Quartz 5

learn

6 min read

从一个命题开始做深度学习/研究

适用场景：一开始只有一个命题、问题或判断，手里没有资料，也不清楚这个领域该从哪里学。

核心原则：不要一上来找结论。先把命题变成可研究的问题，再让 agent 帮你找第一批资料、建立概念地图、生成学习路径，最后沉淀成自己的知识库。

1. 先拆命题

例子：

AI agent 会重构软件开发流程

先问清楚：

  • “AI agent”具体指什么：聊天助手、自动编码 agent、多 agent、工作流 agent？
  • “重构”指什么：效率、组织结构、软件架构、工具链，还是商业模式？
  • 时间范围是什么：现在、1 年、5 年？
  • 要研究的是趋势判断、技术原理、落地路径，还是反方风险？

这一阶段不要急着收集大量资料，目标是把模糊命题变成清晰问题。

2. 生成研究地图

让 agent 先输出：

  • 核心概念
  • 前置知识
  • 相关技术分支
  • 主要争议
  • 代表人物、公司、论文、项目
  • 应该搜索的关键词
  • 应该优先读的资料类型

推荐 prompt：

我只知道这个命题：「XXX」。

请不要直接下结论。先帮我做深度研究准备：
1. 拆解这个命题中的关键概念和隐含假设
2. 列出我必须理解的前置知识
3. 生成一张研究地图
4. 给出 20 个高质量搜索关键词
5. 找出第一批应该阅读的资料类型
6. 设计一个从入门到深入的 7 天学习计划
7. 列出反方观点和需要验证的风险

更短版本：

我只知道命题「XXX」，没有资料。请先把它转成研究问题、学习路径、关键词、资料清单和验证框架。

3. 找第一批资料

没有资料没关系，第一轮 deep research 的任务就是找资料。

第一批资料最好包括：

  • 10 个高质量来源
  • 3-5 篇综述、长文或官方文档
  • 3-5 个代表项目
  • 关键术语表
  • 反方观点
  • 后续阅读路线

推荐工具：

  • STORM：从主题生成带引用的长报告
  • DeepResearch / DeepResearchAgent：复杂问题拆解、搜索、推理、生成报告
  • local-deep-research：本地化研究，适合私有资料、arXiv、PubMed
  • firecrawl-research-papers：偏论文和技术报告
  • tavily-research：快速查资料和事实核验

相关 GitHub 项目：

4. 建第一版知识库

第一轮资料读完后，不要只保留聊天记录。整理成自己的知识库：

领域总览.md
核心概念.md
关键问题.md
代表项目.md
论文和文章清单.md
反方观点.md
我的疑问.md

推荐工具：

  • llm-wiki-agent：把资料变成持续维护的 interlinked wiki
  • claude-obsidian：Claude + Obsidian 知识库
  • Understand-Anything / graphify：把知识变成交互式知识图谱
  • LightRAG / KAG：构建更结构化的 RAG 和知识图谱系统
  • document-generate：把研究结果整理成教程、how-to、reference、explanation

相关 GitHub 项目：

5. 进入循环学习

之后每轮只做一件事：

选一个子问题 -> 找资料 -> 深读 -> 解释给自己 -> 更新知识图谱 -> 产生新问题

例子：

命题：AI agent 会重构软件开发流程

第一轮问题：
- agent 和普通 chatbot 的本质区别是什么？
- agentic coding 的能力边界在哪里？
- 多 agent 协作真的有效吗？
- spec-driven development 为什么重要？
- 当前失败案例有哪些？

推荐组合

如果只选 3 个：

  • STORM：建立领域全局理解
  • DeepResearch / DeepResearchAgent：做复杂问题深度研究
  • llm-wiki-agent：沉淀长期知识库

如果要更完整：

STORM / DeepResearch：从零找资料和生成报告
learning-path-builder：拆学习路线
knowledge-graph：建概念地图
llm-wiki-agent / Obsidian：沉淀长期知识库
concept-explainer：逐个攻破难点

判断研究是否有效

一轮学习后，应该能回答：

  • 这个领域的 5-10 个核心概念是什么？
  • 这些概念之间是什么关系？
  • 哪些问题已经有共识，哪些仍有争议？
  • 代表性论文、项目、公司、人物有哪些？
  • 反方观点是什么？
  • 下一轮最值得深挖的问题是什么？

如果回答不了，说明资料还只是堆积，没有转化成理解。

Graph View