展示一些快速学习实践过程中抓到的关键点及硬限制。

check list

1 材料是否充分\

如何保证材料覆盖率？

所有的东西都是为了满足某些需求，人为创造出来的，所以需要知道这套控制方案产生的驱动力是什么，在创造这一套控制框架的过程中，是如何选取组织材料的，有哪些取舍，效果如何，未来如何演化

降一层，自己构建出这个工具，(原子语言、基于原子语言构建的一个平台类的东西)
然后以该工具提供的接口为基础，在不同场景的应用；如何确保构建的程序可控(基于SDK，再做一层抽象，为了满足具体业务)
应用过程中出现的问题及排查措施、解决方案(补全2中的逻辑、工程漏洞)
最终得到的是一个不人为干预，完美运行的机器(理想状态)，事实上，没有完美的系统

材料覆盖率，说的就是材料中上面四个层次信息的覆盖情况。

step1:

因为信息都是人产出的，要么是网页形式，要么是书本，视频。
找该领域的20-30人，把他们产出的所有资料遍历一遍，这样做的目的是画一张大图，标几个关键点。
具体操作：搜索：电气设计 xxx，然后必然会搜出些书、知乎文章类似的，顺藤摸瓜，把里面提到的所有参考资料、人汇聚到一起，凑够30个，就大功告成了

step2:
无学习路径
通过各种方式搜集断语，用自己的话写下来–>凑逻辑链–>做练习，从不同角度检测逻辑链–>淘汰没用的概念，成熟的闭环逻辑封存备用(注：可能需要花很长时间)

搜集断语路径：
技术文档 > 博客 >

2024/03/16 实践–>技术文档–>书单(扩充概念)

step3:

用工程手段探测，分析系统，找系统的控制点。这样相当于把视角切入到系统内部，有庖丁解牛，不见全牛的感觉。
依然是上面提到的四个层次，关注三个点：基本要素、抽象机制、组合机制。一个系统肯定能分解成最基本的部分。这里主要解决一个方向的问题，费曼有句话，凡我不能创造，我就不能理解。
如果step1的覆盖率足够的话，应该是能解决方向的问题，如果不行就求助有经验的员工，学习他们debug的思路，补全这块知识

2024/07/21 搜素proteus仿真相关书籍，内容有：所有功能介绍(当手册看)，经典电路，proteus构建仿真的思路及流程(此为上述覆盖率的一个实例)
2024/07/27 出现找一个资料死也找不到的情况，这时候要check下文档搜集路径(即网络)

2 对材料的消化吸收是否到位\

模型是用来帮助思考的，所以除去理论，肯定有一些工程手段帮助验证对系统运行情况的了解

通过工程手段建立对事物的直觉

提取练习：
场景&系统设计、调试过程？
反馈：标准答案纠错

2024/06/04 最快速的方法就是从现场获得反馈。最重要的一点，基础一定要牢固，不然现场解决问题很慢的!!!

QA

• 快速进入状态
  溺水法：直接丢进场景，在场景摸索

• 有学习路径
  逻辑链是现成的–>做练习，从不同角度检测–>封存备用

• 卡顿及如何提速
  卡顿是因为逻辑存在不清晰部分，检查是否所有底层概念都理解透了(用自己的话写出来)，概念的组合层次关系划分是否正确(即是否是一块块的闭环逻辑)

• 如何快速摸清楚认知边界
  用自己的话说，说不清楚就是这一块存在盲区

• 如何快速拓展知识边界
  搜集外界线索–>写断语–>xxx
  搜集线索方法：知乎等类似网站提问

• 如何内化吸收
  做练习，从不同角度检测概念或逻辑链，确定其内涵和外延

• 逻辑链条很长怎么办
  只能从基础开始一点一点推，欲速则不达，采取的策略：对实现目标有帮助的优先

• 怎么确定某知识效果
  提假设–>构建观察指标–>验证，这里存在负反馈循环。
  怎么构建观察指标呢？凭经验、或者该关键词关联的其他线索，进行广度优先遍历，确定大体方向，再做深度优先遍历

• 怎么快速构建长逻辑链
  偷其他人的逻辑链，看他们面对问题怎么找线索，怎么选择方向，怎么检测，怎么做练习，怎么解决问题