เปลี่ยน AI ให้เป็นติวเตอร์ส่วนตัว: การวินิจฉัยอย่างตรงไปตรงมา แผนแบบสัปดาห์ต่อสัปดาห์ การทบทวนแบบเว้นระยะ และการติดตามความก้าวหน้าที่วัดผลได้
เปิดบทเรียนนี้ใน Kodokonนักพัฒนาที่มีประสบการณ์ซึ่งกำลังเรียนรู้สาขาใหม่มักทำผิดพลาดแบบเดียวกันเสมอ นั่นคือประเมินทักษะที่ถ่ายโอนได้ของตนสูงเกินไป และประเมินจุดบอดของตนต่ำเกินไป การขอแผนการเรียนรู้จาก AI โดยตรงยิ่งทำให้ปัญหาแย่ลง เพราะโมเดลจะยื่นโปรแกรมทั่วไปที่ปรับเทียบมาจากโปรไฟล์เฉลี่ยที่ไม่มีอยู่จริงให้คุณ ลำดับที่ถูกต้องจึงเป็น วินิจฉัยก่อน แล้วค่อยวางแผน การวินิจฉัยต้องปรับตัวได้ - แต่ละคำถามปรับตามคำตอบก่อนหน้าของคุณ เหมือนกับผู้สอบที่เป็นมนุษย์ซึ่งเจาะลึกลงไปตรงจุดที่คุณสะดุด นี่คือสิ่งที่โมเดลเชิงสนทนาทำได้ดีอย่างแท้จริง แต่มีเงื่อนไขว่าคุณต้องกำกับมันไว้ เพราะหากไม่มีกฎที่ชัดเจน มันจะเลื่อนกลับไปสู่พฤติกรรมเริ่มต้นของมัน ซึ่งก็คือการสอนคุณแทนที่จะประเมินคุณ
คุณคือติวเตอร์ด้านเทคนิคระดับอาวุโสที่ได้รับมอบหมายให้ทำการวินิจฉัยทักษะของฉันก่อนที่จะสร้างโปรแกรมการเรียนรู้
บริบท: ฉันเป็นนักพัฒนาที่มีประสบการณ์ [X] ปีใน [สาขาปัจจุบันของคุณ] และฉันต้องการก้าวหน้าใน [สาขาเป้าหมาย เช่น Rust, ระบบกระจาย]
ขั้นตอนที่บังคับ:
1. ถามฉัน 10 คำถามที่ยากขึ้นเรื่อยๆ ทีละหนึ่งคำถาม รอคำตอบของฉันก่อนถามข้อถัดไป
2. อย่าแสดงความเห็นต่อคำตอบของฉันระหว่างการทดสอบ: ไม่แก้ไข ไม่ชมเชย
3. ปรับแต่ละคำถามให้เข้ากับคำตอบก่อนหน้าของฉัน: ยากขึ้นถ้าฉันตอบได้ หรือคำถามข้างเคียงในหัวข้อเดียวกันถ้าฉันตอบไม่ได้
4. รวมคำถามอย่างน้อย 2 ข้อที่ฉันต้องเขียนโค้ดจากความทรงจำ และ 2 ข้อเกี่ยวกับกรณีขอบ
เฉพาะตอนจบเท่านั้น ค่อยส่งมอบผลการประเมินในรูปแบบนี้:
- จุดแข็งที่มั่นคง (พร้อมหลักฐานที่ดึงมาจากคำตอบของฉัน)
- จุดอ่อน (พร้อมข้อผิดพลาดที่แน่ชัดที่ฉันทำ)
- ช่องว่างที่น่าจะมีแต่ยังไม่ได้ทดสอบ
- 3 ลำดับความสำคัญในการเรียนรู้อันดับต้น แต่ละข้อมีเหตุผลประกอบในหนึ่งประโยค
ข้อห้าม: อย่าสอนอะไรฉันเลยระหว่างการวินิจฉัยเมื่อคุณมีผลการประเมินอยู่ในมือแล้ว จงใช้มันเป็นวัตถุดิบสำหรับแผน แผนการเรียนรู้ที่ดีปฏิบัติตามหลักการสามข้อที่ได้รับการยืนยันจากงานวิจัยด้านวิทยาศาสตร์การรู้คิด: การฝึกฝนอย่างจงใจ (แบบฝึกหัดที่อยู่เหนือระดับของคุณเล็กน้อย ไม่มีวันสบาย), การสลับสับเปลี่ยน (ผสมหัวข้อต่างๆ แทนที่จะแยกจัดการเป็นบล็อกปิดตาย) และ การทบทวนแบบเว้นระยะ (ทบทวนแนวคิดหนึ่งก่อนที่คุณจะลืมมันพอดี ในช่วงเวลาที่ห่างขึ้นเรื่อยๆ) จงเรียกร้องเกณฑ์ความสำเร็จที่ตรวจสอบได้สำหรับแต่ละสัปดาห์ด้วย: "เข้าใจ lifetimes" นั้นตรวจสอบไม่ได้ แต่ "ทำให้โปรแกรมนี้คอมไพล์ผ่านโดยไม่มี clone() ที่เกินจำเป็น" นั้นตรวจสอบได้
คุณคือวิศวกรการเรียนการสอนที่เชี่ยวชาญในการฝึกอบรมนักพัฒนาที่มีประสบการณ์
