如何学习(draft)

学习完操作系统后，我认为我可以掌握所有的东西

  1. 我获取到了自信
  2. 我在不断的尝试提升掌握复杂知识的效率，这里谈谈如何提升工作效率:

这里谈一谈，如何学习?

如何提升效率

正确的方法是:

修改一些想法

不要指望可以自然而然的掌握

不存在饱和投入

不要指望可以饱和投入，我们并不存在无限的时间，所以无论做什么，都是需要用最快的效率掌握， 这非常重要，

饱和投入会扭曲成本模型，最后即便是达成了目的， 也会感觉到非常不值。

持续深入的思考问题永远不会错的

在体系中不断的扩展:

不要担心教程会限制你的创造力

意识到一个奇怪的问题

  1. 继续学习内核和学习开车:

内核中的 rcu 对于这个世界上的绝大数人来说是不可理解的， 需要的前置知识太多了，需要漫长的时间才可以掌握，。 如果是学车，在各种平台上，都有各种教程，文字，视频，游戏和问答社区。 可以掌握开车的人也非常多。

但是现在进入到一个诡异的事情，我更加喜欢学 rcu ，而不是学开车。为什么会这样:

使用掌握 kernel 的方法来掌握其他的东西

  1. 应该使用最残酷无情的方法掌握，而不是让自己慢慢来
    • 容易理解的，使用 anki 强制记忆
    • 不容易理解的，反复联系，逐个拆分，直接掌握最复杂，本质的 fs rcu ，而非是在各种边缘问题上自娱自乐，也就是针对性练习
  2. 小红书就是生活的 stackoverflow ，或者说，如果通过 stackoverflow 很快就解决问题了， 那么生活中
  3. 构建体系
  4. 和朋友讨论
    • 这个朋友如果在生活中，那是最好，如果找不到，也可以在社区中找
  5. 遇事不决，chatpgt

但是掌握内核，之前有一个巨大的错误，那就是喜欢做饱和式投入，这个导致学什么东西都没有时间， 同样的，这个问题似乎也出现在内核本身，掌握东西的速度太慢了。

为什么学习内核，学习数学、物理和学习语文的差别如此之大?

总结一些认知的方法

  1. 速查 = 迅速忘记
    • 例如 :sort u ，这个自己尝试回忆一次，然后操作一次，就不会忘记了 - https://supermemo.guru/wiki/SuperMemo_Guru

学习必然是痛苦的

如果感觉自己要放弃了，那么就用一些轻松的学习方法:

慢慢摸索，顺着好奇心，的确不错，就是太慢了，当然可以先打一百局 LOL ，然后在看教程， 但是先看教程，由于都是最快的。

AI 的确可以重塑学习方法，如果看一个文档，会非常的痛苦， 因为其中的细节太多了，但是让其总结一下文档内容，会好很多， 因为在大脑中，有一个整体框架，然后基于这个整体框架来检查问题， 就是这样的，喵。

整个流程是什么

完全不知道 -> 大致理解 -> 细节填充 -> 内容抽象 -> 解决新问题

的确是这个感觉，不同的东西有完全不同的学习方法

  1. 摄影 -> 视频教程
  2. 毛线 -> ?
  3. 内核 -> 动手

学习内核几次重大的变化

  1. ccls + nvim
  2. qemu
  3. demo 集合 测试优先
    • 用户态 demo / syscall demo / 内核模块
  4. chatpgt + 文档优先
  5. anki 强制记忆

任何内容，最后

先要搞清楚，为什么不去学

本质是，不着急的，暂时用不上的

  1. 机器学习
    • 变化太快。现在(2025-04-23)不叫机器学习了，叫大模型

整理之前的 blog ，忽然发现，之前一直想看看 Fuchaia 实现，结果还没看，就死掉了

两个看下来，都是不怎么样的

另外，我尝试掌握一些其他的东西来做一些测试

这些东西不要和我现在熟悉的东西有任何耦合。 也就是不要是和计算机相关的任何东西。

总结一些学过的东西

  1. 双拼 :
  2. vim :
  3. nix :

问题在于放弃了

因为这个东西超过了规划的预期，存在大量的前置依赖

我想看 kvm ，结果发现了 hugepage ，结果发现 nxhuapge ，结果发现 ITLB_MULTIHIT 漏洞

到底什么导致学习困难

数量和依赖关系

除非前置依赖已经熟练掌握，否则后面的内容搞起来，回忆起来很痛苦的

不想回顾，是由于之前没搞清楚?

