2026 不容错过的 “ai 学习系统”，一篇文章搞清楚｜2 小时讲座，1.5 万字文稿

大脑快要转不动了。

周一晚上2小时的“ai学习系统”直播讲座，文字稿全文15000字，我全部校对完了，还添加了几十张系统截图，更具体更直观。

在正文前，趁着还有口气，说几个事：

• 1️⃣ if 你对ai 学习系统感兴趣，且是大会员，有 100 小时学习时长，then 微信上联系我获取 “ai 学习系统”模板（周五直播前统一发出）；
• 2️⃣ if 你想要讲座文字稿的pdf版本，不论是不是大会员，也微信说一声。我直接发给你，便于导入微信读书阅读，便于和家人队友分享阅读；
• 3️⃣ if 你要参加我的 “躬身入局”小组，then 直接微信联系我。

(大部分熊友都有我的微信。还没加的可通过微信群加我，或者找 66要我的微信)

2026年，我坚信ai落地的关键词就是“ai 系统”。我会持续分享、发布一系列ai 系统，包括学习、英语、读书、写作、投资等。每个系统都是相当有实战价值的。加入大会员，可以免费获得这些系统（模板+我忙完下周录制的操作和解读视频）。

春节前最后一次活动，限时 5 折，欢迎参加。期待2026年小能熊和你共同“向ai系统要价值”，共建ai增强的学习型家庭～

感谢！🙏

下面是文稿正文（可以跟我要pdf导入微信读书夜读哦～）。

《ai学习系统：第 1 弹，coding、math》

by howie.serious

2026.02.02

今天这个主题其实是一个挺有趣的主题——“ai 学习系统”。我会认为搭建这个 ai 学习系统是 2026 年最重要的一件事儿。因为我们都知道，

现在波澜壮阔的 ai 事业关系着整个人类的前途和命运，关系着国际政治经济的各方面，它不仅影响我们的工作、学习和生活，也深刻影响着大人和孩子。

举个例子，我看到桌子上放着一块 SSD 硬盘，想起Morgan Stanley 最近的一个财务预测：他们调整了三星的收入和利润预期。预测2027 年三星的营业利润可能会达到一年接近 3,000 亿。这是什么水平呢？就是超过苹果，超过阿美石油。可能很多人会觉得“三星不是倒闭了吗？不退出中国手机业务了吗？” 实际上，三星在 DRAM 和 NAND 闪存这一块占据的全球市场份额大约是 40%。很有可能因为这一波 ai 对内存和闪存的疯狂需求，导致三星成为地表上利润最高的公司。

疯狂不疯狂？

另外，你能想象吗：一年前买的 500 块钱的一个内存条，现在要卖接近 2,000 块钱。因为内存和 SSD 成本翻倍，明年的 iPhone 还要涨价。

所有这些，都跟 ai 密切相关。

ai 最大的价值：组织全人类的知识

ai 确实是一个特别有趣的话题，它跟最大的世界局势相关，但跟我们普通人的日常生活也是密切相关的。我一直强调，ai 最厉害的不是帮那些写作都不会写、书都没读过的人去生产 ai slop（垃圾信息）来覆盖互联网，去污染大家的时间线。ai 的价值不是 aigc。ai 最大的价值、最强的 use case 实际上是教育。

大家记得：30 年前出现的 Google，它的使命是要组织全人类的信息，让全人类都能够自由地获取，并且为人类所用（organize the world's information and make it universally accessible and useful）。

我会认为 ai 也有一个最大价值：组织全人类的知识，让全人类都能够自由地获取这些知识，并且为自己所用。随着 ai 的能力每年翻倍，最顶级 llm 的 token 成本每年降低到原来的十分之一，顺着这种趋势下去，其实每一个人——尤其是每一个孩子——都能够通过这种最好的、理想的 ai 使用方式，来实现最好的学习成果和成长。

这个分享的主题其实来自于我这三个月里跟我们家小朋友（小树）的一些实践。

（包括之前分享过海淀区信息学竞赛，共三个实操落地案例）

案例1：C++ 编程考试

大概从去年 10 月份开始，我着手跟小树去搭建这样的一个系统。我们会结合具体的实战案例，来讲讲这个系统背后的“道法术器”。

首先看第一个案例，编程。我会认为编程这个技能是特别重要的，所以我一直比较关注小孩的编程学习。每年 11 月份海淀区都会有一个给中学生和小学生组织的编程竞赛。我们没有走传统的教培方案，因为那种考前突击、一节课七八百块钱的课，我觉得真不是人上的，也没什么特别的效果。但用了我们这一套方案，小树在这个 7 万名参加的小学生当中取得了前几百名、二等奖的成绩，我还是非常开心的。这也是一件比较好玩的事，让小朋友也很有成就感。

编程的量化分级体系

其实这属于更长期的一个范畴。我不知道大家知不知道整个 coding 的量化分级体系。大概在 2024 年的时候，我帮小朋友了解编程学习路径时，发现我们的教育还是在进步的。最起码在 coding 这个领域，中国计算机学会推出了一个科学的量化分级体系。

今年取消了禁止 12 岁以下的小朋友参加 CSP-J 和 CSP-S（也就是信奥赛的竞赛路线）。我觉得这其实是“积德了”，要不然只要有这个机会在，那就是充满了“买卖与伤害”，对孩子太不好了。同时，他们推出了 GESP（编程能力等级认证），从一级到八级，分别对应入门、普及、提高, 通过爬楼梯的方法，逐渐过度到信息学奥赛的省选和 NOI。

