学习笔记 · 约 8 分钟阅读 · 2026.11.02
你打开它，是为了弄懂
你打开 ChatGPT 的学习模式，是因为想弄懂一件事，而不只是把任务做完。OpenAI 对这个模式的说法就是这样：它要帮你学习，而不只是帮你收尾。做法是苏格拉底式的追问、搭一层脚手架，然后再做一次知识检查。官方说明见 Introducing study mode。
一个你还叫不出名字的概念，或一道不想被代做的失败测试，都值得先被追问，而不是先拿到成品。
问题出在同一次对话的后半段。你追问一句，再追问一句，然后是一个当时看起来很小的旁支。原来的问题已经要往上滚很远才能看见，下一步变成最后一条回复碰巧建议的事。到了下周，这段对话只是云端里几十条线程中的一条。你记得自己钻得很深。你不记得自己愿意站得住的那句话，也不记得主问题停在哪里。
学习模式做得好的地方
学习模式是为有引导的提问准备的。它倾向于先问你已经知道什么，让你走下一步，再检查一个解释是否成立，而不是直接倒出解答。好的辅导也是这个形状：一个提示，一层脚手架，然后一次检查。
一次坐下来学，这个形状常常就合适。官方说法也在管认知负荷：把理解建起来，而不只是把任务推过终点。有边界的一轮学习模式，是好工具。
线性的云端辅导会在哪里丢线
写代码的人碰到的限制，和「我需要一个提示」不是同一件事。
记录是线性的。每个新问题都接在后面。有用的旁支——某个声明是什么意思、某个默认值为什么变了、校验器用的是哪一只钟——和走神长得一样。线程里没有标记：你本来打算从哪一条分支回来。领路的人也是你。辅导跟着你最后输入的那句走。它不会稳定地把你拉回打开这次会话的那个问题。用对话模型学编程的人经常碰到这一点：一路都是你在带，长对话会离开你进来时要修的那个 bug。
这里也没有一份耐久的本地掌握记录。账号里也许还留着那段聊天，但「我讨论过」不等于「我能讲清楚，而且这是我确认过的笔记」。下周你把同一组约束贴进 Claude，或贴进 Cursor，再教一遍。另一边的模型只有你重新打出来的那些字。它没有你已经核对过的理解。
清单式路径会制造相近的虚假进度。勾完节点、关掉教程，列表往前走了，就像有了进展。如果你不能用自己的话重述，也不能用到下一个 bug 上，那个勾只是秩序感。在这类图里待了很多年的人——包括常被称作 roadmap 的职业地图——往往发现打开图表并没有改变自己怎么做东西。这篇笔记谈的是清单之后的那道缝。
这里的深入学习，不是机器学习
在这篇文章里，深入学习指的是学的时候把理解加深：往下走一层，再走回来。它不是训练模型，也不是一门机器学习课程。
有用的动作很窄。握住一个锚点问题。把一条分支钻到困惑有了名字。带着一句以后核对得了的短解释回到锚点。分支留在锚点上，绕路就成了证据，而不是丢掉的滚动位置。
在 Mac 上做本地的深入学习
HaroCue 是本地优先的个人桌面助理。记忆主要保存在这台机器上。近期的桌面行为在 Apple Silicon macOS 上本地试用。公开安装包实际包含什么，以下载页为准；当前边界以产品说明为准。这篇文章不在那些页面之外另加功能。
学习树是这种学习的用法。你选定一个锚点问题，钻一条分支，再回到主路径，学到的东西作为证据留在上面，以后还能打开。只有你自己确认之后，一件事才算掌握。助理推断不是你核对过的事实。HaroCue 对待记忆已经是这个分法：自动提取的观察会标成助理推断，直到你确认。你可以查看来源、纠正条目，或忘掉它。普通 Cue 只用明确确认过的记忆事实。回答里出现的推断，仍然要再看一眼。
本地是一条边界。记忆主要留在 Mac 上。启用云端模型时，你发问或 Cue 在停顿时运行，相关文本仍可能送出。可选 OCR 把截图留在本机，识别出的文字仍可能进入模型请求。Ollama 这类本地模型可以用。你明确让 Cursor、Codex 或 Claude Code 通过 MCP 读取 HaroCue 时，它们可以取走相关的本地上下文。装上这些工具，并不会自动分享全部记忆。
这就是和一份云端记录的实际差别。钻取可以很长。原来的问题仍是你回去的地方。你确认过的那句话下周还在这台机器上，带着来源，而不是只活在某一个提供方的聊天历史里。
学习模式和学习树，并排看
下面比的是各自用来做什么。不是记分牌，也没有虚构的胜负百分比。
| 对照 | ChatGPT 学习模式 | HaroCue 学习树 |
|---|---|---|
| 会话放在哪里 | 一段云端聊天记录 | 在产品支持的范围内，Mac 上本地优先的记忆 |
| 形状 | 线性的苏格拉底式线程 | 一个锚点，一条分支，然后回到主问题 |
| 怎样算做完 | 你做完了眼前这些提示 | 你留下证据，并且自己确认掌握 |
| 到了下周 | 重新打开那段聊天，或在别处再讲一遍 | 先问你已经记下的内容，再决定要不要继续钻 |
| 谁在领路 | 你带着走，线程跟着最后一句 | 分支被留下，所以它有一条回去的路 |
短的一轮有引导的学习，学习模式并不是更差的辅导。需要在工作里反复用到的理解，它不是合适的档案。
ChatGPT 给学生用：学习模式不够的时候
学生用学习模式，和正在做事的人一样：希望被追问着走过一节课、一套题，或论文的一节。一个晚上，这是好用途。一门课不是一个晚上。周二得到的解释，周四还要在、笔记本上还要在，也要在实验真正发生的编辑器里。线性的云端线程不会这样走。你要么往上翻，要么新开一段聊天，把课程约束再讲一遍。换一台设备，或换到 Claude、Cursor 里，同样要再讲。
账单变低，补不上这个缺口。学生折扣或一段免费使用，改变的是你为访问付多少。它留不住你愿意站得住的那句话，也不会因为你确认过，就把一件事记成已掌握。这篇笔记不讨论该买哪一档。
学习模式仍然没有握住的，是本地的深入：一个锚点问题，一条分支，然后带着证据回到主问题。在 HaroCue 里，这次返回留在 Mac 上。自动提取的观察在你确认之前仍是推断。掌握指的是你确认了它。下一次可以从这句笔记开始，包括以后你明确让 Cursor、Codex 或 Claude Code 通过 MCP 读取相关的本地上下文。装上这些工具，并不会自动分享全部记忆。
各自适合谁
会话短、你希望被追问时，用学习模式。一个新 API、论文的一节、一个你一次坐着就能装进脑子的 bug：提示和一次知识检查就够了。你可以带着更清楚的解释离开，然后关掉标签页。
学习必须活过一次上下文切换、并且要喂给真正的工作时，用 HaroCue。你在编辑器、回顾和另一个助理之间移动。钻完之后，原来的问题还要看得见。掌握的意思是你确认过，笔记还能读回来：不是一个勾，也不是已经滚出视线的一段聊天。如果一份路径清单让你能说自己覆盖了某个主题，却讲不出那个主题，下一步是留下一份解释。
两者可以接成一条顺序。引导式的追问放在它好用的地方。证据、回到主问题、以及你的确认，留在你真正工作的那台机器上。
把主线留在这台机器上
产品说明写的是 HaroCue 今天做什么：本地记忆、来源、推断和已确认事实之间的那条线，以及试用覆盖哪些系统。Mac 的可用情况写在下载页。