学习笔记 · 约 8 分钟阅读 · 2026.11.02
做完节点，不等于理解
教程做完了，清单往前挪了一格，技能图又露出下一层。这三件事都会制造进度。它们都不要求你讲出为什么。下一次遇到一个看起来相邻、其实条件不同的 bug，进度感会掉在地上。
大图本身也会压过人。一张要把一门手艺里每样东西都画出来的图，邀请你先扫完整张再开始干活。有经验的人通常知道：听说过一切，和真的会用，是两件存货。初学者更容易把图读成义务。顺序看起来像真理，其实常常只是一种画法。
长的 AI 聊天用另一种方式把线弄丢。你为了一个具体的失败打开它。十分钟后你在看一个相邻库的历史、一个你今天用不到的标志，以及一个「要不要顺便重写这一层」的建议。原来的失败还开着。它已经不是对话的主题。
学习树：锚点，下钻，回来
学习树是 HaroCue 里针对这种学习的用法，也就是产品说的深入学习。名字指的是形状，不是一张你必须填满的技能图。
你先选定一个锚点问题。锚点是你今天真正要回答的那句，用你自己的话，小到一次工作会话装得下。然后你只钻一条分支：一个你缺名字的词、一个你没看过的调用、一个你不能假装已经懂的不变量。钻的时候，把理解用你的话记下来，并带来源。你确认得了，才把它当成掌握。确认不了，它就还是推断，或一个开着的问题。
然后你回到主路径。分支还连在锚点上。你带回来的是一句可以再打开的解释，不是一个勾，也不是聊天里的滚动位置。主问题还是主问题。下一次你从这句解释开始，而不是从整段对话开始。
这和产品里已有的记忆规则是同一条。自动观察标为助理推断。你查看原文之后可以确认、纠正或忘掉。普通 Cue 使用明确确认过的事实。学习树上的「掌握」用的就是这个确认，不是模型因为对话感觉完整就替你盖的章。
线性聊天，和会勾选的路径
ChatGPT 学习模式适合一轮有引导的追问。提示、脚手架、知识检查，都能让一次坐下来的学习慢下来。线程本身是线性的。有用的旁支和跑题写在同一条记录里。没有一个位置标明：这条分支结束了，主问题在这里。对照写在学习模式和本地深入学习那篇笔记里。
可勾选的路径有另一种完成定义。节点过去了，图就认为你过去了。很多人在这类清单里待了很久，包括常被叫做 roadmap 的职业地图，勾掉的格子并没有变成他们能迁移的理解。教程地狱是同一个缝的另一边：你能跟着做完，却不敢改，因为为什么没有留下来。学习树要的是那个为什么，而且要把它拴回你正在做的问题上，而不是再发一张更大的图。
为什么抽认卡托不住一段编程知识
间隔重复擅长原子事实。一个标志、一个端口、一个名字，做成卡片很合适。编程里你真正会丢的，常常是一系列：这个检查过了，然后读到那个声明，然后这段中间件拒绝了请求。会用 Anki 的人经常把这个区分说得很清楚。卡片适合概念的边角，不适合一条必须按顺序成立的解释。
HaroCue 不是抽认卡，也不会替你安排复习。学习树补的是另一件事：一次带分支的学习，加上可以检索的证据。你以后要找的是「当时我怎样理解这次拒绝」，不是一叠到期的卡片。常用的东西会在工作里自己留下来。不常用、但下次还会绊倒你的那条解释，需要跟在原来的问题上。
线程太多的时候，工作记忆会塌
一次真实的学习常常同时开着这些东西：编辑器、失败的请求、教程标签、一张技能图、一段已经偏题的 AI 聊天。每一处都声称自己是上下文。工作记忆装不下。于是你要么跟着最后一条建议走，要么回到清单上勾一个看起来相关的格子。两种都像前进。锚点已经不在手里。
树把要握住的东西收小。主问题是一句。你现在所在的分支是一句。你准备带回去的证据是一句，而且有来源。其余的标签可以关。这不是把知识变少。这是拒绝同时当五个地方的当前任务。
一个 bug，一条分支，一次返回
锚点可以是这样一句：为什么我的鉴权中间件拒绝了这个 token。你还不要收集身份验证的全部历史。你要的是这次拒绝。
分支也许是 JWT 的声明。你停下来弄清 aud 在这次请求里指什么、中间件拿它和谁比、时钟或受众是否根本不是这次失败的原因。追问可以发生在学习模式里，或发生在你已经打开的任何聊天里。HaroCue 记下的是你带回来的那句，而不是整个旁支的抄本。
返回时的笔记可以像这样，用你的话，并指向你核对过的来源：这次拒绝是因为 aud 是公开的客户端标识，不是 API 的受众。我对照了这条中间件和这枚 token。在你能指着代码和 token 说清之前，不要把这句话标成已掌握。能说清之后，确认它。下一次这个失败再出现，你先读这句，再决定要不要钻别的分支，例如过期时间或签名密钥。原来的问题还在树上。它没有变成一段关于 JWT 百科的聊天。
以后的决定可以引用什么
你带回来的那句笔记，也是以后做决定时可以指向的东西。你留下某项检查、换掉一个依赖，或改一个 API 时，理由应该放在选择旁边。只记得「我曾经看过鉴权」太薄，撑不住下一次取舍。
决策记录是这个系列自然会写到的下一篇：深挖之后，未来的你怎样查询当时为什么这样选。这一篇停在学习主线上。返回必须留下证据，以后的决定才引用得了。HaroCue 今天提供的是带来源的本地记忆，以及由你确认的事实。它还没有一篇单独的决策日志文章，这里也不把那个名字说成已经交付的界面。
把主线留住
从你正在修的那个问题开始，而不是从整张图开始。钻一条分支。用自己的话把解释写下，带来源。你能指着它说清楚时再确认。然后回到主问题。产品说明写明今天的边界；下载页写明 Mac 的可用情况。本地优先指的是记忆主要在你的机器上。启用云端模型时，相关文本仍可能发出去。这和产品说明里的说法一致。