小树从小学四年级开始接触这个，之前玩 Scratch 和学一点点 Python 都特别简单。她在学校参加了信息学社团，不用去外面上昂贵的课程。从去年 9 月份开始了解，12 月份考一级，很顺利 78 分通过；2025 年 3 月份考二级，79 分通过。我当时特别得意，因为我希望她能一级一级爬台阶，通过持续的正反馈无痛地提升能力。

结果 6 月份的时候，小学生人生第一次挂科，考了 51 分。我总结了一下，是因为我完全没管。之前一级二级我会给她找真题刷几遍，但到了三级，具体内容我没法亲自参与了，因为我大学只学过一学期 C++，我的水平在小树学了一个月后就被她超过了。所以遇到编程问题时，我都让她 跟 ChatGPT 和 gemini 去讨论。结果，两次考试都挂了。

到了第三次考 GESP三级的时候，我设计了这个“ai 学习系统”。这次 69 分的成绩，我觉得比之前的 79、89 分含金量要高特别多。

为什么呢？

GESP 的考试结构是 50 分编程题，50 分基础知识题（选择、判断等）。前两次入门时，编程题大家基本都能拿满分，基础知识凑合一下就能过。但到了三级，编程题难度上来后，她这次编程题其实挂了，只得了 25 分。这就意味着，她在剩下的 50 分基础知识里考了 44 分，基本上全对。

“ai错题集”与“父慈女孝”

这就要谈到我们这套 coding 系统的核心，主要是在这里面当你把小孩的错题用我这种最科学的方法、最细的颗粒度给她做了一个 ai 版本的错题库，然后你可以用不同的视图来管理：

• 按概念分类： 查看每个概念下面有过哪些错题，比如“砖块缺失”导致的概念不清；

• 按资料分类： 是海淀信奥赛的题，还是 GESP 三级哪一年的真题；

• 按原因分类： 是粗心导致的，还是概念砖块缺失导致的，或者是理解了但缺乏针对性练习导致的掌握不牢，还是缺乏解题方法。这里面甚至包括解题元认知、五遍做题法等等。

另外还有一个就是“学习型家庭”里我跟小树的分工：她做题，然后我整理这个错题，整理完错题之后我让她去进行原因分析，分析完原因之后我给她去做 ai 的针对性练习，做完练习的时候我来改，改完之后再打回去让她来做。整个这一套流程那叫一个“父慈子孝”，其乐无穷，既升华感情还有效果，而且不浪费孩子一分钟的时间，省出来的时间可以玩游戏、可以看书、可以睡觉，顺便还能帮父母省个好几万块钱。

所以，整个来讲，我用了这么长的时间，觉得效果特别特别好。如果没有这样的一个系统，没有在校外陪着小孩，我觉得在那么多海淀的小朋友当中千军万马杀出来是不容易的。而且像 GESP 这种考试，当从入门到后面不断升级，对能力的要求是越来越高的，早期只要有兴趣、积累基础知识就能过，再往上要求数据结构、算法和编程实战能力的时候，就需要更高的用法了。

ai 时代的门槛：agency

我刚才扫了一眼同学们在直播间的问题，有人说“弄不来”，我觉得 ai 时代其实人的 agency 还是可能是最大的一个变量。

我这套系统既然能跟一个小孩子一起来去用，而且她都用得特别特别溜，我自己说实在的，我的工作时间和各种压在我头上的事情绝对不会比直播间里的人少，所以我都能匀出时间来弄这个事，肯定是因为 ai 的帮助以及我整个这些流程的顺畅，基本上不会花特别多的时间。我会感觉到这种 ai 对教育的颠覆是革命性的。

当然，是个人都会针对 ai 教育发表观点——“哎呀 ai 会颠覆教育”，“以后学校教的东西 ai 都会就没有必要了”——这都属于完全愚蠢的、不值得一驳的观点。如果你真的懂孩子的学习原理，真的懂 ai，你会发现其实 ai 最重要的实际上是帮助孩子更好地去爬这个认知的金字塔。

她要想真正的实现创造、取得更高的能力，她的基础扎实程度，对基础知识、基础概念、基础能力的掌握，对所有应试那一套东西是越发越发重要的。所以我今天给大家分享的东西实际上是具体的、落实到实战的，在别的地方 ai 教育可能是口号，但我在这边其实是一个实战的案例。

像 coding 这个事儿可能不是每个家庭都会让小孩去学，也不是每个家庭都认为这个东西很重要，但是我觉得它背后的方法论和系统其实是通用的。我搭的这一套系统，理论上除了 Math 和 coding 之外，后面的数理化，甚至包括中文和英文的学习，包括阅读和写作，我个人来讲还有我自己的“tolstoy OS”，这肯定是关于写作的一切，从小到写一篇很小的推文，大到写文章、更大的内容输出，还有“steve jobs OS”、“charlie munger OS”等等。所以我在春节之前，我就可以跟大家来弄一系列的专题好好聊一聊我的 ai 系统实践。

案例2：数学竞赛（AMC8）

数学这一块的案例，其实是我们报了一个 AMC8，大家知道 AMC8 其实就是一个面向八年级以下小孩的数学竞赛。

我仔细去考察了一下，认为非常好，它跟我接触到的国内竞赛思路是不一样的。AMC8 只有 25 道选择题，还精准地分成一星到五星，一星二星每个人都会做，特别简单，但是难度是逐级上升的。而且它是 5 个选项 A B C D E，很难蒙对，你必须得真的理解、真的会做，在 40 分钟的时间内做这 25 题。我自己上次就亲自做了一套题，才做了 19 分，跟小树的水平差不多。