จากผลการประเมินการวินิจฉัยด้านล่าง จงสร้างแผนการเรียนรู้ 6 สัปดาห์เพื่อไปให้ถึง: [เป้าหมายที่วัดได้ เช่น สามารถเขียนบริการ HTTP แบบทำงานพร้อมกันใน Rust ได้โดยไม่ต้องมีผู้ช่วย]
[วางผลการประเมินการวินิจฉัยที่นี่]
ข้อจำกัด:
- 45 นาทีต่อวัน 5 วันต่อสัปดาห์ ไม่มากกว่านี้
- แต่ละสัปดาห์: หนึ่งเป้าหมายที่ตรวจสอบได้ หนึ่งมินิโปรเจกต์ และ 2 ช่วงทบทวนที่ครอบคลุมสัปดาห์ก่อนหน้า (การทบทวนแบบเว้นระยะ)
- ฝึกปฏิบัติ 70% ทฤษฎีไม่เกิน 30%
- ไม่มีเนื้อหาที่ฉันสามารถคัดลอกวางได้: มีแต่แบบฝึกหัดที่ฉันเป็นคนสร้างผลงานเอง
- หัวข้อต้องถูกสลับสับเปลี่ยน ไม่จัดการเป็นบล็อกแยกเดี่ยว
รูปแบบที่คาดหวัง: ตารางแบบสัปดาห์ต่อสัปดาห์ที่มีคอลัมน์ เป้าหมาย / แบบฝึกหัด / การทบทวน / เกณฑ์ความสำเร็จ
จบด้วยคำถามที่แน่ชัดที่คุณจะถามฉันในตอนท้ายของสัปดาห์ที่ 1 เพื่อตรวจสอบว่าเป้าหมายบรรลุแล้วจุดอ่อนของการเรียนรู้ด้วยตนเองใดๆ คือการทบทวน เส้นโค้งการลืมนั้นโหดร้าย: หากไม่มีการเรียกคืน คุณจะสูญเสียแนวคิดส่วนใหญ่ภายในไม่กี่วัน มาตรการรับมือที่พิสูจน์แล้วคือ การเรียกคืนแบบแอ็กทีฟ - การดึงข้อมูลออกจากความทรงจำ ไม่ใช่การอ่านซ้ำ - ในช่วงเวลาที่ห่างขึ้นเรื่อยๆ (1, 3, 7, 14, 30 วัน) AI เก่งในเรื่องนี้ โดยมีเงื่อนไขเดียว: ให้สมุดบันทึกการเรียนรู้แก่มัน เก็บไฟล์ข้อความที่แต่ละครั้งของการเรียนจะเพิ่มหนึ่งบรรทัด: วันที่ แนวคิด ข้อผิดพลาดที่ทำ สมุดบันทึกนี้จะกลายเป็นสถานะถาวรที่โมเดลขาดไประหว่างสองบทสนทนา
คุณคือระบบทบทวนแบบเว้นระยะของฉัน นี่คือสมุดบันทึกการเรียนรู้ของฉัน (แนวคิดที่ศึกษา วันที่ ข้อผิดพลาดที่ทำ):
[วางสมุดบันทึก]
ภารกิจของคุณ:
1. เลือก 5 แนวคิดที่เร่งด่วนที่สุดที่ต้องทบทวน โดยพิจารณาจากวันที่เรียกคืนครั้งล่าสุดและความล้มเหลวในอดีตของฉัน (ให้ความสำคัญสูงสุดกับแนวคิดที่ฉันเคยทำผิดพลาดมาแล้ว)
2. ถามฉันหนึ่งคำถามแบบเรียกคืนแอ็กทีฟต่อหนึ่งแนวคิด: ห้ามเป็นแบบปรนัยเด็ดขาด มีแต่คำถามปลายเปิดหรือโค้ดที่ต้องเขียนจากความทรงจำ
3. ทีละหนึ่งคำถาม หลังจากคำตอบของฉัน: แก้ไขให้ฉัน แล้วบอกฉันว่าอีกกี่วันจึงจะทบทวนแนวคิดนี้ (1, 3, 7, 14 หรือ 30) โดยพิจารณาจากคุณภาพของคำตอบของฉัน
รูปแบบสุดท้าย: รายการ "แนวคิด - การทบทวนครั้งถัดไป - เหตุผล" ที่ฉันจะคัดลอกลงในสมุดบันทึกตามเดิม
ข้อห้าม: อย่าอธิบายแนวคิดใหม่จนกว่าฉันจะได้พยายามตอบแล้วจากนั้นก็มีเรื่องการติดตาม แผนที่ไม่เคยปรับเทียบใหม่จะกลายเป็นเรื่องแต่งภายในสองสัปดาห์ จงกำหนดตารางการ วินิจฉัยซ้ำแบบเบาทุกสองสัปดาห์: ห้าคำถามที่เจาะจงเกี่ยวกับเป้าหมายที่ผ่านมา สร้างขึ้นโดย AI จากสมุดบันทึกของคุณ สัญญาณสองอย่างบ่งบอกว่าถึงเวลาแก้ไขแผน: คุณตอบถูกทุกข้อในครั้งแรก (แผนง่ายเกินไป คุณไม่ได้อยู่ในการฝึกฝนอย่างจงใจอีกต่อไป) หรือคุณล้มเหลวในการเรียกคืนแนวคิดที่เห็นมานานกว่าสองสัปดาห์ (จังหวะการทบทวนหลวมเกินไป) ในทั้งสองกรณี จงส่งผลการประเมินกลับให้ AI และขอแผนที่แก้ไขแล้ว - ไม่ใช่แผนใหม่เอี่ยม แต่เป็น diff ที่มีเหตุผลประกอบเสมอ