前言

开学将近一周，科研申请、课程、学习、班级工作等事情接踵而至，学习方向的选择和压力也让我非常迷茫。一次偶然的机会，我了解到了知乎上一位执行力超强、方法论独具特色的学生博主东川路第一伊雷娜（后文简称yln），他的生活和学习方式深深震撼了我。于是我决定基于他学习方法论，提取一些和我契合的部分，对本学期进行学习和生活的规划。

背景分析

这学期有几个点需要考虑在规划范围内：

  1. 学期短。整体上学时间共18周，删去过节和周末，大概只有3个月的时间。我需要在这学期尽可能快的迭代，所以需要紧凑的时间安排。
  2. 本学期课程难度偏难。主要是大物上和高数下，不能再重现上学期绩点翻车的情况，平时需要投入时间来完成课内的学习。
  3. 根据当前学习路线，需要在科研、机器人、算法、课内四个赛道上发力，非常容易陷入什么都学，什么都学不深的情况。

而上学期的规划也可以说是…没有规划。整个上学期主要在熟悉各个方向的框架、适应大学生活上，学习上对各个方向都浅尝辄止。在学期末尾开启CS61A的学习后才算是进入正轨。

当然，在探索上做无用功本身也有其必要的价值。当前学期也会注重两个方向的探索：计算机视觉科研和机器人强化学习方向。理想状态是两个轨道并行，但现实是必须在两个方向做出主次的选择。 这方面在深入科研后再详细思考吧。

总方法论

具体规划执行需要一些方法论的支撑，我将于我个人而言重要的方法论分为三个模块：open策略、流式规划、工程思维。

一、open策略

open策略的核心可以概括为共赢（Win-Win）。通过分享计划、进度、和经验，利用外部监督、鼓励和反馈来驱动自我迭代，从原先的孤军奋斗转化为资源共享与共同进步的生态。

对于我自己来说，上个学期自己的学习方向和手头的资源从不主动与同学交流，学习基本上是独来独往。造成这一习惯的原因一是对自己能力的不自信、害怕居于人下和被嘲笑，二是有害怕别人从我这里汲取经验和路径并超过自己。这种延续高中零和博弈的思维模式在我阅读比较yln的生活规划后终于发觉是大错特错。闭门造车绝对是一种狭隘的认知，广泛的open不仅可以交到不同领域的朋友，也可以开阔自己的视野和学习广度，这对当前的学习和未来的工作都是极有帮助的。

接下来我根据yln的文章进一步解释open： 这是一种分享行动，它包括两种思路：1.我打算做什么？2.我现在在做什么？3.共享经验。

比如，大多数人进实验室，可能分享分享，和学长交流交流就好了。但是open的做法是分享经验，而且去帮朋友改简历，去和他探讨后续问题，不断关心他们的状态。这样可以收获许多新的朋友，社群也扩大再扩大。

再比如，如果考的不错，一方面会在博客提上一嘴，也会和朋友一起分享分享；科研做的不错，就会写一些文章去介绍方法论，同时也去指导朋友告诉他们怎么形成这个过程。

这种方案的实施聚焦于以下三个思路：

  1. 吸引力法则，我们越说，越会积累人脉，也更有可能去做，更有机会得到满足和支持；

  2. 实时分享内容，得到正反馈，也更能促进我们去执行这一个循环；

  3. 能够帮助别人，实现自我价值，得到超强的满足感；

yln在open策略上的实践打破了“内卷”的零和博弈。在竞争激烈的环境（如CS专业）中，通过Open策略，yln发现分享不仅没有让自己落后，反而通过筛选队友、获取资源（学长指导、内推机会）、建立个人品牌，实现了指数级的成长。

二、流式规划

流式规划是一种基于“激活函数”理论的并行多线程任务管理系统。它反对“一口气做完”的单线程执念，主张将大任务（如科研、Lab、复习）拆解为若干个时间片（Stream），利用任务间的切换来保持新鲜感，利用“休眠”期间的潜意识思考来解决难题，实现多任务的高效并行调度。