据我了解，北京这边也有一些朋友的孩子在国际学校上学，包括我们熊友当中也有好多小孩考 AMC8 的。我会认为给孩子找一个科学的、量化分级的、设计得特别好的一种考试还是可以试一试的。因为其实在学校里面的那些东西，对有些小孩来讲难度是偏低的，假如说期末考试英语 100 分、数学 100 分、语文 94 分，这种分数其实它就没有什么区分度，说明最起码来讲它绝对不会特别特别难，要不然怎么能考 100 分？

所以我会觉得 AMC8 也是我们这个 ai 实践经验的一个很好的验证。

基于“概念”的个人知识体系构建

我们来看一下 ai 学习系统中的数学子系统，它其实是由一系列的 database（数据库）构成的。

大家最熟悉的毫无疑问就是“错题库”这样一个 database，但其实我们还会有各种各样的资料库。熟悉小能熊的朋友都知道，小能熊倡导的是以“概念”为最小单位的这样一种学习和知识体系的构建。所以你做的每一个错题，它实际上都能够追溯到你缺乏的、对应的那个概念的缺失。

如果是概念缺失，就会勾稽到概念库；如果是解题技能或者是我的“解题四步法”里面出了问题，你也能够勾稽上。

像数学背后还有一些数学的思想，以及你用到的所有数学资料的资料库，所以，各种 database 之间，它可以形成一种非常严密的勾稽关系和相互关联。这里面还有几个不同的 database，比如“行动库”，它其实就是我们一系列要做的 Action，每个人有不同的角色，像整理错题这些动作，在这个系统里面其实你就可以很方便地去安排学习的情况。

ai 错题集

我们再来看最主要的其实还是这个错题库。我个人来讲，收集错题的流程是这样的：

• 小树做一套题可能是 40 分钟，做完之后我来改，可能也就几分钟改完。
• 改完之后，我会花个十分八分钟的时间，对这个错题里面的每一个题进行处理。

举个例子，这是她做完的一套真题，我会从这里面收集她做错的一系列题，把这些所有的错题完全整合进系统。这里面实际上是完全整合了 gpt、gemini 和 claude这几个顶级模型。当我们把一个孩子的关于一个学习目标、一个学习科目里的所有错题情况，以及这个考试本身的大纲、这一系列的资料把它放入到一个 Context（语境）里面去，这里面的这些 ai 能够在这样一个 Knowledge Project 的环境中，去自由地访问这一切结构化的信息——包括她所有的错题、对错题的分析，以及每一个错题你整理出来的一系列数据。我跟你说，它能所做的事情是你无法想象的，它会根据我毕生的关于如何学习、学习科学相关的一系列 Idea 全部整合到这个里面去。

ai错题分析与“五遍错题法”落地

我整理错题其实特别简单，我只不过就是把题目的编号往里面一填，把原题截图往里面一扔，然后我有一个 notion 的错题整理模板。这个错题的原因分析，实际上你可以直接让 ai 来分析，针对性的练习也直接让 ai 来出。

大家能看到，我这里面针对这个错题，让 ai 做一个针对性的原因分析，因为 ai 能够获取你关于这个错题的一切信息，它能够看到你在这里面填的错题原因是“粗心”，但它会进一步指出这个错题背后涉及到的是你对“余数和模运算”这个概念掌握不准，或者对“等差数列”、“最大公因数”这里面的东西不准。另外，它涉及到的技能和数学思想全部都是勾稽在一起的。我会让小树先自己来去整理错题原因，这里面会涉及到跟 GPT 的一些讨论，其实都是她对题目的一个深入分析。然后我做的这个 ai 分析也会直接在这里面呈现，这其中的亲子互动是特别好玩的，她会在她的电脑上看到你给她发的消息，我们在这里面能够愉快地对话好多轮。

你还可以给她出一个针对性练习，精准地针对她这道错题做错的原因和背后的知识点。做过了错题之后，如果她再做错了，哎，再做错了之后，“恭喜你，你解锁了二阶错题”。我会让她针对这个错题再翻到同样的知识点，去做针对性的练习。如果你再做错的话，那“恭喜你，又解锁了三阶错题”。这其实也是我跟娃之间的一些开玩笑的点，我说“没关系，随便错，你做错了之后你会得到三个针对性的练习，然后你可以一直往下错”。所以你会看到，在我们整个错题库里面，我们按照错题的模块进度，把“五遍错题法”真正落地了——一阶错题、二阶错题、三阶错题、四阶错题，哪怕你做到四阶也没有关系。

反正，任何一个你掌握不牢的知识点，你以为你自己会了的那些知识点，不论你是在课堂练习上做错了，还是在考试里做错了，只要你做错一次，就会被这个系统精准地捕获。只要捕获了，你就不可能混得过去，你背后的那些概念、你背后的粗心，或者你背后的解题技能的缺失，都会被牢牢地抓住。

不分年级，同一个知识体系

这个 Math 系统跟资料库里的东西是紧密结合的。

比如针对 AMC8，我们做了最近十年的真题，每个真题里面捕获的每一个错题，再配合上几套模考题，就足够了。我们有很多书目、模拟考试、网站资料，都可以汇总在一起。

你这里面涉及到的所有数学概念，比如数论模块、概率模块、代数模块、几何模块，还有解题元技能模块，我们用表格化的方式把所有知识点梳理出来。

你会发现你的错题和对应的概念是能够对应上的，包括前面的数学分级体系，无论是 AMC8/10/12、AIME，还是国内的竞赛，或者是根据教育部的K12 教学大纲，同样可以把它纳入到我这个体系里面来。

