费曼技巧的核心是「用简单的语言讲清楚」。现在 AI 既是那个讲给你听的人，也是检验你的考官。
2026-07-22 · 约 6 分钟读完
费曼学习法的核心只有一句话：如果你不能用简单的语言把一个概念讲给外行听懂，说明你自己也没真正理解。传统做法是找一个人听你讲，现在 AI 可以扮演两个角色：讲给你听的人，和听你讲的考官。
用费曼讲解模板，把概念填进去，AI 会分三步输出：先给一个小学生能懂的比喻，再给准确定义，最后举 3 个生活例子。这个顺序是有讲究的——比喻建立直觉，定义校准精度，例子完成落地。
关键的用法在于追问。比喻没懂就说「换一个比喻」；例子太抽象就说「举一个我工作中会遇到的例子」。AI 的耐心是无限的，这正是它比老师强的地方。
概念要写具体。「帮我讲讲 TCP 三次握手」远好于「讲讲计算机网络」，颗粒度越细，讲解越透。
真正检验理解的环节：用自己的话把概念讲给 AI，然后让它扮演较真的考官——「指出我理解错误和表述含糊的地方，像老师一样追问」。你在输出时卡壳的地方，就是理解的断层，回到第一遍继续补。
很多人跳过这一步，只输入不输出。费曼技巧的全部价值恰恰在输出端。
理解之后，用出题自测模板让 AI 出 5 道由易到难的题（含选择和简答），你答完它逐题批改讲解。错题不要放过，直接说「针对这类错误再出 3 道同类题」，直到形成肌肉记忆。
把这三遍串起来——听懂、讲清、做对——一个概念的掌握基本就扎实了。剩下的交给间隔复习：每周让 AI 从错题里抽几道再考一次。
费曼学习法最大的敌人不是难，是懒——用自己的话讲清楚一个概念，比重读一遍笔记费力得多。让它可持续的办法是降低单次负担：每天只讲一个概念，五到十分钟，固定时间（比如睡前）。把「今天讲了什么」发给 AI 记录，月底让它汇总一份「本月讲清楚的概念清单」，这份清单本身就是可见的进步凭证。
还可以让概念之间互相服务：新学的概念用上周讲过的概念来类比（「用 TCP 握手类比 DNS 解析」），既巩固了旧知识，又建立了知识网络。学习到后期的复利效应，就是从这些连接里长出来的。
费曼模板 + 出题模板 + 一份每日一讲的坚持，是学生党性价比最高的 AI 学习组合。
学科不同，检验方式不同，但原则一致：输出才是检验输入的唯一标准。
费曼学习法本来就需要「听众」，小组学习恰好是天然的放大器。组内约定一个循环：每个人轮流把自己本周学到的概念讲给 AI 听并接受追问，然后把「AI 挑出的问题」分享到小组——每个人的理解断层都不一样，共享出来等于全班互相当镜子。
备考场景还有一个狠一点的用法：让 AI 把小组每人讲错最多的三个知识点汇总成「全班共同弱点清单」，按出现频率排序。清单上排名靠前的知识点，大概率就是考点里最难啃的那几块——这是个人学习视角永远看不到的信息。
一个人学习也能凑齐「听众」：让 AI 分饰三个角色——一个听不太懂的外行（检验你的通俗表达）、一个较真的同行（追问细节和边界）、一个考官（出题验证）。对着同一个概念讲三遍，每遍面对不同角色，比对着一个人讲十遍更能暴露理解的盲区。费曼技巧的本质是外部视角，AI 恰好可以按需生成任意多的外部视角。