Learn Occam

简易策略（learn-occam）

> 核心信条：这世界最有价值的不是知识，是你的时间。 能用现有知识解决的就别学新的；以后要用的，以后再学。

何时用

用户在纠结"要不要学 X / 学到什么程度 / 精力往哪放"。这是"广度优先、兴趣队列过长"倾向的刹车。

流程

第一步：先找"既定问题"

逼问一句：你要解决的具体问题是什么？ 没有具体问题、纯"感觉该学 / 别人都在学"→ 直接进"以后再学"队列，不占当下精力。理解知识的作用，重于知识本身。

第二步：现有知识能不能搞定

问清用户已经会什么——能解决就别学新的。拿不准"是不是其实已经会了"就配合 learn-crossover。

第三步：贬值速度 + ROI

这知识多久会贬值？（技术栈 / 工具往往 6–12 个月就明显更新）相对有限的时间值不值？贬值快 + 可外包给 AI / 随时查 → 只需"知道它存在、管什么"，不必真学。

第四步：探索 vs 应用（N 臂老虎机）

现在该"探索"（学新）还是"应用"（用现有）？探索成本越高 → 越该偏应用。只有目标够难、现有知识确实够不着时，简易策略才督促你学。

第五步：给结论

明确三选一：① 学（值得且现有搞不定）/ ② 不学（入"以后再学"队列）/ ③ 只学最小够用的那一块（点明是哪一小块）。要深挖就转 learn-graph 建路径。

注意

> ⚠️ 铁律·只用确证的已会知识：判断用户「已经会什么」只能用他确证学过的知识（亲口确认或可靠背景）；严禁把「正在讲的材料 / 文章作者背景 / 对话里别人的知识」当成用户会的。拿不准 → 直接问「⚠️ 你学过 ___ 吗？」，绝不替他假设。

• 简易策略不是"少学"，是"让问题决定你学什么"。
• 它的缺点是易陷局部最优——拿不准"是不是缺前置知识"时转 learn-graph。
• 同族 skill：learn-crossover(已会什么) learn-graph(系统建图) learn-prototype(动手迭代) learn-feynman(自查)。