我们设计这套系统的范围基本上就是从 0 到高考之前，你不需要把它分成几年级，整个 12 年的学习其实就是为了这些东西。根据我目前的实践经验，我们用 100 天的时间，基本上跨过了自己以前没有办法去跨过的一些门槛。

ai 学习系统解读

起源：GESP三进宫

真的，像 GESP 三级的时候，说实在的，对小孩来讲其实也是一种打击，人生中小小年纪就挂科了，考一次没过，考两次也没过。这还是一个 8 岁就能过剑桥五级 FCE、读了几百上千本书的小孩，肯定是个打击。

但我痛定思痛，在想原因到底是什么。其实我是挺负责任的，孩子学什么、状态如何我心里都有数，但是父母真的挺忙的，有些东西不懂就是不懂，比如 C++ 里面那些二元数组、模拟法、枚举法，你就是让我看 ai 的答案我都看不懂，全都忘了。

所以在 100 天前，我看到了 notion 3.0 和 notion ai 的升级。在此之前我也用过很长时间 notion，虽然我也喜欢 logseq 那种更爽、更灵活方便的操作，但在构建这种高度结构化的系统时，notion 这种数据库结构更合适：

• 你的所有错题是一个数据库，所有资料是一个数据库，所有概念是一个数据库，经验、教训都是数据库。
• 每一个数据库里有很多 Record（记录），
• 每个记录可以设定很多属性。比如一个错题，它有“解题元认知”这个属性——你是会了做错、不会做错，还是不会做对？这个属性很重要。还有一个属性是你错了几遍，是一阶还是五阶

这样的话，你就会用很高效的方式把这一套学习的闭环建立起来。

学校教育、教培机构与家庭教育

快速说一下我们现在整个教育的构成，有学校教育、家庭部分，也有校外的部分。学校教育的本质是不可改变的事实，我每次开家长会都会收获很多负能量，忧心忡忡、愁眉苦脸，感到无法呼吸，但我又没有办法，不可能转学或退学，即使在海淀区也无法改变。而校外的教培方案，有时候不可避免要去体验一把，比如考海淀区信息竞赛时我们没有资料，就去上了两节串讲课。但我跟小树开玩笑说，这门口贴的不是爱因斯坦或数学家的海报，而是摆了大大小小十几个招财猫。它实际上就是生意，特别直接。我回老家听表哥讲给娃培训一年要花 50 万，身边同学朋友少的也要 10 万 8 万，觉得特别夸张。至于家庭教育，网上有很多讲“自鸡”的，但我认为教育本身是专业的事情，很多父母不是专家，如果自己以前不是学习高手，或者出了学校没有痛定思痛成为终身学习者，那家庭教育就比较尴尬。

ai 教育：全村的期望

总体来讲：学校教育、教培方案、家庭教育的现状都不够理想，ai 教育是全村的希望。

我前面讲过，谷歌的使命是整合全人类的信息供全人类使用，但 ai 的使命、ai 最大的价值，其实是让全人类可以获得“知识”。它不是整合信息，而是提供知识。你给它任何问题，让它去分析孩子这套题做错的原因、背后的知识缺漏或解题方法的不足，它给你的实际上真的就是知识。ai 学会了全人类几乎一切的知识，然后它会根据你自己的需求和问题，让你立刻能够用起来，几乎没有任何门槛。所以我认为 ai 的用处不是让大家去 aigc 产生各种各样的垃圾视频和狗都不看的垃圾文章，最最重要的是这一点——通过 ai 学习系统，让每个人都能获得原本难以企及的专业教育支持。

大家刚才已经看到了我演示的整个 Demo，我们这一次搭建的这个“ai 系统”，实话说虽然它看似没有任何门槛——所谓的门槛无非是一个月给 notion 付出的 22 美金，包括 notion 本身的 12 美金和内置 ai 的 10 美金，但这只是金钱上的成本。实际上，投入的时间拥有几十倍甚至上百倍的杠杆，且效果极佳。

但据我的一番交流和实践，我觉得它可能还是不适合 95% 的家庭，真的只适合那 5% 的家庭。因为大部分父母可能只愿意掏钱，你让他掏十万八万他愿意，但你要让他像我一样“躬身入局”，真正具体地去陪孩子、帮孩子一起学习，很多人是不愿意的。这就是真正的门槛。

所以，我们这套方案，核心还是讲“小能熊”过去那一套学习的理念、方法和流程，这些都是我讲了十年的东西；而以家庭为单位做好学习和教育，也是我们讲了很多年的“学习型家庭”理念。只不过现在，我们用 ai 完全地来实现和驱动这一套系统，所以这实际上是 “ai 教育”，或者叫 “ai 学习系统”。

学习闭环与内驱力

具体到像数学这样的学科，虽然我还能辅导，但我实际上没有那个时间和精力。用了这套 ai 系统之后，真的是事半功倍。我只要特别愉快地去推动小孩走完学习的闭环，用 ai 来给他反馈，我不需要自己去提供那些无法做到及时、高质量且精准的反馈。

因为我也懂学习，所以我可以让 ai 针对小孩做一套卷子，让 ai 做整个试卷的错题分析以及单个错题的原因分析。并且，我会把小孩单个的错题跟他的概念积累、知识体系构建以及解题能力的培养勾连在一起。你会看到，我们做的这些事情是学校教育和外面教培机构做不到也不愿意做的。因为一旦你会做了这个东西，就不需要海量地花钱了，你实际上是在精准地培养孩子的能力、知识和内驱力。

