savage 把波利亚的《怎样解题》、帕普斯、笛卡尔、莱布尼茨,连成一套面对未知问题的思维程序——不靠天赋,也能一步步把"没思路"拆成看得见的步骤。
为什么 AI 时代更要学解题——训练的不是题型,是思维程序。
帕普斯倒推、笛卡尔四原则、莱布尼茨逻辑演算与二进制。
识别 → 理解 → 拟方案 → 执行 → 复盘,把"没思路"拆成可推进的步骤。
类比、归纳、普遍化、特殊化、演绎、启发式三段论、归谬法。
错题、知识树、概念卡、个人知识库、专家经验、内驱力。
"思维能力"听起来很玄。但课程里每一个方法,都对应一道你能上手的具体题目。下面这些,就是把"会思考"拆开给你看——同一把钥匙,开很多扇门。
12 块巧克力掰成单块要 11 次;128 人淘汰赛要打 127 场。看起来八竿子打不着,深层结构却一模一样。
不知道几点出门?别从出门往前算。从'登机时刻'倒推:安检要多久、路上要多久——目标决定每一步。
缺两个同色角的棋盘,能不能用 1×2 骨牌铺满?硬试几亿种都白费。一旦想到'每块骨牌=1 黑+1 白'……
一刀、两刀、三刀,最多分成 2、4、7 块……先记录、再观察、找出每多一刀新增多少,规律就冒出来了。
1 到 16 猜一个数,问'大于 8 吗',可能性立刻减半。这就是二进制、是信息、是电脑标记万物的底层逻辑。
脑子里只有 2 个案例,只能连出 1 条关联;有 20 个,就能连出 190 条。灵感不是玄学,是网络节点的平方增长。
读题 → 理解 → 拟方案 → 执行 → 复盘。每一步都有具体该做的事;做不下去时,你能立刻知道是哪一步出了问题,该查概念、还是换思路。
真正卡住人的,从来不是"有没有天赋",而是更具体的环节——概念没提取出来、结构没看见、相似案例不够、执行链条太乱、做完没复盘。这门课把每一环都变成可诊断、可练习的动作。
AI 能给答案,却不能替你判断该问什么、目标是什么、答案是否可信。未来更重要的是面对未知自己建框架——学会学习。
"我不会"其实是若干环节的问题。把它拆成读题、理解、方案、执行、复盘,你就知道自己卡在哪、该补哪。
现实充满噪音;数学题把目标、条件、数据压进干净空间,让你反复练识别、建模、推理、验证、迁移。
把题目转成三类资产——概念组块、案例集、思维工具,让每做一道题,都长在自己的知识树上。
清晰目标 + 明确反馈 + 可复盘的进步,把"被逼做题"一点点换成"我能变强"。
先问:目标、条件、未知量是什么?卡在五步法的哪一步?"我没天赋"的僵化判断显著减少。
是概念没调出?视觉化没建立?案例不够?工具选错?有了诊断语言,就不再被模糊恐惧淹没。
倒推、类比、归纳、普遍化、特殊化、归谬……不止解数学,也能迁移到阅读、写作、研究、决策。
把错题、好题、例题放回自己的知识网络,做题变成让概念更清楚、迁移路径更多。
概念卡 + 主动提取 + Notion 个人知识库,把复盘结果做成能反复调用的资产。

