陈小涛的技术学习笔记

技术学习经验

我学东西不算快。同样一门东西,别人可能两个月就摸得挺熟,我得花上三四个月。但这些年下来我发现自己有个好处:学过的东西不太容易全忘掉。后来琢磨明白原因了——不是记性好,是方法不一样。这篇把对我真正管用的那几条写出来,也包括那些我做过但完全没用的事。

动手优先小项目驱动自己的笔记判断标准

一、我的学习循环

有效的学习不是一条直线,是一个绕圈的循环。这四个节点,缺哪个都转不起来:

定个小目标 具体、能做 动手做 卡住是常态 只补卡住那点 带着问题查 记住了 真的会了 转第二圈的时候,第一圈的东西才真正变成自己的 关键是第三步:不要"把这块全部学完",只补当前卡住的那一点
做中学,比坐着看转得快得多

这个循环里最容易做错的是第三步。很多人卡住之后的做法是"我回去把这块系统地学一遍"——于是打开了另一份长长的系统讲解,然后就再也没回到那个目标上。正确做法是只查卡住的那一点,够了就继续做。剩下没查的,等下次真的需要的时候再补。

二、几条对我真正管用的做法

  1. 看一小段,立刻关掉去敲。"看讲解时觉得懂了,一关掉就写不出来"——这太正常了,因为"看懂"和"能写"是两种不同能力。我的节奏是:看五分钟,立刻关掉,凭记忆敲一遍。敲不出来的地方,就是还没懂的地方,回去再看那一小段。被动看十遍,不如动手写一遍。
  2. 用小目标逼自己学。光看语法很枯燥,也记不住。给自己定一个具体的小东西:整理文件夹的小脚本、一个记账的小页面、一个能自动发提醒的脚本。为了做成它,你会主动去查、去试、去解决具体问题——知识是这么长进来的,不是从封面到封底读进来的。
  3. 建自己的速查笔记。常用命令、容易忘的参数、踩过的坑。关键是:这份笔记写给自己看,所以可以很粗、很口语、只写"我当时不懂的那一点"。下次遇到直接翻,不用重新搜——而且搜过一遍的东西再搜第二遍,本质上是在浪费生命。
  4. 报错先自己读一遍再搜。很多人一看到红字立刻复制去搜,结果被网上一堆版本不同的答案带偏。其实报错信息通常已经把"哪一行、什么问题"说清楚了。先自己读、先定位到行,再搜,搜索的关键词会准得多。
  5. 把学到的东西讲一遍。写成一篇文章、解释给一个完全不懂的人听、或者记成笔记。讲的过程会暴露出大量"我以为我懂了"的漏洞——能讲清楚,才算真的清楚。
一条我用了很久的判据:如果一个知识点,我能在不看任何资料的情况下,用大白话讲给外行听懂,那它才算我的。讲不出来,就说明还在"好像知道"的阶段,得回去再动手做一遍。

三、那些看起来像学习、其实不是的事

这一类我做过不少,代价是浪费了大量时间还自我感觉良好。列出来给自己提个醒:

警惕这四种"假装在学习":
  • 囤资料。收藏夹里躺着一堆"以后看",基本等于没看。收藏这个动作本身会给大脑一种"我已经拥有了"的错觉,而实际上什么都没有发生。
  • 只看不做。视频一路看完,笔记也记了,但一行代码都没敲。这种学习能让你"听懂",但完全不能让你"会做"。
  • 追新。今天学这个框架,明天听说那个更火就换过去。每次都停在"了解它是什么"的层面,从没进到"用它做成过什么"。
  • 把"忙"当"有进展"。花了整个周末在看资料、装环境、折腾配置,最后没有一个能跑起来的东西。忙是真的忙,但一周下来往前动了零步。

这四种有一个共同特征:都有明确的"我在努力"的感觉,但都没有产出。所以我给自己定了一条很硬的检查标准——每个学习周期结束时,问一句"我手上多了一个能跑的东西吗"。答案是否,那这一周期大概是在原地打转。

四、怎么判断自己真的会了

"学会了"这个感觉很不可靠,我自己评估的时候用四个更硬的判据:

真的会了

  • 能不看资料写出来
  • 报错时知道去哪找
  • 能给别人讲明白
  • 能改动它、扩展它
  • 换个场景还能用出来

只是"好像会"

  • 跟着示例能走一遍
  • 一报错就完全卡住
  • 讲不清为什么这么做
  • 只能照抄,动一处就崩
  • 换个问题就想不起它

其中我最看重的是最后一条——换个场景还能用出来。因为"能不能用在一个具体例子里"其实很脆弱,而"遇到一个新问题会想到用这个方法",才说明它真的成了你自己的本事。

五、关于节奏:断了怎么办

自学最大的敌人不是难,是断。我在这上面栽过很多次:忙起来放两周,再回来的时候感觉像从零开始,然后就彻底放下了。

后来我调整了策略,有三条:

还有一条心态上的调整挺重要:不要跟别人比进度。别人的起点、能投入的时间、手上已有的基础,跟你完全不一样。这种比较除了制造焦虑,没有任何信息量。真正值得比的,是"这个月的我"和"上个月的我"。


小结

技术学习这件事没有捷径,但确实有效率差别。我这几年真正管用的就是三件事:动手做、带问题查、写自己的笔记。

反面那几件事也很明确:囤、只看不做、追新、把忙当进展。它们的共同点是"输入很多、产出为零"——而学习这件事,最终是靠产出堆起来的,不是靠输入堆起来的。