一旦小孩有了内驱力，又有最好的 ai 帮助，还能培养出“如何学习”以及“如何解题”的元技能，那他就不需要外界的辅导了。这套系统实际上是我过去对于学习、解题、考试、个人知识体系的全部经验和“道法术器”，自从 ChatGPT 出来之后我就一直在用并分享，本质就是 ai 跟学习教育的结合，以及学习型家庭中父母需要投入时间躬身入局的道理。

解题四步法、解题元技能

关于数学和 coding 这两个案例，我们来讲讲这里面的“道法术器”。

首先是“解题四步法”。随着小孩年级的提升，对抽象逻辑思维能力的要求越来越高，而其基础是知识、概念和组块的积累。到了四五年级乃至初高中，数学和编程特别能锻炼思维能力。所有的解题思维能力本质上不是无穷无尽的应试技巧，而是有一个共通的底层“解题元技能”。我从小就跟孩子讲，我们解题不是为了刷题，而是训练如何思考。你解一道数学题、编程题，或者在工作中解决难题，甚至给自己定一个“如何挣一个亿”的目标，本质上都是解题过程，没有区别。

之前我们推荐过波利亚的《如何解题》。在面对一切解题时，我都会抓住机会跟孩子讲，第一步是“理解题目”。你得能把书合上，用自己的话、图形或图表把题目条件、已知未知讲出来，才算真正理解。很多时候小孩所谓的粗心，其实是这一步没做好。第二步是发现解题线索、灵光一现以及形成 "Think step by step" 的思维链；一旦确认路线，执行就很容易，最后才是检查。

“解题元认知”

除了思路，我还设计了一个重要维度叫“解题元认知”。

我让小孩整理错题时要求：不要检查。如果一个考试有时间让你检查，说明它太简单、没有挑战性。真正的挑战性考试，如 AMC8，40 分钟 25 道题，根本没时间检查。我要求的是，你做一遍下来，哪个题目会、哪个不会，心里要有数。100% 确定的题目一遍做对，不需要检查；不是 100% 确定的，要在题目上做标记。我希望小孩像做审计一样留下工作底稿。我看的不是你得了 50 分还是 100 分，而是你“知不知道自己会这道题”。凡是没做标记的题必须全对，这是基本操作。学校里不教这个，但这是我们身经百战的实战经验。

我们要把错题分类：

• 你不确定但做错了，没关系，打个绿标签；
• 如果你确定会却做错了，我们就要深究背后的知识漏洞或解题 SOP 的缺陷；
• 如果你不确定但做对了，那是蒙的，相当于错了，必须重视。

人只能通过错题学习，不可能通过做对的东西学习。在这个系统里，我们考核的指标不是卷面分数，而是“元认知准确率”，要培养孩子“知道自己不知道”的元学习能力。

“五遍错题法”：从起源到落地

关于“五遍做题法”，这源于我个人的血泪教训。

2008 年我一次性报了 6 门 CPA，想学渣逆袭，结果因为贪多、买了一堆书刷题，最后导致一门没过。后来我发现知识体系只有一个，背后的概念也就千儿八百个。于是我转变策略，只用一本资料、一本书、一个笔记本。把资料框架梳理出来，做题时只做这一本。凡是不是 100% 掌握的或做错的，我就写“正”字，做完一遍擦掉再做，确保每一道题都做五遍，并且每一遍都回顾笔记中的知识点并进行费曼技巧输出。

当时用铅笔擦写很费劲，但现在用了 notion和 ai 系统，一旦题目做错了，我会将其归为“一阶错题”。通过 ai 分析对连音之后，我们会设计针对性的练习。你会发现，我们不需要把原题重做五遍，虽然还是那个知识点和技能点，但 ai 作为专业的命题组，能通过海量推理（哪怕消耗一万个 token 也没多少钱）设计出精准的变体题目。我每次让孩子给 ai 出的题打分，反馈都是“ai 像肚子里的蛔虫”（知道小孩为什么做错，哪里没掌握）。

所以，我现在是四两拨千斤，不需要费脑子分析，指挥 ai 去干，结合错题原因和考点设计练习，这更符合认知原理。

关键是闭环：家长只需做“战略家”

这套系统最大的价值，在于解决了传统学习中因缺乏及时、有效、高质量反馈而无法建立闭环的缺陷。以前家长辅导作业，因为不专业、态度不好或身体疲惫，往往导致鸡飞狗跳，本质是因为无法提供有效反馈。现在有了 ai 系统，如果你能把我分享的这些 ai 落地方式用起来，就能立刻建立闭环。在这个过程中，我只做战略家的事：帮小孩了解大局、量化分级、定目标、找资料、定计划。

小孩做完题，我花 10 分钟批改录入系统，流程就转到小孩那边；他整理错题、分析原因，流程又回到我这；我让 ai 设计针对性练习，再导给他做；他做完我再批改。这就像打乒乓球一样，在 notion 里通过 Emoji 和对话来回流转进度（1、2、3、4、5 步）。这种反馈机制不仅适用于学习，也是工作、创业乃至人际关系的关键。世界是一个复杂系统，人生像探险，无法通过顶层设计预判未来。我们要执行的是探索策略，通过无数次的闭环、反馈和微小迭代来自我优化。我们唯一能确定的是价值观和目标函数，而每一次闭环改进的唯一来源就是反馈。反馈是第一性原理层面的变量。我们这套系统让全家处于“父慈女孝”的状态，嘻嘻哈哈地把难题解决了，体验特别好。

