“正确的学习方法稀缺”指的是会检验自己是否真学会、并能从错误方法里爬出来的人很少；想读透这一点，从《假学习的终结》和哥大课程回放开始最直接。
AI根据立正公开的文章和视频整理，不是他本人回复。重要的判断，请回到出处核对。
稀缺的不是方法名词，是检验和复盘的习惯
这套说法把“学会”定义成撤掉帮助、隔一段时间、换一道题之后还能做出来，而做出来只说明当下做得好1,2。稀缺之处在于多数人把“我懂了”当成“我会了”，把错误当失败而不是反馈，于是既不检验也不复盘3。筛选人才时真正有信息量的，是对方能不能讲出自己从不会到会的细节：一开始错在哪、哪次反馈让他换了方法、怎么判断自己变强了，而不是拿了什么奖4。
难要留给判断，不留给配环境这类假困难
材料里的观点选难的那条路不等于拒绝工具：配环境、调端口这类消耗意志力却不长智慧的事可以交给 AI，难要留在这件事值不值得做、怎么拆、做出来好不好1。具体做法是先自己猜再让 AI 动手，过一两天关掉 AI 重做一遍，再改一个条件看还会不会1。判断力则靠动手前先预测、做完对照现实来练2。学 AI 更像学手艺，懂概念不等于能稳定交付，检验标准是换任务、换工具、换领域还能不能交付3。
投入时间不等于投入努力
材料里的观点努力容易被和时间混为一谈：号称每天学十小时的人，可能十小时都在浪费，脑子并没有真的学进去，只是记了一堆笔记5。真正稀缺的是把注意力放在核心和本质问题上，而不是用时长和笔记量给自己制造在努力的错觉5。
《正确的学习方法比大家想象中稀缺很多》原视频需会员观看，但已获授权的文字稿可公开阅读；其中“筛选人才”的提问清单是用于面试场景的，不必照搬到日常自学。
出处
- 1假学习的终结
最直接回答“正确方法是什么”：关键处选难、假困难交给工具、三步检验是否真学会。
- 2AI替你做出来以后，你还会什么？｜哥大客座课程回放
哥大课程回放，把“撤掉帮助、换一道题”和判断力训练讲成可记的几条。
- 3学AI的两大误区：找课本（只看不动手），抄作业（依赖tutorial）
解释为什么课堂式学习和抄教程会制造“我懂了”的错觉，以及可迁移性这一检验标准。
- 4正确的学习方法比大家想象中稀缺很多，那我们如何筛选人才？
从筛选人才角度说明稀缺性：看对方能否讲出从不会到会的真实过程和弯路。
- 5我们只能控制好这三件事：attention, effort, time
补充努力与时间被混淆这一点，适合核对“学得久就是学得好”的误区。
你也有想问的？
卡住的时候，问问立正：回答附有出处，可以点回原文核对。
也可以接着问：
别人还问了
- 我每天很忙，但不知道工作有没有价值，怎么识别 fake work？
识别 fake work 的关键不是看你有多忙，而是追问：这份产出完成后，下游会做出什么不同的决定或行动？如果多生产十份，真实结果也不会更近，那它很可能只是让你感觉在前进。
- 如何识别假努力
假努力骗的是你对“进步”的感觉：动作很多、感觉很累，但真实结果或能力没有变化。识别它，看撤掉帮助、换条件后你还能不能交付，以及产出是否改变了别人的决定。
- 刚开始做自媒体经历了多久才挣到了第一笔钱？
立正2020年开始做自媒体，前四年几乎没收入，2023年下半年做付费会员后才真正赚到钱，2024年是他把自媒体当副业并得到收入的第一年。
- 社区里的工具箱里有这么多skill，我要全部一次性安装到我的codex吗？别人做好的skill，安装在根目录更好还是项目文件夹更好？
我使用codex有2个多月了，从只会跟它聊天到现在会尽量让它直接帮我完成一件事，会在过程中纠正它的方向从而使得它做成我想要的样子，不过我还没有真正开始自己原创skill，也没有过多的去使用别人的skill，更多的时候我会直接把我的想法告诉codex然后让它完成工作。
不要一次全装。先挑一个你反复做的任务，装一个 skill 跑通，再决定要不要加下一个。放哪里取决于它是通用偏好还是只服务某个项目。
- 即将读人文学科博士，我如何对未来四年的研究工作提出更好的设想和规划
把博士当成一次创业：先找到值得做的研究问题，再倒推四年要积累什么，而不是先定发表数量。
- 现在需要选offer！base美国，MBA刚毕业，之前一直在做电商战略&策略，出海方向，我的目标是能够进AI应用公司/大厂AI应用业务做增长或者是产品设计，希望能对业务有影响！我有4个选择：1）回到国内咨询做AI数字化转型，再跳大厂做AI战略，之后再做AI业务；2）TT LA美国做creator strategy and product operations, 主要是达人增长目标拆解，drive sports content提升，激励体系搭建，分析内容和流量策略，也会有一部分product operations，看什么feature可以直接上线，有些时候可以自己vibe code一些产品；3）Capital one 纽约 business travel 针对信用卡商户做marketing strategy，看product messaging，以及跨渠道怎么分配预算看如何增长，marketing归因，内部有转岗机会到analytics方向，未来either大厂analytics/DS方向，或者；4）Amazon西雅图 自营品牌category manager方向，优化品类P&L，主要pull lever是和供应商谈价格，遇到具体的问题，找supply chain/quality/product manager解决，虽然看似管理P&L，但其实每个链条都有相应的人处理，真正支撑每个部分都有产品经理做好处理了，未来有转产品经理的可能，例如电商selection优化/供应链产品/价格产品，但我对Alexa AI/AWS更感兴趣 目前我的主要concern是1）亚麻从category manager转出去第一步更有可能是供应链方向；2）TikTok creator这个领域比较窄，non-tech长期的薪资是不是会不够高？以及跳槽认可度不知道如何？3）capital one这个product marketing属于金融产品领域，内部可以转analytics再跳出去，或者再继续出去做product marketing，薪酬美国的高于中国的，但美国的三家后续曲线可能不同！ 结合我的背景和您的认知，您会怎么给出建议？
四个选项里，最该先比的是哪条路能让你持续积累“增长/产品”的可迁移作品与判断力，而不是哪个title更接近AI。按这个标准，TikTok和Capital One的起点更贴近你的目标，但各有代价。