学习相机让我意识到，每次做什么学习， 都是需要做一下总结，确认了什么，不确认什么

回忆

例如做了一些事情后，然后立刻 刚刚都看到了，似乎有一些作用

learn : AI 下如何加速学习

学习，掌握内容现在显然是一个瓶颈，现在人的判断力是瓶颈了。

这里有两个问题，我总是感觉很奇怪:

很多时候，我们会自动的完成 那么，现在我会不会拥有更好的，更加直接的方法来检测，某一个东西，自己其实是没有掌握的。

现在加速的原因:

  1. 可以快速搭建环境 (simpelfs 写出来之后，有了这个东西作为支撑)
    • 这里有一个很关键的问题，让你聚焦于你最关心的部分，而不是开始就被 Documentaion/fs 下的上百个文档压垮掉
  2. 可以整理重点，让宝贵的认知资源放到最关键的部分，而不是
    • english -> 中文
    • 背景介绍
    • 小的 trick
    • 继续看已经会的东西，可以不断的追问他，直到理解了，而一旦理解了，就很难忘记，因为可以随时随地的回忆这些事情。

这个问题的经典的例子在于，线性代数 + cuda 的学习 - 需要知道，我们之前是学过自动化控制原理的，然后马上就发现学不下去了， 遇到了问题很难推进。

  1. ai 的分析能力很强，不存在看不懂的代码反复卡住人，人仅仅来解决 ai 无法解决的问题。
    • 经典案例就是 kvm 嵌套虚拟化
    • 这里我需要说明下，如果加速，就是一个很强的能力，我的空闲时间就那么多，不然咋办?

一些有意思的观察:

当然，现在有了更多的时间来学习了。

2026-05-23 今天想到了一个更高的话题，其实叫不要去学，而是直接去做，才知道什么才是需要掌握的。

2026-05-26 删代码比写代码更快，所以，把书读厚的过程现在就很快了。

## 为什么要阅读源码
阅读了一些源码，学习到了很多东西:

我认为阅读源码是学习水平中不可获取的一环:
- 教科书只是总结了最核心的原理，没有实战，其中的奥妙总是难以体会
- 文档只会分析其中关键结果，只有骨架，没有血肉

代码的阅读可以尽量的广泛。从编译器，数据库，操作系统，CPU / GPU 都是可以涉猎一下，
一个完全不同的领域可以改变你对于计算机的认识。

我自己认为的阅读方法:
- 显然代码跑起来，要读活代码，不要读死代码
- 文档和代码交替进行
  - 文档枯燥无聊，代码有时候晦涩难懂，如果在代码看不下去的时候阅读文档，那么就会感觉文档是雪中送碳，在枯燥的文档阅读之后，看看代码，如沐春风。
  - 首先将问题列举出来，带着问题去阅读，而不是为了阅读而阅读。

当然，最终的目的是将别人的优秀技术运用在自己的项目中，最好是有所改进。

解决 AI 一看就会，但是很容易忘记

例如 cuda 中的内容，配合 AI 很容易就看会了，但是向其他人表述起来，很多时候都是 模糊的传达意思，解决办法就是不去借助 AI ，然后手写 code 、或者手写内容， 这个时候就可以知道自己到底哪些部分没有记住。

然后针对性看，我发现使用 anki 也有这个问题，一看就会，过一会就忘记了。 每天复习了很多词条，但是可以记住的很少。

AI 的时间，我们更加需要思考中瑕疵，不流畅的部分

  1. 学 c++ 的过程，都是一看就会，很多概念都是互相关联的，但是都没有时间一个个的看，所以这个是不对的。
    • 可以不去看，但是不能不去直接就下意识忽视掉了，
  2. 例如分析 bank conflict 的过程，到底读写是不是一样的。

本站所有文章转发 CSDN 将按侵权追究法律责任，其它情况随意。