AI EXPLORATION · 学习方法
How to 用 AI 帮助我学习
把 AI 当作研究伙伴，建立一套从提出问题、搜集信息到形成判断的个人学习流程。
AI LEARNING · TOOL REFLECTION
真正有效的 AI 辅助学习，不只是把资料变短，而是帮我从“看不懂”走到“知道下一步怎么做”。
这次我把一份关于 AI 产品经理如何与技术高效对接的资料交给 NotebookLM。Workflow、Agent、RAG 这些词并不陌生，但当 API Contract、JSON Schema、黑盒包装与工程化同时出现时，我仍然无法把它们放进同一条工作路径里。于是，我把“读长文”变成了一次关于学习方式的实验。
THE LEARNING BLOCK
从读懂概念，到理解它们如何协作
这份资料的难点并不是术语没有定义，而是术语之间的关系没有被说透。单独查 API Contract、JSON Schema 或工程化，都能得到解释；可真正要做产品时，更重要的问题是：它们分别在流程的哪一步出现，又怎样从业务判断连接到一个可测试的 MVP。
我的学习目标不只是复述“Coze 能做什么、Codex 能做什么”，而是能把业务问题翻译成 AI 执行流程，再翻译成技术规格与产品页面。
NOTEBOOKLM
NotebookLM：以自己的资料为学习起点
NotebookLM 的核心不是再给我推一段泛泛的知识，而是围绕我上传的资料建立一个可追溯的学习空间：左侧放入文档、链接、音视频等来源，中间可以基于这些资料持续追问，右侧的 Studio 则把同一份内容转成不同的学习形态。
先把学习限制在已有材料内，再进行提问与追问，减少“听起来合理却无从核对”的回答。
同一份资料可切换为播客、视频、思维导图、闪卡、测验或报告，让理解不只依赖反复阅读。
从“不懂这个词”继续追问到“它在真实流程中如何使用”，把抽象概念推进到具体判断。
AUDIO & VIDEO
把长文转成播客与视频，再换一种方式消化
Audio Overview 和 Video Overview 的逻辑相似：都把原始文字改写成更容易消化的媒体形式。播客适合在通勤或不方便盯屏幕时回顾；视频则能把概念、案例和视觉关系放到同一段讲解中。下面的音频与视频均由本次学习材料延伸而来，可直接播放体验。
LEARNING MODES
思维导图、闪卡与报告：为理解补上不同的支撑
不同的输出并不是为了把页面做得更丰富，而是分别服务于不同的学习动作：思维导图帮助我先看到全局结构；闪卡与测验让我检验自己是否真正记住；报告则不止摘要，还会把“为什么这样做、什么时候使用”补充出来。
点击放大查看完整思维导图
SLIDE DECK
AI 生成 PPT 为什么常常像一份讲义？
NotebookLM 生成的 Slide Deck 已经能快速抓住主线：LLM 应用不是一个页面，而是用户体验、业务流程、AI 执行与工程基础组成的系统；Coze 和 Codex 不是替代关系，而是上下游关系。它的优势是快、完整、视觉统一。
它擅长概念提炼，却不总能完成教学表达：一个 Workflow 怎样转成开发材料？黑盒、半白盒、白盒在真实产品里分别意味着什么？如果没有进一步拆解，读者可以知道文章讲了什么，但不一定能把它用起来。
REBUILD WITH VIBE CODING
从 Coze 到 Vibe Coding：让概念变成可执行的路径
带着“概念如何落地”的问题，我让 Codex 将内容重构成 HTML PPT，再持续提出修改意见；随后由 Claude 接手补足层次与细节。重点不再只是“Coze 负责流程、Codex 负责工程”，而是把它拆到工作流节点、页面骨架、API 封装、数据模型、测试验收和人工复核等具体层面。
快速阅读长文档、提炼结构、生成初稿
重构表达、补充案例、精修布局
快、自动化程度高、完整
可控、可迭代、细节可持续修改
结果偏“摘要化”，能把文档变短，不一定能讲透
需要你持续判断方向，告诉它哪里不对
第一遍快速理解 + 生成初稿
初稿有了之后，重构成真正能讲的版本
REFLECTION
结论：根据学习目的，选择合适的 AI 工具
这次实验让我更清楚地看到，两类工具不是谁替代谁。NotebookLM 负责基于资料快速提炼、建立结构和生成学习入口；Codex 与 Claude 则更适合继续追问、补足案例、重构表达并把内容推向可执行的产品形态。
AI 生成内容真正的差距，不在于“能不能生成”，而在于：它有没有理解受众是谁？有没有把抽象概念讲成人话？看完之后，一个初学者知不知道下一步该怎么做？
我最大的收获不是学会了某一个工具，而是建立了一种选择方式：需要快速理解材料时，先用 NotebookLM 形成可回看的结构；需要把理解转成表达、方案或产品时，再让 Vibe Coding 工具接续完成更细的重构。