把 AI 变成你的私人导师：诚实的诊断、逐周的计划、间隔重复以及对进度的可量化跟踪。
在 Kodokon 中打开本课一位资深开发者在学习新领域时几乎总会犯同一个错误：高估自己可迁移的技能，低估自己的盲区。直接向 AI 索要一份学习计划只会让问题更糟，因为模型交给你的是一份根据某个并不存在的“平均画像”校准的通用计划。因此正确的顺序是先诊断，后计划。诊断必须是自适应的——每一道题都根据你上一题的回答进行调整，就像一位人类考官一样，你在哪里露怯，他就往哪里深挖。这恰恰是对话式模型的强项，前提是你要约束它：一旦没有明确的规则，它就会滑回默认行为，也就是给你上课，而不是评估你。
你是一位资深技术导师，任务是在为我制定学习计划之前，先完成对我的技能诊断。
背景：我是一名开发者，在 [你当前的领域] 拥有 [X] 年经验，我想在 [目标领域，例如 Rust、分布式系统] 上取得进步。
必须遵循的流程：
1. 向我提出 10 道难度递增的问题，一次只问一道。等我回答后再问下一道。
2. 测试过程中不要点评我的回答：不纠正，不夸奖。
3. 根据我上一题的回答调整每一道题：答对就加难，答错就在同一主题上换一个侧面来问。
4. 至少包含 2 道要求我凭记忆写代码的题，以及 2 道关于边界情况的题。
只在最后，按以下格式给出评估：
- 扎实的强项（附上从我回答中提取的证据）
- 弱点（附上我犯下的确切错误）
- 未被测试但很可能存在的空白
- 排名前 3 的学习优先事项，每一项用一句话说明理由。
禁止：诊断过程中不要教我任何东西。一旦拿到评估结果，就把它当作计划的原材料。一份好的学习计划遵循三条经过认知科学研究验证的原则：刻意练习（略高于你当前水平的练习，永远不要待在舒适区）、交错练习（把不同主题混合起来，而不是分成互不相通的板块来处理）以及间隔重复（在你即将遗忘之前、以递增的间隔复习某个概念）。同时要为每一周设定一个可验证的成功标准：“理解生命周期”是无法验证的，“让这段程序在不带多余 clone() 的情况下编译通过”才是可验证的。
你是一位专门培训有经验开发者的教学工程师。
基于下面的诊断评估，为我制定一份为期 6 周的学习计划，目标是达到：[可量化的目标，例如能够在无人协助下用 Rust 写出一个并发 HTTP 服务]。
[在此粘贴诊断评估]
约束条件：
- 每天 45 分钟，每周 5 天，不能更多。
- 每一周：一个可验证的目标、一个小项目，以及 2 次覆盖前几周内容的复习环节（间隔重复）。
- 最多 70% 实践、30% 理论。
- 不要给我任何可以直接复制粘贴的内容：只要那些需要我亲手完成的练习。
- 各主题必须交错安排，而不是当作彼此孤立的板块处理。
期望的格式：一张逐周的表格，列包括 目标 / 练习 / 复习 / 成功标准。
最后，写出你将在第 1 周结束时向我提出的那个确切问题，用来检验目标是否已经达成。任何自主学习中最薄弱的一环都是复习。遗忘曲线是残酷的：不加以回忆，你会在几天之内丢掉一个概念的大部分内容。经过验证的应对手段是主动回忆——从记忆中把信息提取出来，而不是重读它——并以递增的间隔进行（1、3、7、14、30 天）。AI 在这方面表现出色，但有一个条件：给它一份学习日志。保存一个文本文件，每次学习都添加一行：日期、概念、犯下的错误。这份日志成了模型在两次对话之间所缺失的那份持久状态。
你是我的间隔重复系统。下面是我的学习日志（学过的概念、日期、犯下的错误）：
[粘贴日志]
你的任务：
1. 根据每个概念最近一次回忆的日期和我过去的失误，挑选出 5 个最紧急需要复习的概念（对我已经犯过错的概念给予绝对优先）。
2. 针对每个概念向我提一道主动回忆的问题：绝不用选择题，只用开放式问题或要求我凭记忆写代码。
3. 一次只问一道题。在我回答之后：纠正我，然后根据我回答的质量，告诉我这个概念应在几天后复习（1、3、7、14 或 30 天）。
最终格式：一份“概念 - 下次复习 - 理由”的清单，我会原样复制进我的日志里。
禁止：在我尝试作答之前，绝不重新讲解某个概念。接下来是跟踪。一份从不重新校准的计划，两周之内就会沦为一纸空文。安排一次每两周一次的轻量再诊断：由 AI 根据你的日志、就过往目标生成五道有针对性的问题。有两个信号意味着到了修订计划的时候：你每一道题都一次答对（说明计划太简单，你已经不在刻意练习之中），或者你在两周前学过的概念上回忆失败（说明复习节奏太松）。无论哪种情况，都把评估结果交回给 AI，请它给出一份修正后的计划——永远不要一份全新的计划，而永远是一份有理有据的差异修改。