底层原理：反馈

人生最重要的就是建立自我强化的闭环。

反馈回路分两种：负反馈（如空调恒温，起平衡作用）和正反馈（强化作用）。我们的人生由正反馈回路塑造。这套系统为孩子建立了一个极佳的正反馈循环，极其及时有效，给有基本内驱力的小孩莫大的奖赏。这在原理上和刷短视频是一样的：用户刷视频，算法推送感官刺激，多巴胺分泌，强化行为，导致上瘾。短视频的反馈闭环是以 15 秒为单位的，而我们将这种原理应用到了学习中。

从原理上讲，人是追求奖赏、逃避惩罚的动物。奖赏是学习的第一性原理。但很多传统观念把学习视为吃苦，把玩手机当奖赏，这是有问题的。我们要让孩子在解题、思考的过程中直接体会到奖赏（！！！而不是从游戏和短视频中得到奖赏，从学习中得到惩罚）。用了这套系统，你会发现它像 RPG 游戏一样好玩，实现了“玩中学”。

强化学习

这其实就是目前 ai 强化学习（Reinforcement Learning, RL）的基本框架。

现在的 ai 模型之所以在数理编程上达到世界顶尖，就是因为在预训练（Pre-training）掌握海量知识后，通过后训练（Post-training）阶段的强化学习实现了“大力出奇迹”。强化学习中，Agent（智能体）在 Environment（环境）中采取 Action（行动），获得 Reward（奖赏），从而改变 State（状态）。

在这套系统中，孩子就是一个 Agent，题目和考试是 Environment，孩子的解题推理是 Action。通过 ai 的全程参与，我们立刻给出以概念和错题为单位的精准反馈（Reward），孩子收到反馈后进行针对性练习，从而改变了对知识掌握的 State。这完全符合强化学习的框架，而强化学习本身就源于 100 年前行为主义学派对人类和动物学习心理的研究。我们现在只是用 ai 将这一百年前的理论真正落地了。

ai 负责“教”，父母负责“育”

前面讲完的其实是原理层面的一些东西，这些都是小能熊这么多年在各个课程里持续去讲的。我觉得以前这些理念没办法落地，但现在有了 ai 之后，才能够真正地落地。我们以前真的受限于大家的 “智能余额”：大家在一天的工作和生活当中，面对一地鸡毛和各种各样的琐事，早就把你的注意力资源和智能用完了。所以当孩子需要你提供智能上的帮助，需要你耗费智能资源去解决问题时，你已经没有这个余额了。

但现在的情况是，我们可以把有限的智能用到刀刃上，去把控整个学习的过程，把控整个系统，设计好流程；然后我们省出来的时间精力，可以给孩子做一些情感上面的互动，提供更有情感价值、更有战略价值的事儿。所以在 ai 时代用这种方式，会是一种很明智的方法。你硬着头皮自己去讲题，说实在的，你讲的绝对没有 Gemini 讲的好。

错题原因分析、设计针对性练习

另外一个其实就是 Methodology（方法论）方面，这还是我一直以来去讲的整个学习系统，包括学会如何学习、人对学习的元认知以及如何科学的学习。在讲完了方法论之后，在具体的 Use Case（用例）这一块儿，我给大家展示几个不同的使用场景。假如说我们以错题为单位，或者针对错题集做一些 ai 的应用，包括针对 ai 去出专题练习、做试卷分析，我们一个一个来讲。

假如说我们针对孩子一个单独的错题，大家会看到我这里面其实是有一个基本的 Prompt。其实现在 ai 的能力都特别强了，我的 Prompt 就很简单。大家看这道题，这是之前出的一道小孩自己做错的题，如果我要给她分析这道题，我会比较费劲，但是我可以直接用 ai 来做这个分析。ai 直接就会分析这个错题的原因是什么，然后我再让她去设计针对性的练习。

所以这整个过程，基本上就是“分析错题原因”和“设计针对性练习”这两个环节。你分分钟动个手指，就把以前很费劲的事给做好了，然后你就开始流转到下一个环节，跟孩子说：“哎呀该你了，你把整理好的错题那一列全给做了。”

更重要的其实是针对整个错题库做针对性的分析。我给大家看个挺有意思的例子，假如说小孩的 GESP三级考试前面挂了两次了，她整理了很厚的错题库。这个时候我就让 Gemini 来整理所有难度为 GESP三级的错题，分析原因是否为概念缺乏。你会发现 OK，它就会把整个错题库天翻地覆地翻一遍，翻完之后把所有相关的错题全部列出来。列出来之后，我就会让她针对缺乏的知识点去设计针对性的练习，设计完都给娃去做。做完如果还有错题，那就继续针对这些再做练习。

你可以让 ai “指哪打哪”，让她针对任何的考试目标、大纲或错题原因，做 Deep Research，甚至用 Agents 的方式来完成你指定的任何目标。父母只要指挥就行了。

所以我在小树考级的时候，针对各种做错的原因——例如缺乏知识砖块、解题技能不好、缺乏练习、粗心等——全部给她设计了一套针对性练习。导致的结果就是，基础知识 50 分那一块考了 44 分，基本就没错，基础特别的牢固和扎实。

关键在于学习者的context

这也是我刚才给大家展示过的，你可以针对孩子过去所有的数据进行分析。因为我们收集到了小孩在知识掌握上的所有数据，理论上你怎么样去分析这些数据、怎么样针对性练习知识薄弱点和能力缺失，其实是很容易的。另外还可以做试卷分析，比如小孩做了一整套真题，我们已经能够看到这里面做了 123 这么多错题。关于哪几个模块错了哪几道题、重点失分的重灾区、呈现出什么样的思维特征、出现什么问题、每个题背后的原因，其实像 Gemini 这样的一些模型，分析得是非常到位的。这种事情你让教培老师来做，别说两千块钱一小时的老师，哪怕五千块钱一小时的老师她也干不了这事。