以下是大致实施的框架： 设定时间片：以 1.5小时 为一个标准周期。在此期间全神贯注处理一个任务（如科研代码调试）。 设置激活词：在时间片结束或遇到瓶颈时，强制停止。记录下当前的进度、遇到的问题、下一步的思路（作为“激活词”）。 上下文切换：切换到另一个截然不同的任务流（如从写代码切换到背英语、健身）。利用大脑对不同任务的兴奋度差异来对抗疲劳。 异步处理：对于一时无法解决的Bug或难题，将其挂起，利用走路、吃饭等碎片时间进行潜意识思考（后台运行），往往能获得灵感。 特殊模式（大规模输入）：针对考试周或急需掌握的领域，暂时挂起流式，启用“地铁看书法”或“全天闭关”模式，进行高密度的“Close”输入。

该方法是并行多个领域线程的核心。其中设置激活词来解决片段学习思路卡断的问题简直天才！

三、工程思维

注：这一方法是yln在科研实践中的总结，我还不太能完全明白其中的内容，先复制完整的AI总结，后续再进行补充和内化。

  1. 核心界定

    工程思想是一套 “发现问题—拆解问题—利用资源—迭代解决”的实操方法论。 它区别于单纯的学习，强调在实践中遇到Bug或未知领域时，不依赖从头学的完美主义， 而是通过最小化复现、模块化拆解和精准提问，快速跑通流程并实现目标[科研历程–工程思想的汇总，24-12-10]。

  2. 实操指南

  • Step 1：最小化复现

    拿到一个项目（如GitHub代码），先不要读源码，先配置环境（environment.yml），解决路径和依赖问题，确保能跑通Demo（Hello World）[大模型调教（二）之代码复现完成和感想，24-10-14]，[深度学习实验能力的一些感想与思考，24-12-29]。

  • Step 2：模块化拆解与定位

    遇到报错不慌张，通过Print调试或阅读Log，定位是数据问题、模型结构问题还是API问题。不要把整个代码丢给GPT，而是只给报错片段或函数逻辑[科研历程–工程思想的汇总，24-12-10]。

  • Step 3：精准求助

    在自己尝试调研（Research/Debug）无果后，再向学长或导师提问。提问时带上自己的尝试路径和猜想，从“怎么做”进阶为“方案A和B哪个更好”[与学长第二次对话稿子（确定小方向），24-10-23]。

  • Step 4：规范化与标准化

    在解决问题后，建立规范（如GitHub Commit规范、实验命名规范、文件目录结构），将临时解决方案固化为长期可用的工具或脚本[Github 开源感想，25-02-28]，[深度学习代码仓库目录结构 - 小路在前的文章 - 知乎，24-12-13]。

  1. 优点与突破点

突破点：从“学生思维”转向“工程师/研究者思维”。不再等待老师喂知识，而是具备了独立解决未知Bug、配置复杂环境（如多卡并行、分布式训练）的能力[科研历程–工程思想的汇总，24-12-10]。

核心优势：极高的落地效率。通过工程思想，伊蕾娜能在短短几个月内从科研小白成长为能独立复现顶会论文、管理多卡服务器、甚至优化Infra架构的熟手，实现了从Idea到SOTA的快速转化[大规模实验进入尾声！ –实验能力的总结，24-12-30]。

实现细节

有了总方法论，就可以展开多个节点进行实践。以下整理一些我期望可以做到的具体路径。

Coffee talk

coffee talk可以说是open策略中输入的核心。我想有很多同学，学长，老师都值得我学习，可能他们的一些指点或者推荐就比我自己努力很久都有用，如何汲取前辈们的经验？最高效的方法就是通过请同学一份coffee，让他们分享一下学习历程和学习方法。

