的规则？（Claude 可跑 /wiki；否则手动扫一遍目录与索引。）

每月末：退一步看全局

打开 learnings/ 目录，浏览一遍文件列表。有没有一些主题你反复在学习？（那是你的兴趣方向正在成型）有没有一些早期笔记你已经看不懂了？（那是需要重新消化或更新的信号）

月维护的本质是从日常的“显微镜”视角切换到“望远镜”视角。你不需要在每天都关注这些趋势——一个月看一次就够了。

常见坑

1. 所有东西写进 daily

这是最自然的错误——因为 daily 最方便打开，最没有心理负担。每天往里塞，三个月后 daily 文件变得很长，你想找一条三周前的关键信息，翻半天翻不到。

解法：严格使用工件选择启发式。有价值的东西花 1 分钟归类，剩下的才放 daily。

2. 笔记是复制粘贴助手的回答

看起来省时间，实际上在欺骗自己。你的脑子没有参与加工过程，信息没有真正进入你的知识网络。一个月后你再看这篇笔记，会发现“这段我好像没写过”。

解法：写完笔记后关掉对话框，问自己“我能用三句话给别人讲清楚这个吗”。讲不出来就重新写。

3. 笔记写了不索引

一个新的 learnings/ 文件躺在目录里，既没有被 learnings/index.md 引用，也没有在任何 overview 页上出现。它物理上存在，但逻辑上是孤立的。你以后只会翻目录的前两个文件，永远翻不到它。

解法：写完笔记立刻更新索引（/wiki index 或手动加链接）。不是“等会再弄”，是立刻。

4. 追求完美结构，永远不开始

花了一天设计“最完美的文件夹命名规范”和“最标准的 frontmatter 格式”，笔记本体一篇都没写。这是典型的“用整理代替学习”——看起来很忙，实际产出为零。

解法：先在 daily/ 里把想法写下来。当它积累了足够的实体内容，再花时间归档。先生产，后组织。

5. 只有输入没有输出

记了大量 learnings，但从来不回看、不复习、不用。笔记变成了知识的坟场，而不是知识的复利机器。

解法：每周五的回顾就是你的“输出”环节。至少确认每条 learnings 你还记得是什么。记不清的重新读一遍。

动手试一试

约 15 分钟，从今天对话里挑一个你学到的点，走完捕获管线（对应上文第 3–7 步）：

1. 用工件表选坑位（feedback / learning / problem / daily）——命中即停
2. 不看助手原文，用自己的话写一篇短笔记（至少：是什么、为什么重要、一个例子）
3. 加上 来源: 字段（对话日期或材料名即可）
4. 更新索引（Skill 或手动一行链接）
5. 若有渲染脚本就跑一遍；没有则打开文件确认可读

成功标准： 笔记在正确目录；索引能点到它；你能不看屏幕口述三句话讲清内容。

Checkpoint

• □ 我能按优先级说出四类工件，并解释「命中即停」
• □ 我理解「用自己的话写」比粘贴助手回答更重要
• □ 我完成了上面的「动手试一试」，至少产出一篇带 来源: 的笔记
• □ 我知道没有 Skill 时，同一管线可以靠目录 + checklist 完成
• □ 我不会把所有东西都塞进 daily/

下一步

• 日常节奏——日循环怎么运转
• 记忆系统设计原则——记忆层怎么设计
• 工作流编排思路——学习管理在更大工作流中的位置
• 下载 Skill Pack——把本文系统打包成可复用实现