所以现在的局面很明显就是“模型能力倒挂”，模型的能力太强了。你从模型当中能取得什么样的价值，取决于你是否有一个系统把小孩的所有数据收集起来——包括学习目标、知识掌握程度、错题情况。这样的话，你就会有尽可能详细的 Context（上下文）。

我们之前讲过，你从 ai 中取得的价值，首先取决于你得用最好的模型，其次你得给她最相关、最高质量的 Context。你不能直接拿个垃圾模型问“哎我娃为啥考试不及格”，她哪知道你娃是啥情况？她只能给你生成 Next token，跟你随便扯。

当你在这套 ai 学习系统里面搜集了所有上下文之后——目前我们只是用了 100 天，但你想一想，2026 年还有 365 天，在小树去上大学之前，我们还有五六年级、初中、高中，还有八年的时间。随着这八年的时间，我们指数式的使用和积累，模型能力越来越强，你在系统里积累的 Context 来源越来越多，你对孩子本身学习能力、解题思维特点的 Insight（洞察）也越来越多。模型、Insight 和 Context 这三个因素的乘积，就是你能从中得到的价值。我会认为每个小孩都有特别大的潜力，如果我们用一套科学的系统给她，真的可以起到事半功倍的作用，最起码可以让孩子省出很多时间，晚上 9 点半就睡觉。

万物皆系统：学习、投资和写作

关于工具这一块我讲得太多了，我这套ai学习系统其实过于牛逼，都不能随便对外分享。

除了学习系统，我的Notion里还有“munger OS”，就是你所有的持仓组合、每一笔个股交易、整个投资逻辑、所有判断跟 Portfolio 的结合，以及所有的风险、概念、经验教训、第一性原理，包括每一条新闻的相关理解。

另外我还有一个“steve jobs OS”和“tolstoy OS”。

说到 tolstoy，我开玩笑讲，我看到市面上有人收七八千块钱去教人做自媒体、写作，那一套线下两天的课程，我觉得跟我这个还是有差距。

就我个人来讲，我在写 Twitter 之类的内容时，用一种比较体面、不去追热点、不做自媒体流量话题的方式，只分享自己的思考和感兴趣的东西，能从零开始做到现在 5 万多的关注，每个月 Elon Musk 还给我打好几百美金。我觉得这还是背后锻炼出来的写作这一套东西，我基本上把它做成了一个系统。如果没有系统的帮助，其实还是比较困难的。

另外我还在想关于阅读这一块，不论是书的阅读还是知识视频的学习，或者是语文、英语、写作、投资、工作商业，我全部都能把它变成 ai 的系统。

我给大家举个例子，假如说我们看一个关于阿斯麦（ASML）光刻机的视频，大概四五十分钟。在我这个系统里，一切东西都是一个 Web link。这个视频有一千八百多万次观看，它其实可以跟我讲过的所有学习系统打通。你会看到它的所有稿子，从这些稿子里面提取出来的概念或生词，包括相关的思考题、Transcript，都可以跟“三级笔记”方法结合起来。然后它还可以跟 NotebookLM 打通。

打通之后，假如你对一个领域感兴趣，比如觉得三星为什么能成为全世界最盈利的公司？现在全世界像 SanDisk 这样的公司能在一年的时间之内股价涨 17 倍，它背后的结构性原因到底是什么？它跟 CES 上黄仁勋讲的推理上下文存储记忆系统有什么关系？我会觉得知识本来就应该有力量。

当我们建立这样一套系统的时候，它还能跳转到相应的 Quiz（测验），或者从一个视频、一本书跳转到相应的 Flashcards（抽认卡）和 Slides。

学习型家庭共建方案

现在不是马上就要过年了嘛，我痛定思痛，反思了一下。为什么像那些教培动不动一年能挣上千万，但我们小能熊也不笨、也特别勤奋，却在 23 年、24 年亏本呢？就是因为我整天不好意思去售卖。在 2025 年，感谢大家的支持，加上我们减房租、大家节衣缩食，好像能够扭亏为盈，不再亏损了。总算这一年不算白干，或者说是不亏了，但还是没有利润。

但是在 2026 年到来之前，在这个春节之前，我们还是要推出最后一波大会员的招募。这个大会员对大家是有一定要求的，需要父母真正是一个有学习意愿的人，需要你认可我们终身学习的理念。因为归根结底，小能熊就是一个终身学习的社区，我们带着少部分的家庭去共建学习型家庭。

谁适合这套“ ai 系统”？

大家会看到我这套系统其实目前只用了 100 天，还是基于我的 AMC8 和编程案例。后面我还要在实践过程中把它整理成一个 K12 的——从小学一直到高考之前的语文、数学、英语（尤其是数学）和编程——一揽子的交付方案。我要跟大家讲一下，我之前了解过一些情况后，觉得我这一套“ ai 系统”可能不适合大部分人。

大会员肯定是免费得到我的这个模板，以及我后面配合这个模板录制的操作解说视频。说实在的，大家可能没买过 notion 模板，我之前花 200 多美金买过一套，那个卖了好几十万美金，但我回头看，觉得跟我这个没法比，挺样子货的。如果你是大会员，刚好有孩子，也愿意关注孩子的教育场景，就可以来找我获取这个模板。

