但工作以后，尤其进入AI领域，这套学习方式越来越不够用了。我们更需要的是即时学习（Just in time learning）：先遇到真实问题，再学习解决这个问题所需的知识。
过去半年，行业热点切换得非常快。
前一段时间，很多公司还在研究类OpenClaw产品；紧接着，大家开始研究Claude Code一类产品的交互方式和Agent能力；现在，Codex一类编程智能体又成了新的竞争方向。
而负责实现这些产品的人，很多时候也是第一次接触新的模型、新的SDK和新的工具调用方式。
但他们不会等到建立完整的知识体系才开始工作。他们先读眼前需要的文档，遇到问题再看源码，然后搭出Demo，遇到哪个问题，就补哪部分知识，学完以后，马上回到项目里验证，最后成功把产品交付出去。
这就是即时学习：学习本身，就是完成工作的一部分。
很多同学准备大模型岗位时，总想先建立一套完整的知识体系。
课程收藏了几十门，技术路线越画越长，但项目迟迟没有开始，简历也一直没有投出去。
AI技术的变化速度远远快于你的学习计划。
等你终于学完清单上的最后一项，前面的内容可能已经变了。更麻烦的是，你依然不知道这些知识放进真实项目后应该怎么用。
所以，准备大模型岗位时，不要再问“我还需要学完哪些东西”，先问：“为了把眼前这个项目做出来，我下一步必须学什么？”
我还意识到，这种问题不只发生在大模型学习上。我读大学时绩点很低，其中一个原因，就是我一直无法适应无纸化学习。
我必须把资料打印出来，在纸上阅读、标记，才觉得自己真正学进去了。
这种方法没有错，但当资料越来越多、信息变化越来越快时，它确实限制了我的学习速度和信息覆盖面。
后来我才慢慢接受：环境不会按照我最熟悉的方式运行。
工具会变化，技术会变化，岗位会变化，市场也会变化。一个人曾经依赖的学习方法、项目经验乃至职业优势，都可能在下一轮变化中失效。
知识点是学不完的。
先选一个真实任务开始做。不会的地方，再去读文档、找资料、问AI、看源码。学完以后立刻回到任务里验证。
能在需要的时候迅速学会，并把它变成一个实际结果，这可能才是AI时代最重要的学习能力。