我的计划是每周至少有一次coffee talk，优秀的前辈可以从公众号、分享会以及导员那取得联系方式。整个过程也是对人脉积累和交流能力很好的锻炼。

English

英语是我极为薄弱的板块，但它却可以说是任何学习方向离不开的基础。 为了不让自己太痛苦，我计划把英语融入生活习惯中进行学习：

  1. 阅读英文原版书籍：我寒假的时候受老师推荐购买了《Why We Sleep》这本书，这几天大致扫了一眼，没有难以理解的词汇，我打算通过读英文社科书籍来提升词汇量和阅读能力，这不仅能锻炼英语能力，也能扩张知识面，可以说是一举多得。
  2. 录英文日记：在今年年初我培养了写日记的习惯，但是只停留在中文打字写。这学期我打算尝试一下用英文口述+电脑听写转换的方式来写日记。一方面我了解到录音写日记的方式不仅能记下最真实的感受（打字会经过大脑重新组织语言，而说几乎是瞬间的），另一方面它也可以帮助我们快速回顾一天的经历，强化每天的记忆。所以我决定在录日记的基础上加上“用英语说”的限制，锻炼口语和日常英语交流的能力。

以上两个方法我都摆在睡前上床的时候完成，让大脑在睡前远离短视频和复杂的文章，回顾一天的经历。

知识输出

光有知识的输入是远远不够的，学习效率的优化正是来源于方法不断的迭代。我们可以通过写博客、周/月总结的方式来迭代方法和习惯。以下是我打算做的方法：

  • 低摩擦捕获 Low-Friction Capture：许多灵感来源于路上灵光一现、课上突然产生的疑问，这时候就在手机上随手记下来，不要排版，尽量简短。
  • 周期性重构 Periodic Refactoring：每周抽出一段时间总结这一周的随手记，将他们整理归纳就可以得到一周的周记，从而完整了解这一周具体在那些方面获得了灵感和突破，而不是只记“我这周学习了***”这类没有意义的话。
  • 高标准输出 High-Standard Publication：写博客的时候要严格依照“关于XX问题的系统性理解”或“XX方法的避坑指南”等对他人有价值的思路进行编写，
    • Context (背景)：我遇到了什么问题？（从随手记中提取）
    • Analysis (分析)：为什么会出现这个问题？（你的深度思考）
    • Solution/Insight (方案/洞察)：我是怎么解决的？或者我的新理解是什么？
    • Reference (引用)：相关论文或链接。

这种思路可以帮我们自己完整回顾，搭建知识体系，也可以最大限度的帮助他人。

一些小trick

这一板块整理了一些小习惯，帮助我们提高效率

  1. LeetCode“演草纸”法：刷算法题时，把题目复制到Notion子页面，在本地边写思路边写代码（像用演草纸一样），写完后用AI检查语法错误（不检查逻辑错误），最后再提交。这样能保留思考痕迹
  2. “数学演绎”读论文法：阅读算法论文时，准备纸笔，直接翻到符号定义部分。不只看文字描述，而是自己动手把公式推导一遍，尝试建模。这种“手推”的方式能比单纯阅读更快理清算法发展历程
  3. “美军睡眠”+“咖啡小憩”：为了解决午睡起不来的问题，尝试“美军睡眠法”入睡，并在睡前喝一杯咖啡。利用咖啡因生效的20分钟时间差，既能睡着，醒来时又刚好精神饱满，避免睡太久昏沉。
  4. 地铁流：利用坐地铁的时间进行高密度阅读。设定“一站看一页，到站远望休息10秒”的规则。利用地铁上不便玩手机（电量/信号限制）的环境强制专注，效率可达平时的3-5倍
  5. 概率事件“静默”原则：对于中低概率的成功事件（如拿Offer、中论文），在尘埃落定之前坚决不说。避免提前立Flag带来的心理压力和可能的“打脸”，做成了再分享经验

结语

如此详细的规划于我而言是第一次体验，为了保证不半途而废，我打算在开学的这一两周慢慢适应，从10%的完成度慢慢过渡到100%。后续肯定会有更多适应我个人情况的完善，具体详情请期待我的周记总结（这应该不会忘写）。

最后，用AI的一段话作为总结： 只有极度的理性（工具），才能守护极度的感性（生活）

愿我们顶峰相见！

在网上你可以找到很多学科的学习路径，但像yln这样有完整方法论，且有真实迭代记录的学习博客全网少有。非常推荐阅读他主页所有关于方法论的文章。