但我必须得讲，这个东西适合什么人。据我了解，大部分人是不太适合的。我们从两个维度看，一种是完全不花钱的，一种是为孩子教育花过钱的。在花过钱的人里面，大部分人不能做到四个字——“躬身入局”。即使有 ai 了，不需要投入特别多的时间精力，很多人还是不愿意。那种只愿意给孩子报班付钱，但不愿意整理错题、不愿意规划学习目标、不愿意跟孩子讨论落地的人，就不太适合。标准其实就是以我为标准：如果你愿意像我一样去整理错题，学习使用这个系统，愿意跟孩子一起来用，那就可以。

“躬身入局小组”

关于这个模板，我现在还没有时间去整理，这个模板和我后面录的视频是专门面向大会员的。我希望大家注意一点，每一个需要这个模板的人，请你直接来加我的微信——因为你们大部分人都有我的微信——直接在微信里面跟我说。只要你附上大会员的截图和你学习时长的截图就可以。我对这个时长是有要求的，我希望你在我们小能熊最起码应该有 100 小时以上的学习时长，要不然说不过去。如果一个人过去没有学过我的费曼学习法课程，没有学过 Savage 的相关内容，我觉得他就用不好，也没法用这个系统。所以只要你有 100 小时的学习时长，并且有这个意愿，你就可以来找我，我就会把这个模板发给你。

另外，我一直想做一件事，就是做一个“学习型家庭的咨询方案”。一个家庭一定有一个真正抓教育的父母，他们会维护孩子的学习记录或档案，并希望找人咨询交流。现在到了这个“ ai 系统”的时候，我想尝试招募一个小组，找那些刚好孩子需要用这套系统、并且家长能真正躬身入局的家庭。这个 notion 系统是有“观察席位”的。我有几个朋友已经在观察席位里了，大家可以实际观摩我们是怎么用的，并持续得到最新版本。我希望招募十来个人，建立一个以家庭为单位落地的“躬身入局小组”，大家抱团取暖，持续交流。对于这样一套在 ai 时代共建学习型家庭、并且有系统落地的方案，我觉得保守估计都应该是五位数，我希望最终迭代完是 4 个 9（9999 元）。目前处于早期招募阶段，如果谁有兴趣，大家知道我的微信，就可以来加我。

我对社区的理解

非常感谢大家对我们小能熊大会员的支持。我们是在共建学习型家庭，我不说什么“衣食父母”，我觉得大家都是朋友。我整体的逻辑其实就是：小能熊毫无疑问是一个商业的结构，但在整体来讲，这个结构实际上是在交朋友，它有一个筛选的过程。我们不是卖实物商品的，我们实际上是在共建一个终身学习的社区。

这也是为什么大家看我在微信群里发消息时，我其实不是在“运营”一个微信群，而是像我在给朋友分享我的文章一样。我每天手动发消息、手动转发文章、看大家在文章下面互动，我觉得这个过程特别重要，特别有“人味”。理想的关系实际上就是一种朋友的关系。所以我对扩大用户规模没有什么目标，我是不想再那么扩大了。哪怕不断有用户流失——因为很多人没有真正去落地——我也觉得没关系。我现在今年去试验的一个新模式，虽然价格确实提高了一点点，但是我希望大家能够获得 10 倍以上的价值。

2026 关键词：ai 系统

整个 2026 年，我会认定一个关键词：“ai 系统”。

我会把我们的工作系统、学习系统、理财投资系统、写作系统，包括大人用的系统、孩子用的系统，用一系列的专题来跟大家分享。

我知道现在互联网上乱七八糟的东西可多了，但我的推特上一直置顶了一条内容：2026 年一定是 ai 应用爆发的一年。但我说的这个 ai 应用，其实是系统层级的，不是像 typeless 那种单纯的 ai 输入法工具。我们这样的一个系统，不论是语言学习、coding 还是 Math，都是你要用七八年的，像写作系统、商业系统或投资系统，可能要用一辈子。

后续整个 2026 年，我们不想浪费时间在那些互联网上不断的 Hype（炒作）、热点和各种没用的东西上。我的判断是，我们要给 ai 提供更结构化、更高质量、更个人的 Context（上下文）。我要把我们小能熊作为一个终身学习组织和学习型家庭的一切洞见，全部融入到这个系统当中，然后再通过这个系统分享给你。最终你会感受到，生活在 ai 时代其实是一件挺幸运的事情。

深度独处

归根结底，还是我之前所说的那一套：怎样建立一个不断强化的正反馈的一个闭环？

这是我设计 ai 系统、包括 ai 落地应用时最关注的一个点。如果你没有建立这样的闭环，用目前市面上那些没文化、没有战略眼光、没有整合最顶级 ai 智能、没有结合 ai 落地实战洞见的方案，我觉得效果还是挺不理想的。

总之，今年摁住这一个关键词：专注，做人一定要专注。外界的噪声太多了，我现在每天打开互联网看到那些噪声就头疼。大家记不记得我在 2026 年初讲过，如果想要培养一个新的习惯，我建议大家培养最重要的一个叫“深度独处”。每天都要拿出半个小时的时间放空，比如早上送完娃上学，在咖啡厅坐半小时，不要刷手机，不要做具体事务，而是用一种放空或独处的方式，去做一些更高层面的战略思考，让自己的热爱和感兴趣的东西持续得到最多的注意力资源。把这些思考的想法用 typeless 快速录入到微信 inbox 里面，你会惊叹于你思考的质量和持续取得的进步。

不管怎么样，如果你关注我，你得到的 ai 分享绝对没有噪声，因为我不会去追那些外部潮流，我只会聚焦一个方向：跟 ai 要价值。这就是今天的直播，刚好两个小时，特别准。非常感谢大家的参加，谢谢。

拜拜，周五见。

讲座视频回看👇

本周五讲座👇