博文 “我如何利用大语言模型学习复杂主题”原文链接：laurentiugabriel.github.io/blog/articles/how-i-use-llms-to-learn/

作者 Laurențiu Răducu。文章中介绍的大概方法是：先建立知识库，然后把知识库改造成像游戏那样的可视化项目。----------------大语言模型有着各种各样的用途，而学习新知识正是其中最主要的应用场景之一。

我认识的许多工程师都会把生成式 AI 用于各种任务，例如构建概念验证（PoC）、内部工具或数据看板，甚至学习新知识。但就我个人而言，我觉得大语言模型解释事物的方式不太容易理解：内容往往过于简单，而且如果夹杂了太多表情符号，还会让人觉得有点烦。

在分析可能拖慢数据中心建设的新型 AI 瓶颈时，我意识到，自己对芯片生产还有很多不了解的地方。浏览网页时，我突然想到：如果有一款游戏，能够带着玩家完整经历在晶圆厂制造芯片的过程，会怎么样？

这种学习方式肯定更容易让人记住，因为你可以把抽象概念与游戏中的具体对象对应起来。于是我决定尝试一下，结果确实相当不错。

我不会只是让 AI 直接解释某个主题，而是采用下面这套流程：

1. 在计划模式下（使用 CC 或 OpenCode），我让模型为主题 X 建立一套基础知识。2. 我让它检查上一步所建立的知识库是否准确。3. 接下来，我让它把这个主题制作成一个低多边形、类似《过山车大亨》的动画模拟程序。我还会加入一些用户体验方面的要求，例如页面需要同时适配大屏幕和小屏幕，并提供控制功能，让我可以随时暂停整个流程等。4. 最后，我把项目推送到一个新的代码仓库，并为它启用 GitHub Pages。

最终得到的是一个精美的动画。它百分之百准确，而且不存在模型幻觉。对我来说，这种方法比阅读从 Google 上找到的无穷无尽的资料，或者费力消化大语言模型生成的一长串项目符号，要有效得多。

我专门用这种方法学习了芯片制造，并把成果发布在一个名为 ChipTycoon 的网站上。你可以跟随一辆运输车，从沙子被采集的那一刻开始，一直看到芯片完成制造并被运送到数据中心。

在视觉上，你还可以一路观察运输车及其所载物料发生的变化。由于采用了低多边形风格，一些细节可能无法呈现，但它仍然能够很好地展示产品在经历制造流程中的诸多步骤后，是如何逐渐发生变化的。

如何进一步改进

假设低多边形设计过于抽象，让人很难想象那堆石英砂离开熔炉后究竟发生了什么。为了使呈现效果更加逼真，你可以使用我开发的“将图片转换为 3D 对象”技能，再把生成的对象映射到模拟程序中。这样便能得到更加准确、写实的视觉效果。

你还可以在模拟程序中加入挑战。例如，让学习者回答与芯片制造前一个步骤有关的问题，可以显著加深他们对知识的记忆。此外，也可以加入一些直观的小谜题，进一步提升学习效果。

How I AI